Nul
Wanneer IBM ‘ s Watson computer sloeg twee wereldkampioenen aan de spelshow Jeopardy! in 2011, het was een moment om zich vergapen aan hoe een machine zou kunnen nemen is het begrijpen van de taal van een vraag en kon mij is het grote geheugen voor een passend antwoord.
Google wetenschappers hebben ontdekt een ander gebruik voor Gevaar! vragen, hebben weinig te maken met het begrijpen van de menselijke spraak en over hoe computers communiceren met elkaar.
En deze week, zij het gemaakt hebben dat het werk van een open-source software tool beschikbaar op GitHub voor iedereen met een Google TensorFlow kader voor machine learning.
“Actieve Vraag te Beantwoorden,” of Actieve QA, als de TensorFlow pakket heet, zal herformuleren van een gegeven in de engelse taal vraag in meerdere verschillende re-vereeniging, en vind de variant die het beste bij het ophalen van een antwoord van een database.
Het systeem is ontwikkeld door het voeren van Jeopardy! aanwijzingen in een “reinforcement learning” neurale netwerk. Het netwerk werd beter en beter op de re-tekst vragen als het beloond werd voor het succesvol ophalen van het juiste antwoord.
Ook: IBM Watson: Het verhaal van hoe de Jeopardy!-het winnen van supercomputer werd geboren, en wat het wil doen TechRepublic
Google AI auteurs, in de blog post over het project, de beroemde corporate missie is “het organiseren van alle informatie in de wereld.” In overeenstemming met dat ze “stel dat dit onderzoek zal ons helpen het ontwerp van systemen die een betere en meer interpretable antwoorden, en hoop dat het anderen zal helpen aan de ontwikkeling van systemen die kunnen interageren met de wereld met behulp van natuurlijke taal.”
In het originele papier, De Juiste Vragen te stellen: Actief Vraag Herformulering Met Reinforcement Learning, presenteerde afgelopen voorjaar tijdens de Internationale Conferentie over het Leren van Verklaringen, Google AI onderzoekers Christelijke Buck, Jannis Bulian, Massimiliano Ciaramita, Wojciech Gajewski, Andrea Gesmundo, Neil Houlsby, en Wei Wang gebouwd op de beginselen van de machine vertaling. Zij interpreteren de taak van de opleiding van een computer te herformuleren aanwijzingen van Jeopardy! als zijnde verwant aan vertalingen op vreemde taal. Het doel was om te parafraseren: het Gevaar! aanwijzingen in een syntaxis die verbetert bevragen van een database.
Bijvoorbeeld, gegeven een aanwijzing zoals “Gandhi werd sterk beïnvloed door deze telling, die schreef ‘Oorlog en Vrede’, ‘ het neurale netwerk had om te leren om dat idee in de vorm van een vraag waarop het juiste antwoord, wat Leo Tolstoy. (Gevaar! vragen gekregen van een 2017 project, genaamd SearchQA, gebouwd door onderzoekers van New York University en Carnegie Mellon. Hun project was, in te schakelen, is genomen door het crawlen van de ebsite “J! Archief” een fan site voor de show.)
Een schematische weergave van de Actieve QA bediening: a Gevaar! idee is geherformuleerd tot een nieuwe vraag, het is voorgelegd aan de BiDaf database, en een convolutional neurale netwerk gelederen van de geretourneerde antwoorden voor de beste, die dan dient als beloning voor de trein het woord herdichten.
De Actieve QA pakket bevat een aangepaste versie van Google ‘ s TensorFlow code voor machine vertaling. Het is gebaseerd op Google-onderzoek in 2014 op de zogenaamde “sequentie sequentie” neurale netwerken voor het vertalen tussen engels en frans.
De code pakket bevat ook een zogenaamde vraag-antwoordsysteem, de eigenlijke database haalt de antwoorden die door Actieve QA. Dit is gebaseerd op een diep leren systeem ontwikkeld in 2017 door onderzoekers van het Allen Institute for Artificial Intelligence, en de Universiteit van Washington, voor het beantwoorden van vragen, de zogenaamde “BiDaf.”
