中科院信工所雛鷹團(tuán)隊(duì)在SemEval上大顯神威

道翰天瓊認(rèn)知智能機(jī)器人平臺(tái)API接口大腦為您揭秘。國(guó)際語(yǔ)義評(píng)測(cè)研討會(huì)（International Workshop on Semantic Evaluation, SemEval）是由ACL下屬的SIGLEX主辦，是全球范圍內(nèi)影響力最強(qiáng)、規(guī)模最大、參賽人數(shù)最多的自然語(yǔ)言語(yǔ)義評(píng)測(cè)競(jìng)賽。

?

在本屆SemEval-2020國(guó)際語(yǔ)義評(píng)測(cè)大賽中，中國(guó)科學(xué)院信息工程研究所胡玥老師帶領(lǐng)的參賽團(tuán)隊(duì)雛鷹團(tuán)隊(duì)（系統(tǒng)名：III-ENLP-NUT）（團(tuán)隊(duì)成員：邢璐茜、謝玉強(qiáng)、彭偉）在Task4: Commonsense Validation and Explanation (常識(shí)驗(yàn)證與解釋, 子任務(wù)A-常識(shí)驗(yàn)證及子任務(wù)B-常識(shí)解釋選擇上均取得了Top-3的好成績(jī)。https://competitions.codalab.org/competitions/21080

?

論文鏈接：https://arxiv.org/abs/2007.00924以下胡玥團(tuán)隊(duì)將為大家?guī)?lái)詳細(xì)的大賽分享。
1

任務(wù)介紹&分析

任務(wù)介紹

SemEval-2020 常識(shí)驗(yàn)證與解釋任務(wù)由西湖大學(xué)博士生王存翔、 SUTD博士生梁帥龍、西湖大學(xué)張?jiān)澜淌诤蚎ueen’s University 朱曉丹教授共同舉辦。該賽題進(jìn)一步劃分為三個(gè)子任務(wù)，分別是a) Commonsense Validation,b) Commonsense Explanation(Multi-Choice),c) Commonsense Explanation(Generation)子任務(wù)A: Commonsense Validation常識(shí)驗(yàn)證子任務(wù)中，輸入為兩個(gè)有相似結(jié)構(gòu)的陳述，要求系統(tǒng)判斷出哪個(gè)陳述是符合常識(shí)的，哪個(gè)陳述相對(duì)不符合常識(shí)。評(píng)價(jià)指標(biāo)采用準(zhǔn)確率。子任務(wù)B: Commonsense Explanation (Multi-Choice)常識(shí)解釋選擇子任務(wù)中，輸入為子任務(wù)A中不符合常識(shí)的錯(cuò)誤陳述，以及三個(gè)可能為不符合常識(shí)陳述的解釋選項(xiàng)，要求系統(tǒng)從候選選項(xiàng)集合中，選出最能夠解釋不符合常識(shí)陳述出錯(cuò)的原因。評(píng)價(jià)指標(biāo)采用準(zhǔn)確率。子任務(wù)C: Commonsense Explanation (Generation)常識(shí)解釋生成子任務(wù)中，輸入同樣為子任務(wù)A中不符合常識(shí)的錯(cuò)誤陳述，要求系統(tǒng)?成可以解釋不符合常識(shí)陳述的原因。評(píng)價(jià)指標(biāo)采用文本生成的評(píng)價(jià)指標(biāo)BLEU以及人工評(píng)價(jià)。

