今年在Google I/O 2021期間，Google分別宣布兩種語言模型「LaMDA」 (Language Model for Dialogue Applications)，以及「MUM」 (Multitask Unified Model)，藉此詮釋未來在人機互動上的想像。而Google搜尋研究員暨副總裁Pandu Nayak在線上訪談中，更具體解釋「MUM」背後運作原理，以及未來預計應用發展方向。
[caption id="attachment_143666" align="aligncenter" width="1000"]
▲「MUM」語言模型的設計，是以學習了解人類語言為目標[/caption]
讓系統以更全面形式判斷使用者提問內容
按照字面上解釋，「MUM」是由「Multitask Unified Models」三個字縮減為稱，主要會分析字句中的關鍵內容進行比對，而不是僅作全面比對，因此與現行應用在Google Search的BERT、GPT-3模型採不同運算模式。
以先前在Google I/O 2021舉例內容來看，當使用者說明先前已經完成在亞當斯山的徒步旅行，接下來希望嘗試挑戰富士山，若是以往的語言模型判斷結果，可能就會直接顯示富士山相關資訊，讓使用者自行檢視相關搜尋內容。
但在「MUM」語言模型運作下，系統會從使用者的描述中抓出關鍵比較條件，例如使用者已經去過亞當斯山，並且是以徒步旅行方式完成，因此會以此條件作為基礎，進而與場景換成富士山，同在相同徒步旅行的條件下作比較，不會出現相同場景卻有比較條件基礎不一樣的情況。
另外，由於「MUM」會進一步讓系統了解人類語言結構與文字在不同情況下所代表意義，而非只是進行文字上的條件理解判斷，因此在互動過程中會記下先前提問內容，讓系統能在符合前因後果情況下正確回答問題。
因此當使用者在後續互動中提到計畫秋天時啟程，同時也透過拍攝登山靴照片詢問是否適合穿著使用時，系統就會透過畔對先前提及計畫前往富士山的條件，進而查詢富士山過去在秋天時的氣候狀況，並且透過影像識別判斷使用者所拍攝的登山靴，是否適合在富士山徒步旅行使用，避免出現錯誤判斷情況。
讓機器了解人類語言是相當大的挑戰，將以「MUM」精進Google Search搜尋結果
目前Google已經累積訓練75種主要語言，藉此建立「MUM」語言模型，並且透過多路流程讓系統分析判斷使用者藉由文字、影像或語音等方式搜尋需求，進而找出最佳解答。在過程中，分別會透過第一個步驟了解語言背後含意，進而在第二步驟中透過東路流程進行判斷，最後一個步驟則是深入了解使用者希望查找內容，並且提供合適答案。
不過，光是第一個步驟就會面臨極大挑戰，比方目前對應新型冠狀病毒的17款疫苗，至少就透過50種語言以超過800種名稱稱呼，其中輝瑞疫苗或莫德納疫苗均有不同稱呼方式，但是都是指相同疫苗，因此要在短時間理解判斷使用者所指內容細節，並且能讓使用者快速找到正確內容，勢必要改善現行Google Search背後使用語言模型。
而透過「MUM」語言模型支援跨語言移轉知識能力，即可讓系統快速對應不同語言，並且尋找相同內容結果，就像使用者同時精通多國語言，可以透過不同語言詮釋相同內容，不會因為使用語言差異讓詮釋結果截然不同。同時，在系統學習全新語言之後，可直接與已經學習知識建立連結，無需重新學習，更凸顯「MUM」語言模型持續擴充彈性。
「MUM」不會取代現行使用語言模型，亦可學習無文字語言
Pandu Nayak強調「MUM」不會取代目前使用的BERT、GPT-3語言模型 (至少目前不會)，而是會以強化形式讓Google Search更能理解使用者在搜尋過程所指內容。
而對於無法透過文字傳遞的語言，Pandu Nayak則說明目前建構語言模型所使用數據，其實不僅是文字內容，同時也包含影像、影片及聲音等內容，透過大量數據關聯之下，同樣也能讓「MUM」順利建構語言模型。
與「LaMDA」鎖定不同應用形式，但都會改變現有人機互動
至於跟先前同樣在Google I/O 2021期間提出，同樣也是讓系統了解人類語言的模型「LaMDA」，則是會更聚焦在對話式的互動，例如讓紙飛機或冥王星能以擬人形式與人「對話」。但相比「MUM」確定會應用在Google Search，「LaMDA」目前仍處於試驗階段，因此暫時未有明確應用規劃。
從Google今年提出兩種語言模型來看，其實可以更明確看見Google希望讓使用者更容易透過Google Search找到正確解答的發展方向，並且能創造全新人機互動體驗。
不過，目前包含「MUM」在內語言模型僅會用在Google Search，暫時沒有對外開放使用計畫。
《原文刊登於合作媒體mashdigi，聯合新聞網獲授權轉載。》
