Keeawayt
- Uusi koneoppimismalli hallusinoi kuvan lauseen ulkonäöstä jollain kielellä kääntämisen helpottamiseksi.
- Tekoälyjärjestelmä, nimeltään VALHALLA, on suunniteltu jäljittelemään tapaa, jolla ihmiset havaitsevat kielen.
- Uusi järjestelmä on osa kasvavaa liikettä käyttää tekoälyä kielen ymmärtämiseen.
Ihmisen menetelmä kuvien visualisoimiseksi sanoja käännettäessä voi auttaa tekoälyä ymmärtämään sinua paremmin.
Uusi koneoppimismalli hallusinoi kuvan siitä, miltä lause näyttää kielessä. Tuoreen tutkimuspaperin mukaan tekniikka käyttää sitten visualisointia ja muita vihjeitä kääntämisen avuksi. Se on osa kasvavaa liikettä käyttää tekoälyä kielen ymmärtämiseen.
"Ihmisten puhuminen ja kirjoittaminen on ainutlaatuista, koska meillä kaikilla on hieman erilaisia sävyjä ja tyylejä", Maryvillen yliopiston data-analytiikan professori Beth Cudney, joka ei ollut mukana tutkimuksessa, kertoi Lifewirelle sähköpostihaastattelussa.. "Kontekstin ymmärtäminen on vaikeaa, koska se on kuin strukturoimattoman datan käsittelyä. Tässä luonnollisen kielen käsittelystä (NLP) on hyötyä. NLP on tekoälyn haara, joka käsittelee eroja kommunikaatiossamme koneellisen luetun ymmärtämisen avulla. Keskeinen ero NLP:ssä, tekoälyn haarana, ei keskity pelkästään puhumiemme tai kirjoittamiemme sanojen kirjaimellisiin merkityksiin. Se tarkastelee merkitystä."
Kysy Alicesta
Uusi tekoälyjärjestelmä nimeltä VALHALLA, jonka MIT:n, IBM:n ja San Diegon Kalifornian yliopiston tutkijat ovat luoneet, on suunniteltu jäljittelemään ihmisten tapaa havaita kielen. Tiedemiesten mukaan aistinvaraisen tiedon, kuten multimedian, yhdistäminen uusiin ja tuntemattomiin sanoihin, kuten kuvilla varustettuihin muistikortteihin, parantaa kielen oppimista ja säilyttämistä.
Nämä järjestelmät lisäävät chatbottien tehoa, sillä ne ovat tällä hetkellä vain koulutettuja ja pystyvät keskustelemaan…
Tiimi väittää, että heidän menetelmänsä parantaa konekäännösten tarkkuutta pelkkään tekstikäännökseen verrattuna. Tutkijat käyttivät enkooderi-dekooderiarkkitehtuuria kahdella muuntajalla, eräänlainen hermoverkkomalli, joka soveltuu sekvenssiriippuvaiselle datalle, kuten kielelle, joka voi kiinnittää huomiota lauseen avainsanoihin ja semantiikkaan. Toinen muuntaja tuottaa visuaalisen hallusinaation ja toinen suorittaa multimodaalisen muunnoksen käyttämällä ensimmäisen muuntajan lähtöjä.
"Reaalimaailman skenaarioissa sinulla ei ehkä ole kuvaa suhteessa lähdelauseeseen", Rameswar Panda, yksi tutkimusryhmän jäsenistä, sanoi tiedotteessa. "Joten motivaatiomme oli pohjimmiltaan: Sen sijaan, että käyttäisimme ulkoista kuvaa päättelyn aikana syötteenä, voimmeko käyttää visuaalisia hallusinaatioita - kykyä kuvitella visuaalisia kohtauksia - parantaaksemme konekäännösjärjestelmiä?"
AI ymmärtäminen
Huomattava tutkimus keskittyy NLP:n edistämiseen, Cudney huomautti. Esimerkiksi Elon Musk oli mukana perustamassa Open AI:ta, joka työskentelee GPT-3:n parissa, mallissa, joka pystyy kommunikoimaan ihmisen kanssa ja joka on tarpeeksi taitava luomaan ohjelmistokoodia Pythonissa ja Javassa.
Google ja Meta kehittävät myös keskustelullista tekoälyä LAMDA-nimisellä järjestelmällään. "Nämä järjestelmät lisäävät tällä hetkellä vain koulutettujen ja tiettyihin keskusteluihin kykenevien chatbottien tehoa, mikä todennäköisesti muuttaa asiakastuen ja tukipisteiden ilmettä", Cudney sanoi.
Aaron Sloman, tekoälyteknologiayrityksen CLIPr:n perustaja, sanoi sähköpostissa, että suuret kielimallit, kuten GPT-3, voivat oppia harvoista koulutusesimerkeistä parantaakseen ihmisten palautteeseen perustuvia tekstitiivistelmiä. Hän sanoi, että voit esimerkiksi antaa suurelle kielimallille matemaattisen tehtävän ja pyytää tekoälyä ajattelemaan askel askeleelta.
"Voimme odottaa, että suurista kielimalleista saadaan enemmän oivalluksia ja perusteluja, kun opimme lisää niiden kyvyistä ja rajoituksista", Sloman lisäsi. "Odotan myös näiden kielimallien luovan enemmän ihmisen k altaisia prosesseja, kun mallintajat kehittävät parempia tapoja hienosäätää malleja tiettyjä kiinnostavia tehtäviä varten."
Georgia Techin tietojenkäsittelyprofessori Diyi Yang ennusti sähköpostihaastattelussa, että tulemme näkemään enemmän luonnollisen kielen käsittelyjärjestelmien (NLP) käyttöä jokapäiväisessä elämässämme, aina NLP-pohjaisista henkilökohtaisista avustajista sähköpostien ja puheluiden kanssa, asiantunteviin dialogijärjestelmiin tiedonhakuun matkustamisessa tai terveydenhuollossa."Sekä oikeudenmukaiset tekoälyjärjestelmät, jotka voivat suorittaa tehtäviä ja auttaa ihmisiä vastuullisesti ja puolueettomasti", Yang lisäsi.
V altavat tekoälymallit, jotka käyttävät biljoonia parametreja, kuten GPT-3 ja DeepText, jatkavat työskentelyä kohti yhtä mallia kaikille kielisovelluksille, ennusti Stephen Hage, Dialexan koneoppimisinsinööri sähköpostihaastattelussa. Hän sanoi, että myös uudentyyppisiä malleja luodaan tiettyihin käyttötarkoituksiin, kuten puheohjattuihin verkkokauppoihin.
"Esimerkki voisi olla ostaja, joka sanoo: "Näytä minulle tämä keskiyönsininen luomiväri, jossa on enemmän halo" näyttääkseen tuon sävyn henkilön silmissä ja hallitsemalla sen käyttöä", Hage lisäsi.
