Atslēgas līdzņemšanai
- Jauns mašīnmācīšanās modelis halucinē priekšstatu par teikuma izskatu valodā, lai palīdzētu tulkot.
- AI sistēma, ko sauc par VALHALLA, tika izstrādāta, lai atdarinātu veidu, kā cilvēki uztver valodu.
- Jaunā sistēma ir daļa no pieaugošās kustības, kuras mērķis ir izmantot mākslīgo intelektu, lai saprastu valodu.
Cilvēka metode attēlu vizualizēšanai vārdu tulkošanas laikā varētu palīdzēt mākslīgajam intelektam (AI) labāk jūs saprast.
Jauns mašīnmācīšanās modelis halucinē priekšstatu par to, kā teikums izskatās valodā. Saskaņā ar neseno pētījumu, šī tehnika pēc tam izmanto vizualizāciju un citas norādes, lai palīdzētu tulkot. Tā ir daļa no pieaugošās kustības, kas izmanto AI, lai saprastu valodu.
"Tas, kā cilvēki runā un raksta, ir unikāls, jo mums visiem ir nedaudz atšķirīgi toņi un stili," e-pasta intervijā Lifewire sacīja Merivilas universitātes datu analīzes profesore Beta Kudnija, kura nebija iesaistīta pētījumā.. "Izprast kontekstu ir grūti, jo tas ir kā rīkoties ar nestrukturētiem datiem. Šeit ir noderīga dabiskās valodas apstrāde (NLP). NLP ir AI nozare, kas risina atšķirības, kā mēs sazināmies, izmantojot mašīnlasīšanas izpratni. Galvenā atšķirība NLP., kā AI nozare, nekoncentrējas tikai uz to vārdu burtiskajām nozīmēm, ko mēs runājam vai rakstām. Tas aplūko nozīmi."
Ej pajautā Alisei
Jaunā mākslīgā intelekta sistēma ar nosaukumu VALHALLA, ko izveidojuši MIT, IBM un Kalifornijas Universitātes Sandjego pētnieki, tika izstrādāta, lai atdarinātu veidu, kā cilvēki uztver valodu. Pēc zinātnieku domām, sensorās informācijas, piemēram, multivides, izmantošana kopā ar jauniem un nepazīstamiem vārdiem, piemēram, kartītēm ar attēliem, uzlabo valodas apguvi un saglabāšanu.
Šīs sistēmas palielina to tērzēšanas robotu jaudu, kas pašlaik ir tikai apmācīti un spēj veikt konkrētas sarunas…
Komanda apgalvo, ka viņu metode uzlabo mašīntulkošanas precizitāti, salīdzinot ar tikai teksta tulkojumu. Zinātnieki izmantoja kodētāja-dekodētāja arhitektūru ar diviem transformatoriem, neironu tīkla modeļa veidu, kas piemērots no secības atkarīgiem datiem, piemēram, valodai, kas var pievērst uzmanību teikuma atslēgvārdiem un semantikai. Viens transformators rada vizuālas halucinācijas, bet otrs veic multimodālu tulkošanu, izmantojot pirmā transformatora izejas.
"Reālās pasaules scenārijos jums var nebūt attēla attiecībā uz avota teikumu," ziņu izlaidumā sacīja Rameswar Panda, viens no pētnieku grupas dalībniekiem. "Tātad mūsu motivācija būtībā bija šāda: vai mēs varam izmantot vizuālas halucinācijas - spēju iedomāties vizuālas ainas - tā vietā, lai izmantotu ārēju attēlu, veicot secinājumus, lai uzlabotu mašīntulkošanas sistēmas?"
AI izpratne
Ievērojami pētījumi ir vērsti uz NLP attīstību, norādīja Kudnijs. Piemēram, Īlons Masks līdzdibināja Open AI, kas strādā pie GPT-3 - modeļa, kas spēj sarunāties ar cilvēku un ir pietiekami gudrs, lai ģenerētu programmatūras kodu Python un Java.
Google un Meta arī strādā, lai izstrādātu sarunvalodas AI ar savu sistēmu LAMDA. "Šīs sistēmas palielina to tērzēšanas robotu jaudu, kas pašlaik ir tikai apmācīti un spēj veikt konkrētas sarunas, kas, iespējams, mainīs klientu atbalsta un palīdzības dienestu seju," sacīja Kudnijs.
Ārons Slomans, mākslīgā intelekta tehnoloģiju uzņēmuma CLIPr līdzdibinātājs, e-pastā teica, ka lielie valodu modeļi, piemēram, GPT-3, var mācīties no ļoti dažiem apmācības piemēriem, lai uzlabotu teksta kopsavilkumus, pamatojoties uz cilvēku atsauksmēm. Piemēram, viņš teica, ka lielam valodas modelim varat dot matemātikas uzdevumu un lūgt AI domāt soli pa solim.
"Mēs varam sagaidīt, ka no lielajiem valodu modeļiem tiks iegūts plašāks ieskats un argumentācija, kad mēs uzzināsim vairāk par viņu spējām un ierobežojumiem," piebilda Slomens. "Es arī sagaidu, ka šie valodu modeļi radīs vairāk cilvēkiem līdzīgus procesus, jo modelētāji izstrādā labākus veidus, kā precizēt modeļus konkrētiem interesējošiem uzdevumiem."
Georgia Tech skaitļošanas profesors Dijijs Jangs e-pasta intervijā prognozēja, ka mēs redzēsim plašāku dabiskās valodas apstrādes (NLP) sistēmu izmantošanu mūsu ikdienas dzīvē, sākot no NLP balstītiem personalizētiem asistentiem, lai palīdzētu ar e-pastu un tālruņa zvaniem, zinošām dialoga sistēmām informācijas meklēšanai ceļojumos vai veselības aprūpē."Kā arī godīgas AI sistēmas, kas var veikt uzdevumus un palīdzēt cilvēkiem atbildīgi un bez aizspriedumiem," piebilda Jans.
Milzīgi mākslīgā intelekta modeļi, kas izmanto triljoniem parametru, piemēram, GPT-3 un DeepText, turpinās strādāt, lai izveidotu vienotu modeli visām valodu lietojumprogrammām, e-pasta intervijā prognozēja Stīvens Heidžs, uzņēmuma Dialexa mašīnmācības inženieris. Viņš teica, ka būs arī jauna veida modeļi, kas izveidoti īpašiem lietojumiem, piemēram, iepirkšanās tiešsaistē ar balsi.
"Piemērs varētu būt pircējs, kurš saka: "Parādiet man šo acu ēnu pusnakts zilā krāsā ar lielāku oreolu", lai parādītu šo toni uz cilvēka acīm, kontrolējot to uzklāšanu," piebilda Heidžs.
