Հիմնական տանողներ
- Մեքենայական ուսուցման նոր մոդելը հալյուցինացնում է նախադասության տեսքի պատկերը լեզվով, որն օգնում է թարգմանությանը:
- AI համակարգը, որը կոչվում է VALHALLA, նախագծված է նմանակելու մարդկանց լեզուն ընկալելու ձևը:
- Նոր համակարգը լեզուն հասկանալու համար AI-ի օգտագործման աճող շարժման մասն է:
Բառեր թարգմանելիս նկարները պատկերացնելու մարդկային մեթոդը կարող է օգնել արհեստական բանականությանը (AI) ավելի լավ հասկանալ ձեզ:
Մեքենայական ուսուցման նոր մոդելը հալյուցինացնում է պատկերը, թե ինչ տեսք ունի նախադասությունը մեկ լեզվով: Համաձայն վերջին հետազոտական հոդվածի, տեխնիկան այնուհետև օգտագործում է վիզուալիզացիա և այլ հուշումներ՝ թարգմանությանն օգնելու համար: Լեզուն հասկանալու համար արհեստական ինտելեկտի օգտագործումը աճող շարժման մի մասն է:
«Ինչպես են մարդիկ խոսում և գրում, եզակի է, քանի որ մենք բոլորս ունենք մի փոքր տարբեր հնչերանգներ և ոճեր»,- Lifewire-ին տված հարցազրույցում ասել է Մերիվիլի համալսարանի տվյալների վերլուծության պրոֆեսոր Բեթ Քադնին, ով ներգրավված չի եղել հետազոտության մեջ:. «Համատեքստը հասկանալը դժվար է, քանի որ դա նման է չկառուցված տվյալների հետ գործ ունենալուն: Սա այն է, որտեղ բնական լեզվի մշակումը (NLP) օգտակար է: NLP-ն AI-ի մի ճյուղ է, որն անդրադառնում է մեքենայական ընթերցանության ըմբռնման միջոցով հաղորդակցվելու տարբերություններին: NLP-ի հիմնական տարբերությունը:, որպես AI-ի ճյուղ, չի կենտրոնանում պարզապես այն բառերի բառացի իմաստների վրա, որոնք մենք խոսում կամ գրում ենք: Այն նայում է իմաստին:"
Գնացեք Հարցրեք Ալիսին
ՎԱԼՀԱԼԱ կոչվող արհեստական ինտելեկտի նոր համակարգը, որը ստեղծվել է MIT-ի, IBM-ի և Սան Դիեգոյի Կալիֆորնիայի համալսարանի հետազոտողների կողմից, նախագծված է ընդօրինակելու այն, թե ինչպես են մարդիկ ընկալում լեզուն: Գիտնականների կարծիքով՝ զգայական տեղեկատվության օգտագործումը, օրինակ՝ մուլտիմեդիա, զուգորդված նոր և անծանոթ բառերի հետ, ինչպես օրինակ՝ պատկերներով ֆլեշ քարտերը, բարելավում են լեզվի յուրացումը և պահպանումը:
Այս համակարգերը մեծացնում են չաթ-բոտերի հզորությունը, որոնք ներկայումս միայն պատրաստված են և ունակ են կոնկրետ խոսակցությունների…
Թիմը պնդում է, որ իրենց մեթոդը բարելավում է մեքենայական թարգմանության ճշգրտությունը միայն տեքստային թարգմանության համեմատ: Գիտնականներն օգտագործել են երկու տրանսֆորմատորներով կոդավորող-ապակոդավորող ճարտարապետություն, որը նեյրոնային ցանցի մոդելի տեսակ է, որը հարմար է հաջորդականությունից կախված տվյալների համար, ինչպես լեզուն, որը կարող է ուշադրություն դարձնել նախադասության հիմնաբառերին և իմաստաբանությանը: Մեկ տրանսֆորմատորը առաջացնում է տեսողական հալյուցինացիա, իսկ մյուսը կատարում է մուլտիմոդալ թարգմանություն՝ օգտագործելով առաջին տրանսֆորմատորի ելքերը:
«Իրական աշխարհի սցենարներում դուք կարող եք պատկեր չունենալ սկզբնական նախադասության հետ կապված», - ասաց Ռամեսվար Պանդան, հետազոտական թիմի անդամներից մեկը, լրատվական հաղորդագրության մեջ: «Այսպիսով, մեր մոտիվացիան հիմնականում հետևյալն էր. Եզրակացության ընթացքում արտաքին պատկեր օգտագործելու փոխարեն՝ կարո՞ղ ենք օգտագործել տեսողական հալյուցինացիա՝ տեսողական տեսարաններ պատկերացնելու կարողություն՝ մեքենայական թարգմանության համակարգերը բարելավելու համար»::
