最近有一個新的搜尋引擎相當受到網路界的矚目，許多網路觀察家都期待這個產品會成為挑戰 Google 的明日之星，媒體也利用大篇幅來報導這個即將上市的搜尋引擎，大家期待的程度真可說是未上市先轟動，這個東西就是 Mathematica 創辦人 Stephen Wolfram 的最新作品 Wolfram Alpha computational knowledge engine。然而大家可以注意到，Wolfram 實際上不把他最新的作品稱作是一個「搜尋引擎」，而是用「computational knowledge engine」(計算知識引擎) 來當作名稱，主要的原因很簡單，因為這個搜尋引擎的特點在於使用者不是真的到上面去作搜尋的動作，而是到這個地方「直接問問題」。

這有什麼特別呢？我們都知道怎麼去使用 Google 在網路上作搜尋：使用者去輸入了一些關鍵字，然後 Google 在一瞬間把搜尋結果一筆一筆列出來，使用者就點進去網頁尋找自己的資訊。Wolfram 的使用方式有別 Google 和現在所有搜尋引擎的使用方法，Wolfram 可以讓使用者直接輸入一個完整的問句，比如說：「世界上最高的山是哪一座山？」然後 Wolfram 就會分析你問的問題，理解你的問題；接著從網路已經有的、公開的資料和自己內部經過授權取得的資料，粹取出問題的答案直接回答你，如此完成一個問與答的動作。Wolfram 不會像 Google 一樣，給你一堆網路上的搜尋結果，要你自己去找你要的東西，Wolfram 只會給你一個明確的答案，沒有其他東西。也就是說，你跟他的互動，就像是跟人的互動一樣，你問他答。

在電腦科學界，像「問與答」這種人與電腦的互動一直是許多人追求的聖杯，從事人工智慧的電腦科學家最為渴求的，就是有朝一日電腦能夠跟真人一樣與外界互動，且外界分辨不出電腦到底是不是一個真人，這也就是鼎鼎大名的 Turing Test (涂林測驗)：如果躲在幕後與人互動的電腦能夠騙過受試者，讓受試者分辨不出到底互動的對象是真人還是電腦，我們就說這一台電腦通過了 Turing Test。

現在為止，沒有任何電腦可以騙過人類。電腦還是電腦，人類還是人類，一經過互動，大家都可以分辨出牆壁的另一邊是真人還是電腦。

Wolfram Alpha 的推出，在我看來也是以另一種形式在挑戰 Turing Test，讓電腦回答問題一直是一個非常困難的問題，看過霹靂遊俠李麥克的人應該都會對裡面智慧型的跑車「夥計」印象深刻，每次只要李麥克一個指令，夥計就會精確地執行任務，甚至於最後還會跟李麥克聊上幾句。不過這樣的未來情境，在現今的電腦界尚未實現，甚至於可以說還有很長的一段路要走。因為仔細思考一下，我們就可以發現第一個難題是「讓電腦去理解人類的自然語言」。

理解人類的語言有多難？請各位讀者想一個簡單的問題就好了：「學習一種新的語言你需要多久的時間才能學好？」，我們都知道把語言學好是一種藝術，但是對於人類來說，掌握一種新語言的基本元素都已經是一件不簡單的事情了。現在我們想要讓電腦去理解一種自然語言、甚至於能夠明白我們的問題，難度自然是不在話下了。

即使這個問題我們可以完美地克服之後，第二個難題馬上來了：「理解了問題之後，電腦要怎麼產生出答案？」這個問題到今天，也還是沒有很好的解法，通常我們只能預先給電腦準備一個很大的、經過組織後的資料庫，讓電腦從事某種程度上挖掘答案的行為，廣義來說，這也就是 Semantic Web 想要解決的問題：讓網路上的所有資料經過標準，組織成為一個世界上最龐大的資料庫，使得「整個網路可以被任何一台電腦理解並分析」這樣的一個概念可以落實。

