MIT研究出一种新神经网络算法 可用于科学论文的写作

你是否还在为毕业论文或者期刊论文的摘要而冥思苦想？摘要对一篇文章来讲十分的重要，相信对很多人都有着痛苦的回忆，不断地提炼、精简都旨在表达文章最核心的东西。那你有想过在人工智能时代，是否AI可以完成你的摘要提炼，甚至是科学论文的写作呢？

近日，在麻省理工学院官网上刊登了一篇名为《Can science writing be automated?（科学论文可以实现自动写作吗？）》的文章，这项研究来源于麻省理工学院研究生Rumen Dangovski和Li Jing的一篇论文中。

这种方法来源于麻省理工学院的研究人员开发的一种新的神经网络方法，一种人工智能，它可以完成科学论文的写作，至少在一定程度上：它可以读取科学论文并呈现一个简单的一两句话的英文摘要。

实际上，这是一个无心插柳柳成荫的结果，研究人员本意是建立一种人工智能方法来解决物理学中一些棘手的问题，但是他们很快意识到，这种方法可以用来解决其他困难的计算问题，包括自然语言处理，其方法可能优于现有的神经网络系统。

在AI领域这种无心插柳并非特别的巧合，研究人员Soljai表示，他们虽然是物理学领域研究，但由于AI能够帮助他们解决很多棘手的问题，也因此会让他们产生多学科的交叉，经常性的发现某种方法不仅仅用于解决物理问题，还可以用来解决其他方面的问题。

人工智能实现写作早已不是什么新鲜事了，像现在的很多智能机器通过关键字来进行文章写作，比如说自媒体人常用的伪原创工具，就属于人工智能写作的一种，不过这种写作都比较基础，利用相近词义来进行替换，一般这种伪原创工具所创作的文章句子之间的关联性非常差，实质上还需要在语义理解上下功夫。

那MIT的这项研究与普通智能写作有什么不同呢？

我们都知道，神经网络是模仿人类学习某些新事物的方法，通过模拟人脑神经元的运行机制而诞生的方法，普遍适用于模式识别当中。普通的写作都是通过大量的文章数据和词库进行学习，在对语义理解方面能力较差。

但是MIT的这项研究，是要实现将一篇长串数据中的信息关联起来，来摘取关键信息并要能够形成通顺语义内容，以此来解释一篇文章的研究内容。因此产生了新的神经网络方法，他们通过长期短期记忆LSTM和门控循环（GRU）的技术来提高新神经网络的这种能力，但这种技术仍然不能够解决他们的问题。

因此该团队研究出了一种新的技术，它不是像大多数传统的神经网络那样基于矩阵的乘法，而是基于在多维空间中旋转的向量，其中的关键是他们称之为旋转记忆单位（RUM）的东西。

英国人工智能公司Deepmind Technologies的研究科学家alarGülehre评价说这项研究解决了神经网络中的一个重要问题，与时间或空间上广泛分离的信息有关。“这个问题一直是人工智能中一个非常基本的问题，因为必须对序列预测任务中的长时间延迟进行推理，”他说。“虽然我不认为这篇论文完全解决了这个问题，但它对长期的依赖性任务（例如问答，文本摘要和联想召回）表现出了可喜的结果。”

给我们国内科研人员的启发

这项研究不仅仅给我们国内人员的带来技术性的启发，更多的是方法上的启发，在如今AI迅速发展的时代，我们的科研人员也更应该放开思维的宽度，学习AI的思想方法，将其运用到自己的领域，从而快速解决一些棘手的科学问题。同样的，要在不断试验中保持好奇心，拓宽领域的研究，或许会带来不一样的研究成果。