【机器人】大四本科生发明 自动写作论文的机器人
转发文章最多的朋友可以免费进入价值99元的《湾区AI精英会》海归圈子还在为写论文想不出好点子而发愁吗？
不用愁了！伦斯勒理工学院、华盛顿大学等的研究人员最新开发的PaperRobot，提供从产生idea、写摘要、写结论到写“未来研究”的一站式服务！甚至它还能为你写出下一篇论文的题目，从此论文无忧。
这篇题为PaperRobot:IncrementalDraftGenerationofScientificIdeas的论文已被ACL2019录取，近日在推特上引起大量关注。
谷歌大脑科学家DavidHa(hardmaru)评价：“Mayathousand(incremental)ideasbloom.?”
大四华人一作发明AI「论文生成」神器
论文作者来自伦斯勒理工学院、DiDi实验室、伊利诺伊大学香槟分校、北卡罗来纳大学教堂山分校和华盛顿大学。其中，第一作者QingyunWang(王清昀)是伦斯勒理工学院的大四本科生(今年8月开始讲进入UIUC读计算机科学PhD)。
这不是王清昀同学第一次研究AI写论文，早在2017年他的“论文摘要生成”研究也曾引起热议。王清昀同学中学在杭州第二中学就读，从小就是“发明小达人”，取得专利的发明就有2个。
论文地址：
https://arxiv.org/pdf/1905.07870.pdf
PaperRobot是怎样自动写论文的呢？简单来说，它从以前的论文中提取背景知识图谱，产生新的科学思想，最后写出论文的关键要素。
它的工作流程包括：
(1)对目标领域的大量人类撰写的论文进行深入的理解，并构建全面的背景知识图(knowledgegraphs,KGs)；
(2)通过结合从图注意力(graphattention)和上下文文本注意力(contextualtextattention)，从背景知识库KG中预测链接，从而产生新想法；
(3)基于memory-attention网络，逐步写出一篇新论文的一些关键要素：从输入标题和预测的相关实体，生成一篇摘要；从摘要生成结论和未来工作；最后从未来工作生成下一篇论文的标题。
研究者对这个AI论文生产机进行了图灵测试：
PaperRobot生成生物医学领域论文的摘要、结论和未来工作部分，同时展示人类写作的同领域论文，要求一名生物医学领域的专家进行比较。结果显示，分别就摘要、结论和未来工作部分而言，在30%、24%和12%的情况下人类专家认为AI生成的比人类写作的更好。
至于这批AI研究人员为什么选择生物医学领域来做实验，原因很简单：生物医学论文很多，非常多！他们尝试了用自己领域(NLP)来做实验，结果并不理想(NLP的论文语料还不够多)。
接下来，新智元对这篇论文进行了译介：
简单3步，图网络+注意力机制，AI写论文甚至比人类好
我们的目标是打造一个论文机器人PaperRobot，来加速科学发现和生产，它的主要任务如下。
阅读现有的论文。
论文太多了。科学家们很难跟上井喷式的论文增长速度。例如，在生物医学领域，平均每年有超过50万篇论文被发表，仅2016年就有超过120万篇新论文发表，总论文数超过2600万篇(VanNoorden,2014)。
然而，人类的阅读能力几乎是不变的。2012年，美国科学家估计，他们平均每年只能阅读264篇论文(5000篇论文中只读1篇)，这个数字与他们在2005年进行的同样调查中报告的数据一致。
PaperRobot自动阅读所有可用的论文，构建背景知识图(KG)，其中节点表示实体/概念，边表示这些实体之间的关系。
在本研究中，我们采用的是大量已发表的生物医学论文，提取实体及其关系来构建背景知识图。我们应用了Wei等人(2013)中提出的实体和关系提取系统，提取了3类实体(疾病，化学和基因)。然后，我们进一步将所有实体链接到CTD(比较遗传毒理学数据库)，提取出133个子类型的关系，如标记/机制、治疗和提高表达。
图3是一个示例。
图3：生物医学知识提取与链接预测示例(虚线表示预测的链接)
产生新的想法。
科学发现可以看作是在知识图中创建新的节点或链接(links)。
创建新节点通常意味着通过一系列真实的实验室实验发现新的实体(如新的蛋白质)，这对PaperRobot来说可能太难了。但是，使用背景知识图作为起点，自动地创建新的边是更容易的。
Foster等人(2015)的研究表明，640万篇生物医学和化学论文中，60%以上是增量式的工作。这启发我们通过预测背景知识图（KGs）中的新链接来自动地增加新想法和新假设。
我们提出了一种新的实体表示方法，结合了KG结构和非结构化上下文文本来进行链接预测。
如上面的图3所示，虚线表示了预测的链接，由于钙和锌在上下文文本信息和图结构上都相似，我们预测了钙的两个新邻居：CD14分子和神经纤毛蛋白2(neuropilin2)，它们是初始背景知识图中锌的邻居。
写一篇关于新想法的新论文。
最后一步是把新想法清晰地传达给读者，这是一件非常困难的事情；事实上，许多科学家都是糟糕的作家(Pinker,2014)。
使用一个新颖的memory-attention网络架构，基于输入的标题和预测的相关实体，PaperRobot自动写出了一篇新论文的摘要，然后进一步写出了结论部分和相关工作部分，最后，为后续论文写了新标题。
这个流程如图1所示。
图1:PaperRobot论文写作流程
我们选择生物医学作为我们的目标领域，因为这一领域有大量的可用论文。
图灵测试表明，PaperRobot生成的输出内容有时比人工编写的内容更受欢迎；而且大多数论文摘要只需要领域专家进行少量编辑，就可以变得信息丰富、条理清晰。
让我们看看AI写的摘要：
Background: Snail isamultifunctionalproteinthatplaysanimportantroleinthepathogenesisofprostatecancer.However,ithasbeenshowntobeassociatedwithpoorprognosis.Thepurposeofthisstudywastoinvestigatetheeffectofnegativelyontheexpressionof maspin in humannasopharyngealcarcinoma celllines.Methods:Quantitativereal-timePCRandwesternblotanalysiswereusedtodeterminewhetherthedemethylatingagentwasinvestigatedbyquantitative RT-PCR(qRT-PCR)and Westernblotting.Resultsshowedthatthebindingproteinplaysasignificantroleintheregulationof tumor growthandprogression.
