有1000多名參與者參加了在上周舉行的虛擬填字游戲「美國縱橫字謎錦標賽」（American Crossword Puzzle Tournament），其中有一位令人印象深刻的競爭對手。

而人工智能則在填字游戲競賽中首次超越人類。

最新的AI進步不僅顯示了對自然語言進行計算理解的潛力，而且，通過仔細研究一個軟件如何試圖打破惡魔般的填字游戲線索，就可以使我們對使用語言玩游戲時大腦的行為有新的見解。

硅基隊伍的又一次勝利！

對于填字游戲機器人Dr. Fill來說，這是與碳基玩家競爭了近十年后的一場重大的勝利。

Dr. Fill是由計算機科學家Matt Ginsberg制作的，這位科學家同時也是填字游戲的制作者。

自從2012年，Dr. Fill就開始非正式地參加美國填字游戲競賽，每年對軟件進行逐步改進。而今年，Ginsberg則與伯克利自然語言處理小組合作，該小組由加州大學伯克利分校教授Dan Klein指導的研究生和本科生組成。

Klein和他的學生們從2月開始研究該項目，之后便與Ginsberg取得聯系，看看能否在今年的比賽中將他們的成果相結合。在錦標賽開始前兩周，他們共同完成了一個混合系統，其中，伯克利小組的神經網絡算法（用于解釋線索）與Ginsberg的代碼（填充填字游戲網格）協同工作。

新的經過改進的Dr. Fill看似在填字時一陣忙亂，但是實際上，程序的運行是有條不紊的，它會分析線索并給出答案的候選詞的初始排名列表，然后根據諸如與其他答案的匹配程度等因素來縮小可能性。正確的答案可能會深深地埋在候選列表中，但是足夠的上下文可以使它逐步浮現出來。

Dr. Fill的訓練數據是收集到的以往在各種渠道出現的填字游戲。為了解決難題，該程序引用了已經「看到」的線索和答案。像人類一樣，Dr. Fill在面對新挑戰時，必須依靠過去所學到的知識，尋找新舊經驗之間的聯系。

例如，由《華爾街日報》填字游戲編輯Mike Shenk構建的競賽的第二個題目，是根據一個主題，即長答案后加上字母-ITY來構成新的幻想短語。

Dr. Fill很幸運，因為盡管有一些不尋常的用語，但一些答案卻出現在2010年《洛杉磯時報》上同樣主題的填字游戲中，Ginsberg在他的數據庫中包含了超過800萬條線索和答案。但是填字游戲錦標賽的線索卻完全不同，而Dr. Fill仍然面臨著找出正確答案的挑戰。

Dr. Fill？Dr .「Kill」！

對于所有答案，無論是否是游戲主題的一部分，該程序都會嘗試成千上萬種可能性，以生成與線索最匹配的候選詞，并根據可能性對它們進行排名，并根據網格的約束對其進行檢查。有時，排名最高的候選詞就是最合適的：例如，對于「imposing groups」這個線索，Dr. Fill將正確的答案「ARRAYS」列為首選詞。「imposing」一詞從未出現在該詞的線索中，但出現過其他同義詞，如「impressive」，這使Dr. Fill可以推斷出語義上的聯系。

交叉字母通常有助于縮小候選者的范圍，因此，在五個字母的答案中，知道第二個字母是O，答案的線索是「噢，太可惜了！」，這樣便可以找到正確的答案「SO SAD」，使其升到列表的頂部。

涉及雙關語或其他文字游戲的線索通常會非常棘手，通常會帶有問號。在這個題目中，「PERISCOPE」得到了線索「Sub standard？」，一開始迷惑了Dr. Fill。它的主要猜測是「sub」與三明治有關，因此它提出了「TUNA ON RYE」之類的候選詞。不過，通過伯克利的神經網絡系統便能夠識別出帶有問號線索的異常情況。Klein解釋說，雖然沒有明確教導問號會存在某種語義上的把戲，但通過機器學習，它可以逐漸推測它需要尋找比常規線索要不那么直接的選項。

最終，Dr. Fill能夠在一分鐘內解決填字游戲，比任何人類競爭對手都要快整整兩分鐘。

但是，它并不是對所有題目都完美無缺：它沒能做出其中的兩個，并在結束時存在錯誤。盡管受到了得分處罰，但Dr. Fill的驚人速度足以讓他在七個題目之后位列排行榜榜首，領先于最快的人類競爭對手。

碳基生物已經完敗了嗎？

自1978年成立以來一直監督年度錦標賽的《紐約時報》填字游戲編輯Will Shortz指出，今年的錦標賽題目可能發揮了Dr. Fill的優勢，因為“每個答案都是從左到右和從上到下的可被理解英語閱讀 。

”Shortz還表示，“Dr. Fill的編程如此精巧，以至于它能很好地解決十分困難且棘手的猜字游戲”，不過他已然認為碳基隊已然在許多方面仍具有優勢。“目前，人類仍然更擅長處理諸如填字游戲之類的混亂，非邏輯的現實世界問題。而Dr. Fill依然會被某些不會出現在人類身上的方式所難倒。”

隨著機器學習的進步以及為該計劃提供更多題目和訓練數據，Dr. Fill在未來幾年中可能會獲得更好的成績。然而，Klein看到的更多是經常出現在自然語言處理領域的挑戰。

例如，人類的大腦經常進行所謂的“多跳閱讀理解”，將不同的知識點組合成一連串的推理。而正如Dr. Fill對「sub」這個線索的困惑所證明的那樣，其“大腦”仍難以辨認具有可替代性的，較不常見的含義。例如，紐約時報在填字游戲的線索中的誤導：「King-like, in a way」。

答案是「MACABRE」，因為這里的「King」是指小說家「Stephen King」（斯蒂芬·金）。

Klein將Dr. Fill視為如何能夠從字謎最隱秘的線索中解開含義的第一步。當涉及到特別狡猾的語言樣本時，例如涉及推理鏈的樣本，Klein表示：「那些把人們難住的樣本可能會更加使這種系統陷入困境」。

填字游戲將繼續展現其對AI獨特的挑戰，因為其證明了語言不僅僅意味著簡單的交流，而且是一種典型的人格特質。