李纪为：他的创新正在让Siri们更能懂你，而不再

2019 年 12 月 14 日，《麻省理工科技评论》公布了 2019 年“35 岁以下科技创新 35 人”（Innovators Under 35 China）中国区榜单。在本届榜单上，虽然缺失了“创业家”的身影，但是我们看到了许多在具有产业化潜能的领域坚持科研使命的获奖人，也看到更多散布在海外顶尖学术机构的科学家们，用自身不改初心的坚持努力，取得了世界级标竿成就的科研成果，其中有超过半数以上的获奖者，都取得了世界级的突破性研究成果与发现。我们将陆续发出对 35 位获奖者的独家专访，介绍他们的科技创新成果与经验，以及他们对科技趋势的理解与判断。

关于 Innovators Under 35 China 榜单

自 1999 年起，《麻省理工科技评论》每年都会推出“35 岁以下科技创新 35 人”榜单，旨在于全球范围内评选出被认为最有才华、最具创新精神，以及最有可能改变世界的 35 位年轻技术创新者或企业家，共分为发明家、创业家、远见者、人文关怀者及先锋者五类。2017 年，该榜单正式推出中国区评选，遴选中国籍的青年科技创新者。新一届 2020 年度榜单正在征集提名与报名，截止时间 2020 年 6 月 30 日。详情请见文末。

李纪为

先锋者

李纪为凭借其在对话系统领域取得的一系列成果，荣膺 2019 年《麻省理工科技评论》“35 岁以下科技创新 35 人”中国区得主。

获奖时年龄：30 岁

获奖时职位：香侬科技创始人兼 CEO

获奖理由：他将深度学习尤其深度强化学习用在对话系统上，让机器在与人交流时不再如此前一样单一枯燥。

诸如苹果 Siri、微软小冰这样的对话机器人，已经渗透到了越来越多人的日常生活中。它们从诞生初期的傻气到已经具备一定的智能表现，背后是近年来自然语言处理（NLP）科学家们在对话系统上的努力。

对话机器人，在 NLP 领域称为对话系统（Dialogue System），本质上都是通过机器学习和其他 AI 技术让机器理解人的语言。因为深度涉及人的语言，这个方向也是 AI 技术中难度相当大且综合性强的方向。

回望近年来的对话系统的进化，李纪为的创新工作将在其中占据重要篇幅。

这位本科就读于北京大学生命科学学院、博士阶段彻底“脱轨”进入计算机领域的“连续跨界者”，最终在计算机科学的汪洋大海中找到了他真正钟情的方向—— NLP，并成为 斯坦福历史上第一位 3 年获得计算机科学博士学位的学生。

在自然语言处理远不如现在火热的时候，他在学校的课堂中感受到了 NLP 的魅力：一些简单优美的方法就可以用来表达人类语言这样复杂难懂的存在。这在他看来简直是不可思议。

2014 年，从康奈尔大学生物医学工程系肄业的李纪为，加入斯坦福大学计算机学院语言处理组 Prof. Dan Jurafsky 课题组，开始从事段落分析、机器翻译、人工对话生成等研究工作。

彼时，也恰逢深度学习为 NLP 这一古老学科带来新的活力：原有的瓶颈不断在这个新的技术工具的帮助下得到突破，与此同时，也不断有新的问题让研究者们跃跃欲试。

而在李纪为 2014 ~ 2017 年三年的斯坦福博士生涯中， 他也是最早一批成功将神经网络用在改良对话系统的先行者之一。

对话系统长期以来存在的几大挑战包括多轮对话、针对不同用户进行个性化对话、生成有意义并贴切的回复几大问题。

例如李纪为在 2015 年发表的一项工作，就 让机器更好地学会给出有意义的回答，而非仅仅返回诸如“哈哈哈哈”这样的万能回复。 在多轮对话中，这样的回复经常出现但是没有实际意义，容易使得多轮对话陷入死循环。而这项名为“ A Diversity-Promoting Objective Function for Neural Conversation Models ”的工作，探讨了在对话生成任务中的主流模型 Seq2Seq 减少这种废话生成的可能性，显著地提高了生成式对话系统质量。