PaperRobot的整体框架如图2所示。
图2
表1显示了从整个过程生成的示例。
表1：人类写的论文与AI系统写的论文的比较(粗体字表示与主题相关的实体；斜体表示人工编辑)
(关于每个步骤的算法的详细介绍，请阅读原始论文。)
实验过程及结果
·数据收集
我们从PMC开放存取子集中收集了生物医学论文。为人类书面论文引用一篇论文来构建新标题预测的groundtruth，我们假设论文A的标题是从论文B的“结论和未来工作”中生成的。我们从1,687,060篇论文中构建了背景知识图，其中包括30,483个实体和875,698个关系。表2所示为详细数据统计。
表2论文写作统计结果
·自动评估
以前的相关研究表明，自动评估长文本生成是一项重大挑战。在故事生成之后，我们使用METEOR来量度文章主题与给定标题的相关性，并使用困惑度（perplexity）来进一步评估语言模型的质量。
我们的模型的困惑度评分是基于在PubMed上的论文（500,000篇题材，50,000篇摘要，50,000个结论和未来工作）中学习的语言模型评出的，这些论文在我们的实验中没有用于训练或测试。结果如表3所示。我们的框架优于以前的所有方法。
表3对诊断任务论文写作的自动评估结果
·图灵测试
由生物医学专家（非母语人士）和非专家（母语人士）对模型进行图灵测试。测试中要求每个人类对系统输出的字符串和人类创作的字符串，并选出质量更高的字符串。
表4对模型的图灵测试结果（％）。百分比表示人类裁判选择我们的模型输出结果的频率。如果输出字符串（如摘要）基于相同的输入字符串（如标题），输入条件标记为“相同”，否则标记为“不同”。
可以看到，在专家的选择中，PaperRobot生成的摘要入选率比人类撰写的摘要入选率最多高出30％，“结论和未来工作”部分最多高24％，新标题最多高出12％。领域内专家的表现并未明显优于非专家，因为这两类人倾向于关注不同方面：专家侧重于内容（实体，主题等），而非专家侧重于语言。
·人类后期编辑
为了测量PaperRobot作为写作助手的有效性，我们在第一次迭代中随机选择了系统生成的50篇论文摘要，并要求领域内的专家对其进行编辑，直到专家认为编辑后摘要具有足够的信息性和连贯性。然后由BLEU，ROUGE和TER通过比较人类编辑前后的摘要质量给出评分，如表5所示。专家花了大约40分钟。完成了50篇摘要的编辑。
一些后期编辑后的示例。可以看到大多数编辑内容都是形式上的变化。
华人本科生一作，发明小达人
论文一作QingyunWang(王清昀)是伦斯勒理工学院的大四本科生，主修计算机科学与数学双学位。今年8月开始他将在伊利诺伊大学厄巴纳香槟分校读博，主修计算机科学。
王清昀对自然语言处理很感兴趣，专研自然语言生成、信息提取和对话系统，本科期间已发表多篇相关论文。
令人意外的是，王清昀简历中还列举了2项专利，分别是“遥控方便桌”和“家用废油制皂装置”，都是中学时期取得的，其中《遥控方便桌》获得第27届浙江省创新大赛一等奖。
人工智能常识和干货，适合收藏
《统计学习方法》(李航)读书笔记(完结)
良心推荐：机器学习入门资料汇总及学习建议
网红少年编程书，AI自学不再难
【B站免费教程】2W收藏！火爆B站的计算机科学速成教程发布，全中文版
良心推荐：机器学习入门资料汇总及学习建议（2018版）
机器学习必备宝典-《统计学习方法》的python代码实现、电子书及课件
软件下载和Python，AI，资料
【送书PDF】Python编程从入门到实践
Python从入门到精通，深度学习与机器学习资料大礼包！
【免费】某机构最新3980元机器学习/大数据课程高速下载，限量200份
长按扫码撩海归
觉得不错，请随意转发，麻烦点个在看！智能写作机器人8个自动写作神器，快速出稿
热点写作|推敲用词|文风改写智能仿写|全网素材|模板填充
一丶Get写作
