【网易智能讯 4月8日消息】OpenAI的研究人员惊奇地发现，通过训练来预测亚马逊评论中下个字符的神经网络，竟然教会了自己分析情绪。这种无人监督的学习是机器学习研究人员的梦想。
如今的许多人工智能都依赖于机器学习，即机器在通过特定数据集学习信息后自动做出反应。从某种意义上讲，机器学习算法可以用之前确定的数值来预测结果。OpenAI的研究人员发现，他们开发的一个机器学习系统可以在亚马逊评论文本中预测下个字符，它已经形成无人监督系统，可以自己学习情绪的表达。研究人员称：“我们惊讶地发现，我们的模型学到了一种解释功能，通过简单地预测亚马逊评论中的下个字符，它发现了情绪的概念。”
OpenAI是一家非营利性的人工智能研究公司，投资者包括伊隆·马斯克（Elon Musk）、彼得·泰尔（Peter Thiel）以及萨姆·奥尔特曼（Sam Altman）等。OpenAI的神经网络能够通过区分正面或负面评论来训练自己的分析情绪能力，并能够生成带有理想情绪的文本。这种人工智能是一种倍增长短时间记忆(LSTM)技术，在1个月中利用亚马逊的8200万篇评论进行训练，它可以预测文本中的下个字符。
经过mLSTM训练之后，研究人员把模型变成了一个情绪分类器，并使用线性组合。当他们发现模型很少用到学习单元时，他们发现只有一个“情绪神经元”具有很强的预测情绪价值。这种人工智能的情绪分析能力，超越了斯坦福Sentiment Treebank使用的所有其他方法，后者是一种小型但广泛研究的情绪分析数据集。OpenAI人工智能的准确率高达91.8%，比之前的90.2%的最高水平还要高。
无人监督学习算法是机器学习研究人员的梦想，从根本上说，这种AI拥有能够自己学习的能力，这就消除了需要给它贴上标签或组织数据的繁琐程序。OpenAI的mLSTM实现了这个目标，但它的开发人员意识到，它可能不是唯一一台能够进行这种无监督学习的机器:“我们相信这种现象并非这个模型的特性，而是某种大型神经网络的一般属性，这些神经网络被训练用来预测它们输入的下一步或维数。”
能够在无人监督的情况下学习，会给AI带来显著的提升：减少它们接受训练所需的时间，同时提高它们的表现。例如，这样的人工智能可以通过分析、甚至预测用户的需求来提供技术上的虚拟帮助。这些以及任何可以想象到的其他应用程序，仍然需要进一步研究这种无人监督算法是如何发展的。
OpenAI的研究人员解释说：“我们的研究结果预示着向无人监督的代表性学习模式迈进了一小步。通过探索语言建模的副作用是否可以学习高质量的表达方式，并在仔细选择的数据集上扩大现有的模型，我们找到了结果。然而，潜在的现象仍比明确事实显得更神秘。”
（英文来源/futurism，编译/机器小易，校对/小小）
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
