尋夢新聞LINE@每日推播熱門推薦文章，趣聞不漏接❤️
機器人製造行業發展太迅猛，自1939年美國紐約世博會上展出了第一台由西屋電氣公司製造的家用機器人Elektro。這是一台由電纜控制，可以行走，會說77個字，甚至可以抽煙的家用機器人，演變成現在機器人模塊化、功能多樣化，平台統一化的超級機器人。世界前首富比爾·蓋茨也曾經預言過，家用機器人很快將席卷全球。
如今機器人發展的特點可概括為：橫向上，應用面越來越寬。由95%的工業應用擴展到更多領域的非工業應用。像做手術、采摘水果、剪枝、巷道掘進、偵查、排雷，還有空間機器人、潛海機器人。機器人應用無限制，只要能想到的，就可以去創造做到；縱向上，機器人的種類會越來越多，像進入人體的微型機器人，已成為一個新方向，可以小到像一個米粒般大小；機器人智能化得到加強，機器人會更加聰明。
人工智能（機器人雛形）被視為第四次工業革命，而金融是人工智能應用落地最快的領域。不低於50%以上的工作崗位在AI的時代可能需要重新定義和升級。如果不在AI的時代中進步，很可能在AI時代下被淘汰。 作為人類未來發展方向之一，IBM公司當然不會放棄這樣一個機會。早在1949年，IBM公司就開始了人工智能的研發，從1997年、2007年IBM Deep Blue擊敗人類國際象棋手，近年來Alpha Go 連續戰勝李世石、柯潔，再到近來Deepmind戰勝人類電競高手，AI的幾何化學習速度似乎讓大眾也聞之生畏。然而，在人類擅長的思想表達和辯論領域，AI仍舊能所向披靡麼？
2016年世界辯論錦標賽的決賽圈選手哈里什·納塔拉詹(Harish Natarajan)，與IBM公司的電腦辯手展開了一場對決，IBM公司宣稱，這款電腦是首款與人類進行有意義的辯論的人工智能系統。
電腦辯手是自2012年就開始籌備的項目，設計的宗旨是聽取人類辯手的觀點並進行反駁，與此同時提出自己連貫、有說服力的觀點，它甚至出現了自己的總結陳述來闡明論點，電腦辯手只能用其本地數據庫的報紙和雜誌文章，不能連接互聯網也不能從維基百科等網站爬取觀點。
據悉，辯論賽的主題是：是否應該資助學前教育。但是直到雙方登上辯論台的前一刻他們才獲悉了這一次的辯題，電腦辯手將為找到解決出路而辯論。比賽遵循了傳統辯論賽的風格，首先雙方各做4分鐘的開場陳述，然後各有四分鐘反駁對方觀點，最後各有2分鐘進行總結陳詞。電腦辯手作為正方，它支持進行學前教育補貼，認為這能夠有效的打破貧困的循環，它使用了完整的句子，並且引用了一系列的研究成果。
電腦辯手展示了人工智能系統近年來是如何越變越靈活的，我們以往看到的人工智能，比如智能音箱中的語音助手，只能回答特定的問題，但是IBM的系統展示了這項技術還可以用來探索開放性答案的問題，這可能會幫助人們找到使用電腦的新方法，並利用人工智能幫助我們想出更多解決問題的方法。
IBM研究主管答里奧·吉爾(Dario Gil)表示，這真的是在突破人工智能系統的界限，這些系統與我們的互動程度更高，能夠更好的理解我們
今年2月11日，此前曾戰勝人類辯手的IBM Project Debater重出江湖，對戰2016年世界辯論決賽選手、畢業於牛津大學的Harish Natarajan,圍繞「政府是否應該資助學前教育（Whether goverment should subsidize pre-schools?)」進行了一場人機辯論，採用傳統美式辯論規則：雙方在開場15分鐘前得知辯題，辯論分為三回合，前兩回合每人四分鐘，第三回合兩分鐘結辯陳詞；最終結果由現場800位觀眾投票決定。
這一次，AI戰勝人類的神話並未延續，擔任反方的Harish憑借更少跑票數獲勝。
最終投票結果：在辯論之前，79% 的觀眾同意學前教育應該得到補貼，13% 的觀眾不同意。 最後，62% 的人同意，30% 的人不同意。 基於反方得分更多，跑票數更少，Harish獲勝。
縱觀整場辯論，從技巧層面，機器稍遜風騷：Project Debater主要圍繞資助學前教育對社會的意義展開論證，具體觀點包括可促進整體教育、提升社會公平、以及降低犯罪率，論證時多旁征博引，從離線數據庫、語料庫中調用案例和數據進行支持，然而在駁論（Rebuttal)環節和人類差距拉開,仍舊停留在對於既有立論觀點的延續佐證，過多鋪陳而未有有力反擊；反觀人類辯手Harish, 在駁論環節表現出色，提出「基於市場現實，補貼將消耗中產家庭的財政資源」，並提出「資助學前教育並不意味著讓所有孩子都上學」的精彩觀點。
人機辯論現場
盡管如此，Project Debter在沒有提前預知辯題情況下，展示出即時且富有邏輯的語言組織能力，令人印象深刻。在圓桌環節，人類辯手Harish這樣評價Project Debater: 「她可以有效理解信息，並且通過從後台數據庫中提取研究材料將這些信息整合在上下文里流暢地表達出來（contexualize the information and pull details from research)，如果將這樣的技能與人類技能相結合，將會有效提升決策力。」
Project Debater 創立於2012年，從修辭和辯論這一人類特有的思想表達行為入手，旨在訓練機器與人類進行直接、有意義的溝通。IBM的科學家們為Project Debater創造了其自有的離線數據庫，數據來源為海量書報、雜誌期刊等，在辯論中不進行聯網，也不可能抄襲Wikipedia等網站的觀點。
在每一次辯論開始時，圍繞某一辯題，Project Debater將從離線數據庫中的100億句子中挑選具備強相關性的語料整合生成有說服力的觀點，並組織成一篇流暢的四分鐘陳詞；在駁論環節，Project Debater通過吸收人類辯手觀點，創造自己的駁論。
與此前的棋類和電競類的人機對抗不同，辯論作為一項勝負條件模糊，且融合技巧性、思想性、修辭性等綜合要求的複雜比賽，對AI系統的要求也更為靈活。在現場，Project Debater首席研究員表示：Project Debater在系統設計中充分考慮了人機理解能力（語音識別、自然語言處理）、數據寫作和信息生成能力（自然語言生成），以及反向吸收和模擬人類邏輯的能力。
對於此次人機辯論對抗，IBM研究主管 Dario Gil表示：IBM Project Debater存在的目的不是為了擊敗人類，而是探究如何通過信息交換和有效交流做到人機合作，提升決策效率和科學性。未來，小編也將持續關注Project Debater在實際場景中的應用。