开发能够识别自然人类语言的论点并参与辩论的计算机系统是一个巨大的挑战。 人工智能（AI）领域最具挑战性的挑战之一。
现在在自然 IBM以色列研究人员的科学家Noam Slonim报告了该领域的惊人发展： 项目辩论者，一种可以与人类参与辩论的人工智能系统。 知道如何争论的AI。
结果以他们自己的方式令人惊讶，表明了该领域的研究已经走了多远。
不到十年前，对人类话语进行分析以识别主题用于支持结论的方式远远超出了计算能力。
从那时起，人工智能技术的进步与工程技术的日趋成熟（以及不断增长的商业需求）相结合，就导致了快速的发展。
全球有50多个实验室正在研究此问题，其中包括来自所有主要软件公司的团队。
因为要开发一种能够与人类进行辩论的人工智能绝非易事
争论和论点的结构太过多样，太复杂，太细微差别，而且往往掩盖不住，以至于不容易被人们所认识。 为此，Slonim决定发起一个巨大的挑战：开发一个完全自治的系统，可以参与与人类进行的现场辩论。
Project Debater是这项工作的高潮。
首先，Project Debater是一项非凡的工程壮举。
一项非常雄心勃勃的事业。 与几乎所有针对这一目标的AI研究一样，关键瓶颈在于数据采集。 计算有效的解决方案以应对使机器产生争执的挑战，这需要足够的时间。
斗士计划（Project Debater）遇到了这一障碍。 它使用两管齐下的方法做到了这一点。 第一，他将注意力集中在大约100个辩论话题上。 第二，即使是按照现代语言处理系统的标准，也可以从大型数据集中收集其原材料。
在2018年和2019年的一系列发行中，Project Debater解决了许多才华横溢且备受瞩目的人类辩论，她的表演得到了听众的非正式评估。
与Project Debater进行辩论的大纲是什么？
该系统在其论据技术的支持下，并在其详尽的数据集的支持下，创建了一个长达4分钟的演讲，该演讲针对其曲目中的某个话题展开了辩论，人类的对手对此做出了回应。 然后，他通过发出第二个4分钟的讲话来回应对手的观点。 对手以4分钟的反驳做出回应，辩论以两名参与者发出2分钟的闭幕词结束。
该系统最弱的方面也许是它在努力模仿人类辩论的连贯性和流动性。
但是，这种限制当然不是Project Debater的“过失”。
尽管进行了两千年的研究，但对于该论点的结构仍知之甚少。 根据研究的重点是使用语言，认识论（知识的哲学理论），认知过程还是逻辑有效性，所提出的对于论证和推理的连贯模型至关重要的特征存在很大差异。
因此，构成一个好的论证的模型非常多样化。 相比之下，构成良好辩论的模型只不过是形式化的见解（尽管将辩论的优点编入法典的学科，如法律，在这方面具有优势）。
因此，难怪仅通过询问观众是否认为Debater的表现是“体面辩论的一个例子”就可以对其进行评估。 对于所讨论话题的近三分之二，人们认为情况就是如此。
Debater 项目是主题技术发展的关键一步。 这些发现提供了一个关于人工智能系统如何工作的诱人视角。 什么？ 有了人类可以轻松解释的论点网络。
在虚假新闻和舆论两极分化之间，在创作，阐述和分享复杂主题方面需要人类的支持可能很快就会变得迫在眉睫。
人工智能可以“训练”人类进行辩论（并且可以批判性地）。
总结：Debater项目面临的挑战是艰巨的，但它也代表了可以促进人类推理的进步。