Wat is het meest belangrijke, misschien, in de papier-en in dit nieuwe toolkit, is dat de diepe neuraal netwerk is niet te leren hoe te komen met een goed geformuleerd natuurlijke-taal, de spraak, noch is het veel leren over het stellen van vragen in de typische zin dat de mens betekenen. Het is niet zoals De Washington Post robot journalist, als menselijke schrijven.
Ook: het Bekijken van YouTube video ‘ s kan op een dag laat robots kopie mensen
Integendeel, de Actieve QA is het leren van trucjes die het verbeteren van het zoeken in een database, en de resultaten vaak klinkt als wartaal van een menselijk oor. Bijvoorbeeld, de auteurs merken op dat het bovenstaande idee over Ghandi (“Gandhi werd sterk beïnvloed door deze telling, die schreef ‘Oorlog en Vrede'”) werd geformuleerd door Actieve QA als “Wat is de naam gandhi gandhi invloed schreef de vrede?”
In een ander exemplaar, de oorspronkelijke Gevaar! het idee, “Tijdens de Tertiaire Periode, India geploegd in Eurazië en deze hoogste bergketen gevormd,” was refashioned als “Wat is de naam waren de tertiaire periode in india geploegd eurasia?” Die slaagde er in het retourneren van het juiste antwoord: Himalayias. Talrijke voorbeelden, vele met dezelfde vreemde patronen van lastige grammatica en herhaalde woorden worden aangeboden in de bijlage op de achterkant van het papier.
Hoewel het versje zo ver als natuurlijke taal, de auteurs zien de computer zinsdelen als een echte vooraf in query vaardigheden. De Actieve QA neurale net was niet alleen iets wijzigen van de oorspronkelijke aanwijzingen, het was eigenlijk te ontdekken op zijn eigen technieken die al lang rond in de wetenschap van de informatie ophalen, dingen zoals “stemming”,” waar een werkwoord, zeggen, is veranderd van zijn geconjugeerde vorm aan de wortel vorm.
Ook: Google Hersenen, Microsoft peilen de mysteries van netwerken met AI
“Soms,” schrijven ze, “AQA leert te genereren semantisch onzinnige, roman, oppervlak termijn varianten; bijvoorbeeld, kan het transformeren van het bijvoeglijk naamwoord dicht te densey.” “De enige rechtvaardiging voor dit,” ze concluderen, is dat het een goede baan “exploiteren” de manier waarop de BiDaf database de antwoorden gecodeerd.
Zoals de auteurs het uitdrukte, “Het lijkt wel opmerkelijk dan dat AQA is in staat om te leren van niet-triviale herformulering beleid … Men kan denken aan het beleid als een taal voor het formuleren van vragen die de agent heeft ontwikkeld, terwijl hij in een machine-machine communicatie met de omgeving.”
De dag kan niet ver naast wanneer bots gaan nog meer van het Googlen dan mensen.
Vorige en aanverwante dekking:
Wat is AI? Alles wat je moet weten
Een executive gids voor kunstmatige intelligentie, van machine learning en algemene AI-neurale netwerken.
Wat is diep leren? Alles wat je moet weten
De lowdown op diep leren: van hoe het zich verhoudt tot het bredere veld van machine-leren door te zien hoe aan de slag met het.
Wat is machine learning? Alles wat je moet weten
In deze gids wordt uitgelegd wat ‘machine learning’ is, hoe het is in verband met kunstmatige intelligentie, hoe het werkt en waarom het belangrijk is.
Wat is cloud computing? Alles wat u moet weten over
Een introductie van cloud computing recht vanaf de basis tot IaaS en PaaS -, hybride -, public en private cloud.
Verwante artikelen:
Er is geen rol voor de AI of data science: dit is een team effortStartup Verwanten brengt glimp van hoop voor AI in roboticsAI: Het uitzicht vanuit de Chief Data Science OfficeSalesforce intro ‘ s van Einstein Stem, een AI-voice assistant voor enterprisesIt is niet de banen AI is het vernietigen van dat stoort me, het is die growingHow Facebook schalen AIGoogle Duplex mij zorgen baart, CNETHoe de Google Startpagina is beter dan de Amazon Echo CNET
Verwante Onderwerpen:
Digitale Transformatie
CXO
Het Internet van Dingen
Innovatie
Enterprise Software
0