任務(wù)分析

子任務(wù)A的目標(biāo)是檢驗(yàn)?zāi)Ｐ褪欠窬哂袇^(qū)分違反常識(shí)的自然語(yǔ)言陳述的能力。子任務(wù)A的主要挑戰(zhàn)在于，違反常識(shí)的陳述在句法層面通常是符合語(yǔ)言學(xué)結(jié)構(gòu)的，但是在語(yǔ)義層面上，其含義是不符合通常的常識(shí)知識(shí)，考驗(yàn)?zāi)Ｐ退邆涞某ＷR(shí)知識(shí)。子任務(wù)B的目標(biāo)是通過(guò)選擇合適的解釋的方式，檢驗(yàn)?zāi)Ｐ褪欠裾嬲乩斫饬艘粋€(gè)陳述為什么是違反常識(shí)的。子任務(wù)B的挑戰(zhàn)在于，盡管所有的候選解釋都與違反常識(shí)陳述的內(nèi)容有關(guān)，但是有些候選項(xiàng)并不包含解釋不符合常識(shí)的主要原因，反而由于在內(nèi)容上存在關(guān)聯(lián)，會(huì)分散模型的判斷能力。近期一些工作表明，預(yù)訓(xùn)練語(yǔ)言模型除了在語(yǔ)言理解上具有很好的性能之外，通過(guò)在大規(guī)模語(yǔ)料上進(jìn)行學(xué)習(xí)，其內(nèi)部已經(jīng)習(xí)得了某些常識(shí)知識(shí)。因此，我們不僅僅將預(yù)訓(xùn)練語(yǔ)言模型看做上下文編碼器，用以產(chǎn)生句子的表示，同時(shí)，我們還把預(yù)訓(xùn)練語(yǔ)?模型看做知識(shí)存儲(chǔ)器，希望在問(wèn)答過(guò)程中可以隱式地利用預(yù)訓(xùn)練語(yǔ)言模型提供常識(shí)知識(shí)。針對(duì)上述挑戰(zhàn)，我們從以下兩個(gè)主要指導(dǎo)意圖出發(fā)，以多選型問(wèn)答的式設(shè)計(jì)兩個(gè)?任務(wù)的解決方法：（1）意圖1：如何“喚醒”并利用預(yù)訓(xùn)練語(yǔ)言模型內(nèi)部的隱式知識(shí)來(lái)幫助完成常識(shí)驗(yàn)證和解釋任務(wù)？（2）意圖2：豐富違反常識(shí)陳述的上下文是否能夠/如何幫助系統(tǒng)更好地選擇正確的解釋？針對(duì)第一點(diǎn)，我們?cè)O(shè)計(jì)了一種基于提示模板（prompt template）的方法，用于重構(gòu)子任務(wù)輸入以適用于問(wèn)答任務(wù)。針對(duì)第二點(diǎn)，我們?yōu)樽尤蝿?wù)B構(gòu)建了一個(gè)提示問(wèn)題（prompt question），并且利?額外的信息對(duì)其進(jìn)行擴(kuò)展，以提供對(duì)比信息，幫助模型能夠定位到造成違反常識(shí)的原因。此外，我們還探索了基于預(yù)訓(xùn)練語(yǔ)言模型打分的方法來(lái)完成常識(shí)驗(yàn)證子任務(wù)，并探索了預(yù)訓(xùn)練語(yǔ)言模型內(nèi)部隱含的常識(shí)知識(shí)能夠在多大程度上幫助常識(shí)驗(yàn)證子任務(wù)。
2