AI Փոխըմբռնում
Զգալի հետազոտություններ կենտրոնացած են NLP-ի առաջխաղացման վրա, նշել է Քադնին: Օրինակ, Իլոն Մասկը համահիմնադիր է Open AI-ն, որն աշխատում է GPT-3-ի վրա, մոդել, որը կարող է զրուցել մարդու հետ և բավականաչափ խելամիտ է Python-ում և Java-ում ծրագրային կոդ ստեղծելու համար:
Google-ը և Meta-ն նաև աշխատում են զարգացնել խոսակցական AI իրենց LAMDA համակարգով: «Այս համակարգերը մեծացնում են չաթ-բոտերի հզորությունը, որոնք ներկայումս միայն պատրաստված են և ունակ են կոնկրետ խոսակցությունների, ինչը, հավանաբար, կփոխի հաճախորդների աջակցության և օգնության սեղանների դեմքը», - ասաց Քադնին:
Աարոն Սլոմանը, CLIPr, AI տեխնոլոգիական ընկերության համահիմնադիրը, նամակում ասաց, որ GPT-3-ի նման խոշոր լեզուների մոդելները կարող են սովորել շատ քիչ ուսուցման օրինակներից՝ բարելավելու մարդկային արձագանքների հիման վրա տեքստի ամփոփումները: Օրինակ, նա ասաց, որ դուք կարող եք մեծ լեզվի մոդելին տալ մաթեմատիկական խնդիր և խնդրել AI-ին մտածել քայլ առ քայլ:
«Մենք կարող ենք ակնկալել, որ ավելի մեծ պատկերացումներ և հիմնավորումներ կքաղվեն մեծ լեզվական մոդելներից, քանի որ մենք ավելի շատ ենք իմանում նրանց կարողությունների և սահմանափակումների մասին», - ավելացրեց Սլոմանը: «Ես նաև ակնկալում եմ, որ այս լեզվական մոդելները կստեղծեն ավելի շատ մարդանման գործընթացներ, քանի որ մոդելավորողները մշակում են ավելի լավ ուղիներ մոդելները ճշգրտելու հատուկ հետաքրքրություն ներկայացնող առաջադրանքների համար»:
Georgia Tech հաշվողական տեխնոլոգիաների պրոֆեսոր Դիի Յանգը էլեկտրոնային փոստով տված հարցազրույցում կանխատեսել է, որ մենք կտեսնենք բնական լեզվի մշակման (NLP) համակարգերի ավելի շատ օգտագործում մեր առօրյա կյանքում՝ սկսած NLP-ի վրա հիմնված անհատականացված օգնականներից մինչև էլ. նամակների և հեռախոսազանգերի հարցում: ճամփորդության կամ առողջապահության ոլորտում տեղեկատվություն փնտրելու բանիմաց երկխոսության համակարգերին:«Ինչպես նաև արդար արհեստական ինտելեկտի համակարգերը, որոնք կարող են կատարել առաջադրանքներ և օգնել մարդկանց պատասխանատու և անկողմնակալ ձևով», - ավելացրեց Յանգը:
Հսկայական AI մոդելները, որոնք օգտագործում են տրիլիոնավոր պարամետրեր, ինչպիսիք են GPT-3-ը և DeepText-ը, կշարունակեն աշխատել մեկ մոդելի ուղղությամբ բոլոր լեզուների հավելվածների համար, կանխատեսել է Dialexa-ի մեքենայական ուսուցման ինժեներ Սթիվեն Հեյգը էլեկտրոնային փոստով տված հարցազրույցում: Նա ասաց, որ կլինեն նաև նոր տեսակի մոդելներ, որոնք ստեղծվելու են հատուկ օգտագործման համար, ինչպիսիք են ձայնային հրամանով առցանց գնումները:
«Օրինակ կարող է լինել գնորդը, որն ասում է «Ցույց տուր ինձ այս ստվերաներկը կեսգիշերային կապույտով, ավելի շատ լուսապսակով», որպեսզի ցույց տա այդ երանգը մարդու աչքերի վրա՝ որոշակիորեն վերահսկելով, թե ինչպես է այն կիրառվում», - ավելացրեց Հեյգը::