getgetai.com
可以根据时事热点智能改写、扩写文章，还能给你提供写作角度的建议。站内有很多现成的写作模板可以套用，比如职场干货文、教育观点文、深度影评文等等~
二丶Giiso写作机器人
giiso.com
可以帮你一秒get千字思想汇报文，很绝。除此之外其实还有很多类型的文章模板，感觉很适合营销号的工作需求哈哈，按提纲生成文章也很实用~
三丶易撰
yizhuan5.com
能够分析爆文数据给你参考、输入几个关键词生成文章、智能拟定爆款标题，还能帮你分析文章质量、提供改写建议。缺点是很多功能需要会员。
四丶秘塔写作猫
xiezuocat.com
好用的文章校对工具，中英文都可，帮你发现标点、用词、语法等错误，规避敏感词。网站、浏览器插件、手机小程序，多平台支持，怎么方便怎么来~
五丶剧本生成器
https://datamuse.guokr.com/web?page=ltd&from=ter
抓取了国产剧的一百多个常见桥段，只需要输入两个主角的名字、选定想要的故事题材（玄幻、爱情、犯罪...），就能帮你生成一个剧本梗概。
六丶WPS智能写作
aiwrite.wps.cn
选择题材–输入主题–选定写作思路–—键生成，用起来超方便。主要是社畜们日常需要的工作汇报、心得体会、演讲致辞之类的，很方便!
七丶AI写作猫
xiezuomao.com
输入标题或关键词―键生成文章，或上传一篇文章然后智能改写/仿写，也支持文章的智能排版。但每次使用需要「猫粮」，除了注册账号赠送的那些，一次约一毛。
八丶小论文神器
essay.1ts.fun
输入学科和两个关键词就可以自动生成一篇小论文，写东西不怕凑字数了!生成后每个段落可以单独处理，结课小作业、读书笔记、思想汇报什么的都能水一水。
人形机器人制作秘籍 全面还原DIY制作过程
如果你也不满足于简单的手工活，如果你也有一帮和你一样的兄弟，如果你们想创造和自己一样能走能爬的机器人，那么请关注这里，我们将分享机器人制作所需的全部秘籍，助大家一臂之力。
1 理论方面
要让一个机器人能完成各种动作，高中的一些力学,运动学知识自然必不可少。在构建我们的机器人骨架过程中，主要的运动部件就是舵机了，整个机器人就是靠着舵机轴的转动来完成各种复杂的动作。在设计整体的结构时候，应该画出各种可能需要做的动作的结构简图（用点线表示）简单计算一下质心高度和位置保证机器人的平衡。
以下是具体的做法：
先把舵机看做一个质点，用点加一个小竖线表示舵机的转轴，直线表示两个轴之间的距离，大致画出整体静态草图。（两点之间的距离至少要大于舵机的高）
画出所需完成动作的分解草图，将所有运动都分解为绕给定轴的转动，如果发现有哪些动作无法完成考虑：1.改变轴的排布，方向。2.增加轴
不考虑线的重量，只考虑舵机的重量，对每个草图分别计算各个过程中机器人的平衡状况。调整舵机间的长度
Tips1： 每种舵机都会有其尺寸，重量，扭矩，以及转速等说明。在使用舵机时，应该尽量减小垂直于舵机转轴的受力，不然容易烧坏舵机。
Tips2： 舵机只能转180度，在动作中务必排除需要超过180转动的情况
1.1 我们的大强要完成什么动作呢？
我们要让大强“飞”起来，作为一只金刚，单单飞似乎少了什么，为此我们给大强设计了《金刚》的路线，一路跋山涉水拯救MM（剧情见最后）
1. 四足行走
由于我们设计的机器人重点放在了手臂上面，故对腿部进行了简化。行走时采用对角两条腿交替前进的方式。前进腿（图中箭头标注）向前跨步的同时，支撑腿有一个后蹬的动作以实现行走——俗称“爬”
2. 多杠攀爬
这时的大强已经开始了艰苦卓绝的翻山越岭之路。
多杠连续攀爬并没有想象中那么简单，考虑到在前进时有一只手必须离开杠，为保持平衡，故采用左右静态摆动身体的姿态前进。
A. 开始时通过肩部舵机作用将重心移动到一只手上（图中为左手）
多杠攀爬动作图（1）