摘要&介紹

摘要本文介紹了針對(duì)SemEval Task4的前兩個(gè)子任務(wù)的系統(tǒng)：常識(shí)驗(yàn)證和解釋。為了闡明判斷的意圖并注入對(duì)比信息以供選擇，我們提出了帶有模板的輸入重建策略。具體來(lái)說(shuō)，我們將子任務(wù)形式化為多項(xiàng)問(wèn)題，并使用提示模板構(gòu)造輸入，然后，將最終回答預(yù)測(cè)視為子任務(wù)的結(jié)果。實(shí)驗(yàn)結(jié)果表明，與基準(zhǔn)系統(tǒng)相比，我們的方法具有顯著的性能。我們的方法在前兩個(gè)子任務(wù)的兩個(gè)正式測(cè)試集中都獲得了第三名，其準(zhǔn)確度分別為96.4和94.3。介紹自然語(yǔ)言理解（NLU）要求系統(tǒng)不僅能夠弄清文本的語(yǔ)義，而且能夠在現(xiàn)實(shí)世界的常識(shí)知識(shí)的約束下理解文本。識(shí)別無(wú)意義的自然語(yǔ)言陳述，并產(chǎn)生對(duì)無(wú)意義的文本的解釋的能力是實(shí)現(xiàn)對(duì)自然語(yǔ)言理解的基礎(chǔ)。SemEval-2020任務(wù)4提供了結(jié)構(gòu)良好的評(píng)估任務(wù)，旨在評(píng)估基于常識(shí)驗(yàn)證和解釋的系統(tǒng)能力。常識(shí)驗(yàn)證和解釋（ComVE）任務(wù)分為三個(gè)子任務(wù)：驗(yàn)證、解釋選擇、解釋生成。我們主要關(guān)注并參與前兩個(gè)子任務(wù)。第一個(gè)子任務(wù)（subtaskA）的目標(biāo)是檢查系統(tǒng)區(qū)分區(qū)別于常識(shí)的自然語(yǔ)言語(yǔ)句（即，無(wú)意義/錯(cuò)誤語(yǔ)句）的能力。第二個(gè)子任務(wù)（subtaskB）的目標(biāo)是測(cè)試系統(tǒng)是否可以正確理解造成反事實(shí)的原因。在子任務(wù)A中，區(qū)分無(wú)意義的陳述所面臨的挑戰(zhàn)在于，這種陳述通常在句法層面上符合語(yǔ)言結(jié)構(gòu)，但其含義卻不符合語(yǔ)義層面上的一般常識(shí)。在子任務(wù)B中，為虛假陳述選擇適當(dāng)?shù)慕忉尩睦щy在于，盡管候選解釋與虛假陳述的內(nèi)容相關(guān)，但它們可能不包含解釋虛假陳述的主要原因，并且會(huì)分散系統(tǒng)的注意力。為了解決上述挑戰(zhàn)，我們首先將兩個(gè)子任務(wù)形式化為一種多選問(wèn)答（QA）任務(wù)。此外，我們將PLM用作上下文編碼器來(lái)生成句子的表示形式，還通過(guò)兩階段的預(yù)訓(xùn)練將PLM視為知識(shí)存儲(chǔ)，可以在回答問(wèn)題時(shí)隱式提供常識(shí)知識(shí)。為了應(yīng)對(duì)前面提到的挑戰(zhàn)，我們?cè)O(shè)計(jì)了多選QA方式解決兩個(gè)子任務(wù)的方法，具有以下兩個(gè)指導(dǎo)意圖：（a）如何喚醒和利用PLM的隱性知識(shí)進(jìn)行常識(shí)驗(yàn)證和解釋?。（b）上下文的擴(kuò)展將如何幫助系統(tǒng)為錯(cuò)誤陳述選擇正確的解釋。對(duì)于第一點(diǎn)，我們探索了一種基于模板的方法來(lái)重建編碼器的輸入。在子任務(wù)A中，我們?cè)O(shè)計(jì)了一個(gè)提示性問(wèn)題，并將此子任務(wù)轉(zhuǎn)換為多項(xiàng)選擇QA樣式格式，其中將語(yǔ)句用作候選答案。在子任務(wù)B中，我們將帶有提示模板的錯(cuò)誤陳述重新格式化，比如A陳述是反事實(shí)的，是因?yàn)锽解釋。提示模板旨在激活預(yù)訓(xùn)練模型內(nèi)部的常識(shí)知識(shí)，并且可以將其視為查詢(xún)以檢索PLM中的常識(shí)知識(shí)。另外，提示模板豐富了PLM的輸入，以明確表達(dá)子任務(wù)的意圖。對(duì)于第二點(diǎn)，我們建議在子任務(wù)B中用更多上下文擴(kuò)展prompt question，帶有更多文本信息，比如正確和錯(cuò)誤陳述的對(duì)比信息。

?

3

方法

任務(wù)定義 ：5個(gè)元素 ${S^1, S^2, O^1, O^2, O^3}$分別表示兩個(gè)陳述和三個(gè)解釋。${S^1, S^2}$ 一個(gè)是真實(shí)事實(shí)。一個(gè)是反事實(shí)。$O^i$ 只有一個(gè)是正確的解釋原因。我們把兩個(gè)子任務(wù)轉(zhuǎn)成多選問(wèn)題，包含一個(gè)PLM的編碼器和一個(gè)任務(wù)確定的分類(lèi)層。對(duì)于每一個(gè)問(wèn)題答案對(duì)，我們可以得到下面的計(jì)算公式。inp，表示的是經(jīng)過(guò)重構(gòu)的輸入 。$C^i$表示的是陳述的First Token，即[CLS]。擁有打分更高的候選答案將會(huì)被視為最后的預(yù)測(cè)。

