在上周举行的美国填字游戏锦标赛（American Crossword Puzzle Tournament，ACPT）上，一位人工智能选手从 1000 多名参赛者中脱颖而出，获得胜利，它就是填字游戏程序“菲尔博士（Dr. Fill）”。

尽管在两道题上出现了错误，但 Dr. Fill 仍在一分钟内完成了游戏，比最快的人类参赛者快了整整两分钟。Dr. Fill 的背后有着加州大学伯克利分校（UC Berkeley）伯克利自然语言处理小组的强大支持，它会分析题目线索生成答案列表，并根据数据库中的 800 多万组线索和答案来解谜。

一、神经网络与数据库加持

Dr. Fill 是由计算机科学家马特・金斯伯格（Matt Ginsberg）制作的，他同时也是一名填字游戏制作者。

自 2012 年以来，金斯伯格就开始让 Dr. Fill 非正式地参加 ACPT，并在每年的比赛中对它的软件进行改进。

▲马特・金斯伯格（Matt Ginsberg）和 Dr. Fill

而在今年，金斯伯格与加州大学伯克利分校（UC Berkeley）的伯克利自然语言处理小组合作，该小组由教授丹・克莱恩（Dan Klein）领导的研究生和本科生组成。

克莱恩是自然语言处理和无监督学习领域的专家，他曾获得 2016 AMiner 自然语言处理领域十大最具影响力学者奖。AMiner 是由清华大学创立的新一代智能型科技情报平台。

▲丹・克莱恩（Dan Klein）

就在 ACPT 开始前两周，他们共同为 Dr. Fill 开发了一个混合系统。其中，伯克利小组用神经网络的方法来帮助 Dr. Fill 分析线索，而金斯伯格编写了用来填写游戏网格的代码。

Dr. Fill 还有一个包含 800 多万条线索和答案的训练数据库，这些数据来自以往在各种媒体上出现过的填字游戏。为了解决谜题，它的程序会参考以往的线索和答案。

和人类一样，当面对新的挑战时，Dr. Fill 必须依靠经验，寻找新旧问题之间的联系。

例如，ACPT 2021 中第二题的答案，就是一个长单词后加上后缀 - ITY 构成的新词。不过幸运的是，类似的题目曾出现在 2010 年《洛杉矶时报（the Los Angeles Times）》发表的一个填字游戏中，Dr. Fill 的数据库当中包含了这道题，所以它顺利地解出了答案。

二、会分析题目线索，还能筛选答案

尽管 Dr. Fill 的数据库十分庞大，但它并不能靠“抄作业”拿第一。

在实际的解题过程中，Dr. Fill 会分析题目线索，并生成与题目线索匹配的候选答案列表，根据可能性对它们进行排序，并检查它们是否能填字游戏网格中和其他单词恰当连接。只要题目给出了足够的上下文语境，Dr. Fill 就能最终解出正确答案。

例如，对于“imposing groups”这个线索，Dr. Fill 将正确的答案“ARRAYS”列为首选词。“imposing”一词从未出现在与正确答案相关的线索中，但这些线索中出现过其他同义词，如“impressive”，这使 Dr. Fill 可以推断出语义上的联系，并解出正确答案。

▲Dr. Fill 从题目线索直接推断出正确答案

Dr. Fill 还会将字母进行交叉比对来筛选正确答案。比如，在五个字母的答案中，知道第二个字母是 O，答案的线索是“Aw, that’s a shame！（太可惜了！）”，它就可以找到正确的答案“SO SAD”。

▲Dr. Fill 将字母进行交叉比对来筛选答案

题目中涉及双关语或其他文字游戏的线索会比较麻烦，不过，伯克利的神经网络系统使 Dr. Fill 能够识别出这类线索。克莱恩解释说，虽然这些语义上的把戏无法明确地教给 Dr. Fill，但通过机器学习，它能明白要寻找没有常规线索那么直接的选项。

三、人脑仍胜在跳跃性逻辑

《纽约时报》的填字游戏编辑威尔・肖茨（Will Shortz）指出，今年的 ACPT 可能发挥了 Dr. Fill 的优势，因为“每一个答案都是语义简单，很好理解的”。肖茨说，他对 Dr. Fill 的独创性感到敬畏，但他认为人类参赛者在很多方面仍有优势。

他说：“现在，仍然是人类更擅长像填字游戏这样非逻辑的现实世界问题。”在他看来，即使是在比较简单的题目中，Dr. Fill 仍然会犯一些人类不会犯的错误。

克莱恩也看到了这一点，同时他也提到，在自然语言处理领域经常会出现类似的挑战。例如，人类的大脑经常进行所谓的“多跳推理”，就是说，人脑会利用很多不直接相关的知识完成一个跳跃性的推理。

而要教会人工智能遵循这样的逻辑跳跃，就意味着人们要从很多间接表意的语言中提取并归纳出表达的逻辑。但在当下，Dr. Fill 仍然难以理解这些不是“大白话”的语言。

克莱恩认为，Dr. Fill 这次的表现只是我们从填字游戏的线索中解读自然语言意义的第一步。当涉及到表意特别委婉的语言样本时，克莱恩说：“那些难倒人们的语言更会难倒 Dr. Fill。”

结语：AI 自然语言处理进阶，从输出到“思考”

Dr. Fill 在 APCT 中的胜利标志了人工智能在自然语言处理方面的进步。也就是说，人工智能已经不仅可以实现简单的自然语言交流，而且还能“理解”比较复杂的语义、“思考”如何解谜。

在未来，随着科学家们对自然语言的意义拆解更加深入和系统化，这些人工智能的“思考”能力或许还会更接近人脑、更加强大。