所以 Turing Test 現在普遍被認為跟處理自然語言是同樣的一個問題，這其實很容易理解：唯有在一台電腦的人工智慧可以將人類的自然語言模擬地很好的時候，才有可能騙過與它互動的人類，進而通過 Turing Test。

以上這些懸而未解的難題，也是為什麼 Wolfram 讓人如此受期待的原因。而究竟 Wolfram 可以把這些問題解決到什麼樣的程度呢？其實我也相當期待。從以下 Stephen Wolfram 本人親自的 demo 影片來看，在一些特定領域的搜尋上面，這個新的搜尋引擎表現真的相當搶眼。就讓我們期待 5/18 Wolfram 正式上線吧！

加入MMDays在facebook的粉絲團 隨時閱讀最新文章

Read Write Web提到了一個問答系統 eeggi，使用者可以在上面用自然語言問句，來尋找答案，有興趣的讀者可以在這邊觀看約4分鐘的DEMO。eeggi可以區分同義字，並且根據問句的上下文來判斷回傳的答案，並且會把語意上真正相關的結果整理在一起回傳。文章中還提到了eeggi會依照發現的繼承關係，自動套用相關的屬性，譬如說Mary是一位女孩，那麼女孩相關的屬性就會自動列入搜尋範圍。不過這卻也讓我想到了算是人工智慧裡面一個知識表達還算有名的問題。

這個問題是甚麼呢？首先我們先提一下古老以前亞里斯多德提出了一種邏輯推論法，叫做三段式論證。三段式論證舉個例子如下：

1. 人都會死 (Men are mortal.)

2. 拿破崙是個人 (Napoleon is a man.)

3. 所以拿破崙會死 (Napoleon is mortal.)

不知道各位是否看出三段式論證的規則了呢？就是第一行先論述一整個類別的性質，地行行列出某個事物屬於這個類別，第三行就是結論，也就是這個事物具有第一行類別提到的性質，或是說這個事物繼承了這個性質。

不過後來研究人工智慧的學者，喜孜孜地想要應用到知識表達的邏輯系統裡面的時候，卻發現有個反例，舉例如下：

1. 鳥會飛

2. 企鵝是一種鳥

3. 可是企鵝不會飛

這該怎麼辦呢？後來有滿多種解法，像是 reference class、Maximun Entropy以及 Random World Model等等。有興趣繼續研究的讀者，不妨參考這一篇由Stanford教授Daphne Koller所寫的博士畢業論文，就是在解決這一種知識表達資料庫的問題，裡面相關文獻也有提到剛才所講的各種寫法。目前我還沒有全部唸完一遍，因此有機會唸完，或是讀者已經有唸完這篇paper的也歡迎分享心得！

難的問題，不代表就不做。eeggi即使真的運轉的時候，可能不會像Demo的影片那麼準確地找出答案，仍然是可以繼續努力改進的！

相關連結

• eeggi.com Demo影片
• (Read Write Web) eeggi: The Intelligent Retrieving, Responding and Discovering Engine
• (Stanford CS) Daphne Koller, From Knowledge to Belief, PhD Thesis, Stanford University.

加入MMDays在facebook的粉絲團 隨時閱讀最新文章

去年在MIT Technology Review網站上面看到Powerlabs網站，不過後來才開始接受註冊。Powerlabs 會搜尋Wikipedia的內容，並且支援自然語言的搜尋，而非目前常用的關鍵字搜尋。使用者還可以透過回應 (feedback) 來改善搜尋的內容和過程。如果想要嚐鮮使用，可以先在這邊註冊。IE目前只支援IE7，另外還支援Firefox和Opera等瀏覽器。MIT Technology Review報導裡面提到這是PARC研究機構30年的研究成果，主要是在一個稱為Lexical Functional Grammer上面的技術，讓文法引擎可以從文字裡面捕捉出要表示出來的語意。

下面是Powerlabs自我介紹一分鐘的影片

參考資料

• (MIT Technology Review) Building a Better Search Engine 
• (Wikipedia) Lexical Functional Grammer
• Powerlabs
• PARC

加入MMDays在facebook的粉絲團 隨時閱讀最新文章