?Sense-Making?陳述驗(yàn)證方法

在第1個(gè)子任務(wù)中，模型要求能夠去選擇一個(gè)反事實(shí)的陳述。我們把這個(gè)子任務(wù)轉(zhuǎn)成多選的qa問(wèn)題。其中問(wèn)題是我們?nèi)斯?gòu)造的一個(gè)prompt question。這個(gè)prompt question有兩個(gè)功能:第一，他能夠去檢索（激活）預(yù)訓(xùn)練語(yǔ)言模型內(nèi)部的常識(shí)知識(shí)；第二，扮演一個(gè)潛在問(wèn)題的角色，用有意義的陳述來(lái)回答。因此我們直接構(gòu)造了一個(gè)啟發(fā)式的prompt question，比如：If the followingstatement is in common sense?我們認(rèn)為這種方式，從語(yǔ)義角度來(lái)說(shuō)，能夠包含子任務(wù)的背后的意圖（驗(yàn)證常識(shí)）.所以對(duì)每一個(gè)樣例，我們都能夠去構(gòu)造一個(gè)這樣子的問(wèn)題和陳述對(duì)。然后分別取每一個(gè)陳述的cls向量，作為分類(lèi)層的輸入，得到最后的結(jié)果。除此之外，考慮到長(zhǎng)度的限制以及計(jì)算效率，我們用另一個(gè)方式去結(jié)合問(wèn)題和陳述。比如：[CLS] If “ Si ” is in common sense? [SEP].解釋選擇方法對(duì)于第二個(gè)來(lái)說(shuō)系統(tǒng)需要從三個(gè)候選當(dāng)中去選擇最合理的解釋。這也是一個(gè)很直覺(jué)的多選任務(wù)，但是we argue：錯(cuò)誤的陳述從語(yǔ)法上來(lái)說(shuō)是一個(gè)完全正確的自然語(yǔ)言的句子，如果直接把這個(gè)錯(cuò)誤的陳述和每一個(gè)候選解釋連接起來(lái)，可能會(huì)干擾模型的表現(xiàn)。也就是說(shuō)模型非常容易去關(guān)注到陳述和解釋之間的相似性，而不是我們所需要的因果關(guān)系?；谏鲜隹紤]，我們會(huì)構(gòu)造一個(gè)prompt template，為了能夠讓模型去理解作為待回答的問(wèn)題假陳述。因此我們構(gòu)造的模板如下：[CLS] Sf is against common sense because Oj [SEP] .下劃線(xiàn)會(huì)被這個(gè)候選的解釋去替代。然而如果僅僅是使用這種錯(cuò)誤的事實(shí)信息是不足夠的。他會(huì)干擾模型發(fā)現(xiàn)在錯(cuò)誤事實(shí)和候選解釋間的因果關(guān)系的能力。我們對(duì)數(shù)據(jù)進(jìn)行了觀察，發(fā)現(xiàn) true statement經(jīng)常會(huì)和false statement，共享同一個(gè)主題。另外true statement的內(nèi)容是in come sense的。所以我們重新利用上真實(shí)陳述的信息，可以與錯(cuò)誤的事實(shí)形成了一個(gè)對(duì)比的信息。因此我們又構(gòu)造了如下的模板：[CLS] If St is in common sense. [SEP] Sf is against common sense because Oj [SEP]
4

實(shí)驗(yàn)&結(jié)果

具體的實(shí)驗(yàn)設(shè)置大家可以移步論文，這里就不作贅述了。下圖是我們對(duì)兩個(gè)子任務(wù)構(gòu)造的模板：

主實(shí)驗(yàn)

我們?cè)趦蓚€(gè)子任務(wù)上進(jìn)行了實(shí)驗(yàn)。其中omcs是指我們用額外的常識(shí)語(yǔ)料對(duì)模型進(jìn)行二階段訓(xùn)練。P和C表示對(duì)應(yīng)的模板。在子任務(wù)一上，我們發(fā)現(xiàn)通過(guò)增加模板信息能夠使模型效果提升，通過(guò)額外的語(yǔ)料去預(yù)訓(xùn)練語(yǔ)言模型，能夠達(dá)到一個(gè)更好的效果，但是兩個(gè)模板在子任務(wù)一上面的表現(xiàn)并不是很明顯，我們認(rèn)為這個(gè)原因是因?yàn)檫@兩個(gè)模板帶來(lái)的效果是一致的，即使他們的表現(xiàn)形式有所不同。對(duì)于第2個(gè)子任務(wù)來(lái)說(shuō)，我們的模型通過(guò)增加P和增加P+C，模型的效果都在提升，說(shuō)明這兩個(gè)模板構(gòu)造獲得的語(yǔ)義信息也是有所差異的。和我們的假設(shè)一致，通過(guò)增加對(duì)比信息，模型的效果能夠達(dá)到最好。
5

