一是人工采集,二是智能采集(亚马逊网站评论文字中的下一字符，学会了情绪的表示 )

　　一是人工采集,二是智能采集(亚马逊网站评论文字中的下一字符，学会了情绪的表示

)

　　OpenAI 之前开发了一个机器学习系统来预测亚马逊 网站 评论文本中的下一个字符。研究人员发现，AI 被进一步发展成一个学习表达情绪的无监督系统。

　　“我们的模型学习了判断功能，”OpenAI 在博客文章中说。“通过简单地预测亚马逊 网站 评论中的下一个角色，该模型发现了情感的概念。我们感到非常惊讶。” OpenAI 是一个非营利组织，投资者包括 Elon Musk、Peter Thiel 和 Sam Altman。OpenAI 的神经网络模型可以通过总结评论内容是否正面来训练自己分析情绪，并根据期望的情绪生成文本。

　　这个基于 mLSTM 技术的 AI 系统训练了 1 个月，训练中的 4096 个学习单元利用了亚马逊的 8200 万条评论网站。训练后，研究人员通过线性结合这些学习单元，将模型变成了情感诱导工具。当该模型仅使用几个学习单元启用时，研究人员发现出现了一个准确预测其情绪值的“情绪神经元”。

　　<IMG alt=OpenAI的人工智能能通过文字判断情绪，自学的！ src="http://img1.gtimg.com/tech/pics/hv1/38/91/2201/143143268.jpg">

　　这种人工智能的情感分析能力超过了斯坦福情感树图数据库使用的所有其他手段。“Stanford Sentiment Treemap Database”是一个广泛研究的用于情绪分析的数据集。这种人工智能的准确率高达91.8%，超过了之前90.2%的记录。

　　对于机器学习研究人员来说，无监督学习算法是终极梦想。这种人工智能可以自主学习，无需人工输入标记数据。OpenAI 的 mLSTM 人工智能实现了这一点。然而，它的开发人员指出，这可能不是唯一能够进行无监督学习的机器。

　　无监督学习的能力将为人工智能带来巨大的推动力：减少所需的训练时间，同时优化训练效果。例如，这种人工智能可以通过分析甚至预测用户需求来提供训练有素的虚拟助手。然而，所有这些设想的应用仍然需要进一步研究无监督学习。

　　OpenAI 研究人员说：“我们的发现是发展通用无监督表示学习的一个有希望的步骤。” “然而，潜在的现象仍然是神秘的，机制还远不清楚。”

　　推荐：人工智能来了，未来变了！关注“AI一代”微信公众号（tencentAI），关注未来。

　　<IMG alt=OpenAI的人工智能能通过文字判断情绪，自学的！ src="http://img1.gtimg.com/tech/pics/hv1/137/102/2156/140220047.jpg">