Kā IBM plāno uzvarēt briesmās!

Gadu desmitiem ilgi cilvēki ir cīnījušies, lai radītu mašīnas, kas spēj iegūt nozīmi no cilvēku valodas ar visu tās nekārtīgumu, smalko kontekstu, humoru un ironiju. Tradicionālās pieejas prasa lielu manuālu darbu, lai padarītu materiālu saprotamu datora algoritmiem. Galīgais mērķis ir padarīt šo soli nevajadzīgu.

Kas ir Vatsons? : IBM gatavo dabiskās valodas datorsistēmu, kas sacentīsies ar cilvēkiem televīzijas raidījumā Jeopardy!, kuru vada Alekss Trebeks.

IBM cer virzīties uz šo mērķi ar Watson, datorsistēmu, kas spēlēs Apdraudējums! , populārais TV nieku spēļu šovs, kurā tiek konkurēti cilvēki. Sistēmas demonstrācijas ir gaidāmas šogad ar pēdējo televīzijas pārraidi, ko papildinās šova vadītājs Alekss Trebeks, kaut kad nākamgad. Jautājumus skaļi izrunās Trebeks, bet pārraides laikā tie tiks ievadīti mašīnā teksta formātā.

Uzņēmums vēl nav publicējis nevienu pētījumu, kurā aprakstīts, kā tā sistēma risināsies Apdraudējums! - stila jautājumi. Taču IBM datorzinātnieks Deivids Feruči skaidro, ka sistēma sadala jautājumu gabalos, meklē savās datubāzēs saistītās zināšanas un pēc tam beidzot izveido savienojumus, lai apkopotu rezultātu. Watson nav paredzēts meklēšanai tīmeklī, un IBM galvenais mērķis ir sistēma, ko tā var pārdot saviem korporatīvajiem klientiem, kuriem ir jāpadara pieejamāks liels informācijas apjoms.

Ferrucci apraksta, kā tehnoloģija risinās tālāk norādīto Apdraudējums! - stila jautājums: tā ir opera, kas minēta 1970. gada Smokey Robinson and the Miracles hita pirmajā vietā.

Watson dzinējs izmanto dabiskās valodas apstrādes metodes, lai sadalītu jautājumu strukturālos komponentos. Šajā gadījumā skaņdarbos ietilpst 1) opera; 2) opera ir pieminēta dziesmā; 3) dziesma bija 1970. gada hīts; un 4) trāpīja Smokey Robinson and the Miracles.

Meklējot savās datubāzēs informāciju, kas varētu būt saistīta ar šiem segmentiem, sistēma var atrast simtiem fragmentu. Tie varētu ietvert šādus trīs:

Pagliacci, opera par klaunu, kurš cenšas slēpt savas jūtas;

Smokey Robinson Motown hit rekords ' 60. gadi Klauna asaras;

Tears of a Clown by the Miracles hit #1 Apvienotajā Karalistē 1970. gadā.

Analizējot šos fragmentus, Vatsons var identificēt Pagliacci kā operu, lai gan tas pats par sevi nebūtu īpaši noderīgi, jo daudzās citās daļās ir identificēti arī operu nosaukumi. Otrais rezultāts identificē Smokey Robinson hit rekordu The Tears of a Clown, ko sistēma uzskata par tādu pašu, kas Smokey Robinson and the Miracles. Tomēr daudzi citi dziesmu nosaukumi tiktu ģenerēti līdzīgā veidā. Varbūtība, ka rezultāts būs precīzs, arī tiktu vērtēts kā zems, jo dziesma ir saistīta ar 60. gadiem, nevis 1970. gadu. Trešais fragments tomēr pastiprina domu, ka The Tears of a Clown bija hits 1970. gadā, ja sistēma nosaka, ka The Miracles attiecas uz to pašu, ko Smokey Robinson and the Miracles.

No pirmās no šīm trim daļām Watson dzinējs to uzzinās klauni ir opera par klaunu, kurš slēpj savas jūtas. Lai izveidotu saikni ar Smokey Robinson, sistēmai ir jāatzīst, ka asaras ir cieši saistītas ar jūtām, un, tā kā tā zina, ka klauni ir par klaunu, kurš cenšas slēpt savas jūtas, viņš pareizi uzminē, ka klauni ir atbilde. Protams, sistēma joprojām var izdarīt nepareizu izvēli atkarībā no tā, kā nepareizās atbildes var pamatot ar pieejamiem pierādījumiem, saka Ferrucci.

Feruči saka, ka mazāk izsmalcinātām dabisko valodu sistēmām ir viegli secināt, ka The Tears of a Clown ir atbilde, nepamanot faktu, ka pieprasījums bija pēc operas, uz kuru atsaucas šī dziesma. Šādu secinājumu var izraisīt fragmenti, kuros ir daudz atslēgvārdu, kas atbilst jautājumam.

Martijs Hērsts , datorzinātnieks no Kalifornijas universitātes Bērklijā, saka, ka pēdējo desmit gadu laikā pētnieki dabiskās valodas apstrādes jomā ir panākuši milzīgu progresu šī uzdevuma veikšanā. Viņa piebilst, ka IBM Watson jautājumu atbilžu sistēmu pretstatā labākajiem cilvēkiem spēlē Apdraudējums! ir jautrs veids, kā publiskot un demonstrēt šo progresu, taču viņa arī atzīmē, ka nav publicētu pētījumu, kas būtu pieejams pārbaudei.

Tikmēr Aizsardzības progresīvo pētījumu projektu aģentūra (DARPA) drīzumā paziņos dalībniekus, kas izvēlēti piedalīties piecu gadu pētniecības darbs kuru mērķis ir uzlabot dabiskās valodas apstrādes stāvokli. Es sagaidu, ka visa šī teritorija tuvāko gadu laikā ievērojami uzkarsies, saka Dens Velds, Vašingtonas universitātes datorzinātnieks, kurš vada grupu, kas ir pieteikusies piedalīties DARPA pasākumos.

Neatkarīgi no tā, vai IBM Watson pārspēj cilvēkus Apdraudējums! Nākamgad DARPA projekts noteikti virzīs šo jomu uz priekšu, saka Weld. Kā DARPA atzīmēja savā pieprasījumā pēc pētniecības priekšlikumiem, mūsdienu viedākās valodas apstrādes sistēmas ir šauri fokusētas, savukārt plašāk fokusētas sistēmas ir neprecīzākas. DARPA iesaistīšanās koncentrēsies uz daudzu cilvēku izpēti labākajās universitātēs un pētniecības laboratorijās, lai virzītu uz integrētām sistēmām, kas faktiski var lasīt plašu dokumentu klāstu, saka Weld. Lielākā daļa pašreizējo sistēmu risina mazas mīklas daļas.

paslēpties