討論

探索PLM中的常識(shí)知識(shí)

我們想要去探究預(yù)訓(xùn)練語(yǔ)言模型當(dāng)中是否真的隱含了常識(shí)知識(shí)。因此我們進(jìn)行如下的操作：對(duì)每一個(gè)陳述中的token順序的mask，然后能夠得到每一個(gè)token的概率值。所有的token概率值乘起來(lái)得到這個(gè)陳述的概率。因此我們能夠去獲得真實(shí)事實(shí)和錯(cuò)誤事實(shí)的打分。如果模型足夠理想的話(huà)，那么真實(shí)事實(shí)的打分肯定是大于錯(cuò)誤事實(shí)的。如果模型把真實(shí)事實(shí)的打分，誤判成小于錯(cuò)誤事實(shí)的打分，那么error+1。因此我們可以計(jì)算一個(gè)準(zhǔn)確率，最后我們發(fā)現(xiàn)：RoBERTaLarge 達(dá)到79.5%的準(zhǔn)確率，RoBERTaOMCS 保持了86.3%的準(zhǔn)確率。子任務(wù)A上提問(wèn)模板效果表征RoBERTa的原始輸入格式我們?cè)谌蝿?wù)a上做了一些case study。對(duì)于第1個(gè)例子來(lái)說(shuō)，增加模板能夠使得模型都判斷準(zhǔn)確。說(shuō)明模板能夠去對(duì)模型有一定的暗示作用。對(duì)于第2個(gè)例子來(lái)說(shuō)，第1個(gè)模板任然不奏效，但是第2個(gè)模板提供了一個(gè)更好的hint。對(duì)于第3個(gè)例子來(lái)說(shuō)，所有的模型都做錯(cuò)了。有可能是模型自己的問(wèn)題，語(yǔ)料當(dāng)中的偏置或者是TV這個(gè)詞出現(xiàn)的詞頻等等?？傊?#xff0c;模板能夠幫助模型去理解這個(gè)任務(wù)中的一些對(duì)象，但是在數(shù)據(jù)集里面仍然有一些還未被解決的問(wèn)題。同時(shí)我們?cè)谌蝿?wù)b上也做了一些case study的展示，我們發(fā)現(xiàn)通過(guò)增加p+c這個(gè)模板，能夠?qū)Υ蟛糠值臄?shù)據(jù)都預(yù)判正確，說(shuō)明這個(gè)模板給模型帶來(lái)的信息還是比較豐富的，比如說(shuō)顯式給出因果關(guān)系，以及真實(shí)事實(shí)和錯(cuò)誤事實(shí)的對(duì)比關(guān)系。除此之外，我們還嘗試了數(shù)據(jù)增強(qiáng)，因?yàn)槲覀儼l(fā)現(xiàn)數(shù)據(jù)中的錯(cuò)誤事實(shí)部分是對(duì)真實(shí)事實(shí)進(jìn)行主語(yǔ)替換，詞位置順序改變等方式，但是增加了部分?jǐn)?shù)據(jù)加入訓(xùn)練發(fā)現(xiàn)效果并沒(méi)有帶來(lái)很大的提升，原因可能是因?yàn)槟Ｐ偷男Ч呀?jīng)達(dá)到了96%+，在通過(guò)增加部分?jǐn)?shù)據(jù)，效果難以有明顯的提升。

團(tuán)隊(duì)介紹

中科院信息工程研究所雛鷹團(tuán)隊(duì)主要研究方向包括智能對(duì)話(huà)、機(jī)器翻譯、閱讀理解、跨媒體智能分析等。在ACL，AAAI 、IJCAI、TMM等頂級(jí)會(huì)議及期刊發(fā)表論文70余篇。團(tuán)隊(duì)指導(dǎo)老師為胡玥教授，中國(guó)科學(xué)院信息工程研究所研究員/博士生導(dǎo)師，主要研究方向?yàn)槿斯ぶ悄堋⒆匀徽Z(yǔ)言處理。