2016 年 EMNLP 所接收的“ Deep Reinforcement Learning for Dialogue Generation ”，则更深入探讨了对话系统上述的问题。 李纪为提出的用强化学习训练对话神经网络的方法，展示了强化深度学习可以帮助提高对话系统的对话轮数，以及对话中的词语多样性，另外，深度强化学习还可以让两个 BOT 相互对话以产生大量的训练数据，这可在实际应用中帮助解决一部分数据缺失的问题。

图 | 李纪为在颁奖典礼上做演讲（来源：DeepTech）

而在产业界，对话系统有望彻底改变人机交互方式，因此也被认为有着巨大商业潜力。随着移动智能手机的普及、网络连接的改善，多个外部因素也推动对话系统不仅仅是学术研究的热点，也成为了包括谷歌、微软、亚马逊、Facebook 等大公司追逐的热点，大量初创公司也在这个方向上涌现。李纪为在对话系统上的诸多科研工作，也随之在工业界中得到越来越广泛的应用，包括微软、谷歌等公司都曾基于其工作发展新的应用。

截止目前，李纪为已在 ACL, EMNLP, ICLR, WWW 等国际顶级会议、顶级期刊上，以第一作者身份发表近 30 篇论文。据剑桥大学学者 Marek Rei 发布的自然语言处理顶级会议作者统计显示，他是顶级会议论文第一作者数量排名第一的学者，也是自然语言处理领域论文被引用量最高的青年学者之一。其中的大量工作是在其如同摁下快进键的博士生涯中诞生的。

也正是读博阶段，李纪为产生了归国从事 NLP 研究的想法。

“有一次，我跟一个朋友聊天，她是美籍华人，谈话中提到了一个词，‘贤惠’，她问我这个词是不是 salty（咸的）。我当时的反应是，如果我的孩子以后不会说中文，或者说不能很好地理解中文，我得多么伤心啊！” 他说。

他也认为，中文自然语言处理仍然有着大量的重要问题值得探索。李纪为说：“中文作为世界上最古老且最复杂的文字之一，它的衍变迭代，反应出了中国文化的渊源历史。曾经，没有一种技术是能以中文和中国文化为突破口的，但我觉得自然语言处理可以。”

比尔·盖茨和沈向洋博士也曾表示，“语言理解是人工智能皇冠上的明珠”、 “懂语言者得天下”，以计算机视觉为代表的感知智能迎来落地潮之后，以 NLP 为代表的认知智能将是 AI 领域值得关注的下一个进化方向和竞争重点。

现在，李纪为已经在国内成立了自己的公司“香侬科技”，以期让 NLP 技术真正帮助金融等传统领域实现智能化升级。

与此同时，他也将继续探索将神经网络应用于 NLP 的工作，具体包括基于深度学习的人机对话系统、常识知识与语料数据结合的信息抽取、深度学习模型可解释性机理研究、自然语言语义单元表示与语言生成等。

李纪为认为，在中文 NLP 上所做的新探索，正在慢慢向各界渗透有关中文的语言魅力，也在展现中国在人工智能方面的发展成果。

“中文自然语言处理之所以难，不仅仅是因为复杂的字形原因，还有分词问题，英文单词之间以空格作为自然分界符的，而中文以字为基本的书写单位，词语之间没有明显的区分标记，同时相较英文的语法和人们常用的表达句法模式，中文的语法和人们日常表达的句法模式更为复杂和多元化，且中文表达中所用的词歧义较多，所以，基于中文的自然语言生成面临着很多的困难。

所以我们觉得如若将基于中文的技术研究好，不仅可以为我国在人工智能的技术发展中，贡献一些小的力量，同时在将这些论文和模型推向美国等国家的使用过程中，可以让外国学者在中国技术发展的角度上有一些改变。

在公司成立一年多，做的最有意义的事情，就是针对中文提出了多项基于中文的自然语言处理模型和方法。” 他说。

李纪为在颁奖典礼上的演讲

【正在报名】

【咨询邮箱】

tr35@mittrchina.com