Programmatūra, kas lasa Hariju Poteru, var veikt dažas burvju darbības

Iemācīt datoru spēlēt Go pārcilvēciskā līmenī ir forši, bet ne īpaši noderīgi ne tev, ne man. Bet ko darīt, ja dators varētu izlasīt dažus desmitus teksta lappušu, piemēram, jaunas mikroviļņu krāsns rokasgrāmatu, un pēc tam atbildēt uz jautājumiem par tās darbību? Pieraksti mani.

Teksta lasīšana un izpratne datoriem ir neticami sarežģīta, taču piezvanīja Kanādas uzņēmums Maluuba ir guvis panākumus ar algoritmu, kas var lasīt tekstu un atbildēt uz jautājumiem par to ar iespaidīgu precizitāti. Vissvarīgākais ir tas, ka atšķirībā no citām pieejām tas darbojas tikai ar nelielu teksta daudzumu. Tas galu galā var palīdzēt datoriem saprast dokumentus.

Pētnieki no Malubas ievietoja a papīrs aprakstot savu jaunāko progresu pagājušajā nedēļā. Tajā ir aprakstīts algoritms, kas spēj nolasīt vairākus simtus bērnu stāstu apvienojumā ar jautājumiem un atbildēm par katru tekstu. Pēc apmācības algoritms varēja pareizi atbildēt uz jautājumiem ar atbilžu variantiem par nepazīstamu tekstu ar vairāk nekā 70 procentu precizitāti. Pētnieki arī pārbaudīja algoritmu, izmantojot tekstu Harijs Poters un filozofu akmens un atklāja, ka tas varētu atbildēt uz jautājumiem par šo tekstu ar līdzīgu precizitāti.

Papildus akadēmiskajam progresam Maluuba cer galu galā izveidot sistēmu, kas jūsu vārdā parūpēsies par ikdienišķu lasīšanu. Mūs interesē tādi lietošanas gadījumi kā lietotāja rokasgrāmatas, pacientu ieraksti vai klientu apkalpošanas dokumenti, saka Mohameds Musbahs, uzņēmuma produktu viceprezidents, kas atrodas Vaterlo, Kanādā. Šajās jomās jums patiešām nav datu pārpilnības.

Maluuba komanda izmantoja populāru neironu tīklu mācīšanās pieeju, kas pazīstama kā dziļā mācīšanās, lai apmācītu savu sistēmu. Taču pētnieki izveidoja savu tīklu, lai ņemtu vērā tekstu dažādos abstrakcijas līmeņos - no vārdiem līdz frāzēm un teikumiem, un viņi arī sagatavoja tīklu, lai tas būtu labs šādā veidā pirms apmācības. Parasti dziļās apmācības tīkli pirms apmācības tiek konfigurēti nejauši. Tas ļāva tīklam ļoti ātri mācīties un sniedza atbildes uz jautājumiem par 15 procentiem labāk nekā tika sasniegts pirms padziļinātās mācīšanās pieejas. Tas bija arī par 2 procentiem labāks nekā labākais ar roku kodētais risinājums.

Runājot par skaitļiem, tas ir liels lēciens, saka Jošua Bendžo , Monreālas Universitātes profesors un Maluuba zinātniskais padomnieks. Bet Bengio, kurš ir viens no nedaudziem padziļinātas mācīšanās guru, kas tagad strādā ar uzņēmumiem komerciālos mākslīgā intelekta centienos, brīdina, ka ekspertiem būs vajadzīgs laiks, lai analizētu pieejas nozīmi.

Ideja iemācīt mašīnām lasīt un efektīvi sazināties, izmantojot valodu, noteikti ir vilinoša. Tas varētu pavērt jaunus jaudīgus veidus, kā mijiedarboties ar datoriem un iegūt informāciju. Taču teksta izpratne ir viens no lielākajiem mākslīgā intelekta izaicinājumiem; datorus parasti pakludina fakts, ka valodai ir nepieciešama dziļa izpratne par to, kā darbojas reālā pasaule.

Neskatoties uz izaicinājumiem, daži no lielākajiem tehnoloģiju uzņēmumiem cenšas izstrādāt AI, kas spēj saprast tekstu. Facebook apkopo sarunu datus, izmantojot palīgpakalpojumu M, cenšoties apmācīt savus algoritmus, lai sarunātos dabiski (skatiet Mācīšanas mašīnas, lai mūs saprastu). Google DeepMind, Alphabet meitasuzņēmums, kas nodarbojas ar AI izpēti, veic līdzīgu darbu, apmācot padziļinātas apmācības sistēmas, lai lasītu ziņu rakstu kopsavilkumus (skatiet Google DeepMind māca lasīt mākslīgā intelekta mašīnas ).

Tomēr pagaidām nav notikuši lieli sasniegumi, un nav skaidrs, cik grūti var būt iekārtas aprīkot ar izsmalcinātām lasīšanas izpratnes prasmēm. Pētnieki gūst panākumus, galvenokārt pielāgojot un uzlabojot galvenās mašīnmācīšanās metodes un padodot datoriem lielu daudzumu anotēta teksta.

Makuuba pētnieku izmantotā mašīnmācības pieeja parasti prasa milzīgu teksta daļu, lai mācītos. Patiešām, teksta apjoms, kas nepieciešams, lai padziļināta mācīšanās darbotos, bieži tiek uzskatīts par vienu no galvenajiem ierobežojošajiem faktoriem (skatiet sadaļu Vai šis cilvēks var padarīt AI cilvēcīgāku? ). Valodas galvenais izaicinājums ir tas, ka vārdi, kas tiek izmantoti, lai attēlotu dažādus jēdzienus, ir patvaļīgi, tāpēc ir grūtāk izveidot savienojumus starp tiem, nekā tas ir attēliem.

Maluuba, ko 2010. gadā uzsāka vairāki Vaterlo universitātes absolventi, iepriekš izstrādāja viedtālruņiem paredzētu inteliģentu personīgo asistentu, un tas ir koncentrējis savus pētījumus uz dabiskās valodas apstrādi vai mašīnprati.

Es domāju, ka tas noteikti ir solis uz priekšu, saka Ričards Sočers , līdzdibinātājs AI uzņēmumam MetaMind, kas arī strādā pie valodu apstrādes. Tā ir ļoti labi izstrādāta sistēma, kas apvieno labi saprotamas un iedibinātas tradicionālās dabiskās valodas apstrādes funkcijas ar idejām no neironu tīkliem.

Kriss Daiers , Kārnegija Melona universitātes pētnieks, kurš specializējas dabiskās valodas apstrādē, piekrīt, ka Malūbas rezultāti ir iespaidīgi, taču uzskata, ka mašīnām būs jāiegūst patiesa izpratne par pasauli, lai pareizi sarunātos, nevis spēju iegūt statistiku. Secinājumi no teksta. Tas, visticamāk, nozīmēs ne tikai mācīšanos no anotēta teksta.

Datori ir pārāk ierobežoti pasaules uztveres un izpratnes ziņā, saka Daiers.

paslēpties