道翰天瓊認(rèn)知智能未來(lái)機(jī)器人接口API簡(jiǎn)介介紹

• 認(rèn)知智能是計(jì)算機(jī)科學(xué)的一個(gè)分支科學(xué)，是智能科學(xué)發(fā)展的高級(jí)階段，它以人類(lèi)認(rèn)知體系為基礎(chǔ)，以模仿人類(lèi)核心能力為目標(biāo)，以信息的理解、存儲(chǔ)、應(yīng)用為研究方向，以感知信息的深度理解和自然語(yǔ)言信息的深度理解為突破口，以跨學(xué)科理論體系為指導(dǎo)，從而形成的新一代理論、技術(shù)及應(yīng)用系統(tǒng)的技術(shù)科學(xué)。 認(rèn)知智能的核心研究范疇包括：1.宇宙、信息、大腦三者關(guān)系；2.人類(lèi)大腦結(jié)構(gòu)、功能、機(jī)制；3.哲學(xué)體系、文科體系、理科體系；4.認(rèn)知融通、智慧融通、雙腦(人腦和電腦)融通等核心體系。 認(rèn)知智能四步走：1.認(rèn)知宇宙世界。支撐理論體系有三體（宇宙、信息、大腦）論、易道論、存在論、本體論、認(rèn)知論、融智學(xué)、HNC 等理論體系；2.清楚人腦結(jié)構(gòu)、功能、機(jī)制。支撐學(xué)科有腦科學(xué)、心理學(xué)、邏輯學(xué)、情感學(xué)、生物學(xué)、化學(xué)等學(xué)科。3.清楚信息內(nèi)涵規(guī)律規(guī)則。支撐學(xué)科有符號(hào)學(xué)、語(yǔ)言學(xué)、認(rèn)知語(yǔ)言學(xué)、形式語(yǔ)言學(xué)等學(xué)科。4.系統(tǒng)落地能力。支撐學(xué)科有計(jì)算機(jī)科學(xué)、數(shù)學(xué)等學(xué)科。
  認(rèn)知智能CI機(jī)器人是杭州道翰天瓊智能科技有限公司旗下產(chǎn)品。認(rèn)知智能機(jī)器人是依托道翰天瓊10年研發(fā)的認(rèn)知智能CI體系為核心而打造的認(rèn)知智能機(jī)器人大腦，是全球第一個(gè)認(rèn)知智能機(jī)器人大腦。具有突破性，創(chuàng)新性，領(lǐng)航性。是新一代智能認(rèn)知智能的最好的產(chǎn)品支撐。 認(rèn)知智能機(jī)器人技術(shù)體系更加先進(jìn)，更加智能，是新一代智能，認(rèn)知智能領(lǐng)域世界范圍內(nèi)唯一的認(rèn)知智能機(jī)器人。 認(rèn)知智能機(jī)器人是新時(shí)代的產(chǎn)物，是新一代智能認(rèn)知智能的產(chǎn)物。代表了新一代智能認(rèn)知智能最核心的優(yōu)勢(shì)。和人工智能機(jī)器人大腦相比，優(yōu)勢(shì)非常明顯。智能度高，客戶(hù)粘性大，客戶(hù)滿(mǎn)意度高，易于推廣和傳播等核心特點(diǎn)。 依托認(rèn)知智能機(jī)器人平臺(tái)提供的機(jī)器人大腦服務(wù)，可以賦能各個(gè)行業(yè)，各個(gè)領(lǐng)域的智能設(shè)備，各類(lèi)需要人機(jī)互動(dòng)的領(lǐng)域等。認(rèn)知智能機(jī)器人平臺(tái)網(wǎng)址：www.weilaitec.com，www.citec.top。歡迎注冊(cè)使用，走進(jìn)更智能機(jī)器人世界。
  認(rèn)知智能和人工智能的優(yōu)劣勢(shì)對(duì)比主要可以分為四大方面： 第一：時(shí)代發(fā)展不同。人工智能是智能時(shí)代發(fā)展的第二個(gè)階段，認(rèn)知智能是智能時(shí)代發(fā)展的第三個(gè)階段。時(shí)代發(fā)展上決定了認(rèn)知智能更顯具有時(shí)代領(lǐng)先性。 第二：基礎(chǔ)理論體系不同。人工智能的基礎(chǔ)理論體系以數(shù)學(xué)為基礎(chǔ)，以統(tǒng)計(jì)概率體系為基礎(chǔ)。認(rèn)知智能基礎(chǔ)理論體系以交叉許可理論體系為基礎(chǔ)。包含古今中外哲學(xué)體系，心理學(xué)體系，邏輯學(xué)體系，語(yǔ)言學(xué)體系，符號(hào)學(xué)體系，數(shù)學(xué)體系等學(xué)科。其基礎(chǔ)理論體系更加具有創(chuàng)新性，突破性和領(lǐng)先性。且交叉學(xué)科理論體系的研究也是未來(lái)智能發(fā)展的大方向。其具體理論體系，還包含三體論（宇宙，信息，大腦三者關(guān)系），融智學(xué)，和HNC等。 第三：技術(shù)體系不同。人工智能的核心技術(shù)體系主要是算法，機(jī)器學(xué)習(xí)，深度學(xué)習(xí)，知識(shí)圖譜等。其主要功用在感知智能。感知智能其核心主要是在模仿人類(lèi)的感知能力。認(rèn)知智能的核心技術(shù)體系是以交叉學(xué)科理論體系而衍生出來(lái)的。具體包含三大核心技術(shù)體系，認(rèn)知維度，類(lèi)腦模型和萬(wàn)維圖譜。認(rèn)知智能的技術(shù)體系核心以類(lèi)腦的認(rèn)知體系為基礎(chǔ)。以全方位模仿類(lèi)腦能力為目標(biāo)。人工智能以感知智能為基礎(chǔ)的體系，只能作為認(rèn)知智能中的類(lèi)腦模型技術(shù)體系中的感知層技術(shù)體系。類(lèi)腦模型大致包含，感知層，記憶層，學(xué)習(xí)層，理解層，認(rèn)知層，邏輯層，情感層，溝通層，意識(shí)層等9大核心技術(shù)層。因此人工智能的核心只是作為認(rèn)知智能類(lèi)腦模型中的感知層。因此在技術(shù)體系上，人工智能和認(rèn)知智能基本上沒(méi)有太多的可比性。 第四：智能度成本等方面的不同：人工智能產(chǎn)品的綜合智能程度，普遍在2-3歲左右的智力水平。認(rèn)知智能產(chǎn)品其智能程度大致在5-8歲左右。認(rèn)知智能體系構(gòu)建的機(jī)器人更加智能。且更省時(shí)間，更省人力和資金。優(yōu)勢(shì)非常多。具體請(qǐng)看下列的逐項(xiàng)對(duì)比。

道翰天瓊CiGril機(jī)器人API

道翰天瓊CiGril認(rèn)知智能機(jī)器人API用戶(hù)需要按步驟獲取基本信息：

在平臺(tái)注冊(cè)賬號(hào)

登錄平臺(tái)，進(jìn)入后臺(tái)管理頁(yè)面，創(chuàng)建應(yīng)用，然后查看應(yīng)用，查看應(yīng)用相關(guān)信息。

在應(yīng)用信息頁(yè)面，找到appid,appkey秘鑰等信息，然后寫(xiě)接口代碼接入機(jī)器人應(yīng)用。

開(kāi)始接入

請(qǐng)求地址：http://www.weilaitec.com/cigirlrobot.cgr

請(qǐng)求方式：post

請(qǐng)求參數(shù)：

參數(shù)	類(lèi)型	默認(rèn)值	描述
userid??	String??	無(wú)	平臺(tái)注冊(cè)賬號(hào)
appid??	String??	無(wú)	平臺(tái)創(chuàng)建的應(yīng)用id
key??	String??	無(wú)	平臺(tái)應(yīng)用生成的秘鑰
msg??	String??	""	用戶(hù)端消息內(nèi)容
ip??	String??	""	客戶(hù)端ip要求唯一性,無(wú)ip等可以用QQ賬號(hào)，微信賬號(hào)，手機(jī)MAC地址等代替。

?

接口連接示例：http://www.weilaitec.com/cigirlrobot.cgr?key=UTNJK34THXK010T566ZI39VES50BLRBE8R66H5R3FOAO84J3BV&msg=你好&ip=119.25.36.48&userid=jackli&appid=52454214552

注意事項(xiàng)：參數(shù)名稱(chēng)都要小寫(xiě)，五個(gè)參數(shù)不能遺漏，參數(shù)名稱(chēng)都要寫(xiě)對(duì)，且各個(gè)參數(shù)的值不能為空字符串。否則無(wú)法請(qǐng)求成功。userid,appid,key三個(gè)參數(shù)要到平臺(tái)注冊(cè)登錄創(chuàng)建應(yīng)用之后，然后查看應(yīng)用詳情就可以看到。userid就是平臺(tái)注冊(cè)賬號(hào)。

示例代碼JAVA：

import java.io.ByteArrayOutputStream;
import java.io.IOException;
import java.io.InputStream;
import java.net.HttpURLConnection;
import java.net.URL;

public class apitest {

?? ?/**
?? ? * Get請(qǐng)求，獲得返回?cái)?shù)據(jù)
?? ? * @param urlStr
?? ? * @return
?? ? */
?? ?private static String opUrl(String urlStr)
?? ?{?? ??? ?
?? ??? ?URL url = null;
?? ??? ?HttpURLConnection conn = null;
?? ??? ?InputStream is = null;
?? ??? ?ByteArrayOutputStream baos = null;
?? ??? ?try
?? ??? ?{
?? ??? ??? ?url = new URL(urlStr);
?? ??? ??? ?conn = (HttpURLConnection) url.openConnection();
?? ??? ??? ?conn.setReadTimeout(5 * 10000);
?? ??? ??? ?conn.setConnectTimeout(5 * 10000);
?? ??? ??? ?conn.setRequestMethod("POST");
?? ??? ??? ?if (conn.getResponseCode() == 200)
?? ??? ??? ?{
?? ??? ??? ??? ?is = conn.getInputStream();
?? ??? ??? ??? ?baos = new ByteArrayOutputStream();
?? ??? ??? ??? ?int len = -1;
?? ??? ??? ??? ?byte[] buf = new byte[128];

?? ??? ??? ??? ?while ((len = is.read(buf)) != -1)
?? ??? ??? ??? ?{
?? ??? ??? ??? ??? ?baos.write(buf, 0, len);
?? ??? ??? ??? ?}
?? ??? ??? ??? ?baos.flush();
?? ??? ??? ??? ?String result = baos.toString();
?? ??? ??? ??? ?return result;
?? ??? ??? ?} else
?? ??? ??? ?{
?? ??? ??? ??? ?throw new Exception("服務(wù)器連接錯(cuò)誤！");
?? ??? ??? ?}

?? ??? ?} catch (Exception e)
?? ??? ?{
?? ??? ??? ?e.printStackTrace();
?? ??? ?} finally
?? ??? ?{
?? ??? ??? ?try
?? ??? ??? ?{
?? ??? ??? ??? ?if (is != null)
?? ??? ??? ??? ??? ?is.close();
?? ??? ??? ?} catch (IOException e)
?? ??? ??? ?{
?? ??? ??? ??? ?e.printStackTrace();
?? ??? ??? ?}

?? ??? ??? ?try
?? ??? ??? ?{
?? ??? ??? ??? ?if (baos != null)
?? ??? ??? ??? ??? ?baos.close();
?? ??? ??? ?} catch (IOException e)
?? ??? ??? ?{
?? ??? ??? ??? ?e.printStackTrace();
?? ??? ??? ?}
?? ??? ??? ?conn.disconnect();
?? ??? ?}
?? ??? ?return "";
?? ?}
?? ?
?? ?
?? ?public static void main(String args []){?? ??? ?
?? ??? ???? //msg參數(shù)就是傳輸過(guò)去的對(duì)話(huà)內(nèi)容。?? ??? ??? ?
?? ??? ???? System.out.println(opUrl("http://www.weilaitec.com/cigirlrobot.cgr?key=UTNJK34THXK010T566ZI39VES50BLRBE8R66H5R3FOAO84J3BV&msg=你好&ip=119.25.36.48&userid=jackli&appid=52454214552"));
?? ??? ??? ?
?? ?}
}

?

?

總結(jié)

以上是生活随笔為你收集整理的中科院信工所雏鹰团队在SemEval上大显神威的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。