Belangrijkste afhaalrestaurants
- Een nieuw machine learning-model hallucineert een afbeelding van het voorkomen van een zin in een taal om de vertaling te vergemakkelijken.
- Het AI-systeem, VALHALLA genaamd, is ontworpen om de manier waarop mensen taal waarnemen na te bootsen.
- Het nieuwe systeem maakt deel uit van een groeiende beweging om AI te gebruiken om taal te begrijpen.
De menselijke methode om afbeeldingen te visualiseren terwijl je woorden verta alt, kan kunstmatige intelligentie (AI) helpen je beter te begrijpen.
Een nieuw machine learning-model hallucineert een beeld van hoe een zin eruitziet in een taal. Volgens een recent onderzoeksartikel gebruikt de techniek vervolgens visualisatie en andere aanwijzingen om te helpen bij de vertaling. Het maakt deel uit van een groeiende beweging om AI te gebruiken om taal te begrijpen.
"Hoe mensen praten en schrijven is uniek omdat we allemaal een beetje verschillende tonen en stijlen hebben", vertelde Beth Cudney, een professor in data-analyse aan de Maryville University, die niet betrokken was bij het onderzoek, aan Lifewire in een e-mailinterview. "Context begrijpen is moeilijk omdat het lijkt op het omgaan met ongestructureerde gegevens. Dit is waar natuurlijke taalverwerking (NLP) nuttig is. NLP is een tak van AI die de verschillen aanpakt in hoe we communiceren met behulp van machineleesbegrip. Het belangrijkste verschil in NLP, als een tak van AI, richt zich niet alleen op de letterlijke betekenis van de woorden die we spreken of schrijven. Het kijkt naar de betekenis."
Vraag het aan Alice
Het nieuwe AI-systeem, VALHALLA genaamd, gemaakt door onderzoekers van MIT, IBM en de Universiteit van Californië in San Diego, is ontworpen om de manier waarop mensen taal waarnemen na te bootsen. Volgens wetenschappers verbetert het gebruik van zintuiglijke informatie, zoals multimedia, in combinatie met nieuwe en onbekende woorden, zoals flashcards met afbeeldingen, taalverwerving en retentie.
Deze systemen vergroten de kracht van chatbots die momenteel alleen zijn getraind en in staat zijn tot specifieke gesprekken…
Het team beweert dat hun methode de nauwkeurigheid van machinevertaling verbetert ten opzichte van alleen tekstvertaling. De wetenschappers gebruikten een encoder-decoderarchitectuur met twee transformatoren, een type neuraal netwerkmodel dat geschikt is voor reeksafhankelijke gegevens, zoals taal, die aandacht kunnen besteden aan trefwoorden en semantiek van een zin. De ene transformator genereert een visuele hallucinatie en de andere voert een multimodale vertaling uit met behulp van de uitgangen van de eerste transformator.
"In realistische scenario's heb je misschien geen beeld met betrekking tot de bronzin", zei Rameswar Panda, een van de leden van het onderzoeksteam, in een persbericht. "Onze motivatie was dus eigenlijk: kunnen we, in plaats van een extern beeld tijdens de inferentie als input te gebruiken, visuele hallucinatie gebruiken - het vermogen om visuele scènes voor te stellen - om machinevertaalsystemen te verbeteren?"
AI Begrip
Aanzienlijk onderzoek is gericht op het bevorderen van NLP, benadrukte Cudney. Elon Musk was bijvoorbeeld mede-oprichter van Open AI, dat werkt aan GPT-3, een model dat met een mens kan praten en slim genoeg is om softwarecode te genereren in Python en Java.
Google en Meta werken ook aan de ontwikkeling van conversatie-AI met hun systeem genaamd LAMDA. "Deze systemen vergroten de kracht van chatbots die momenteel alleen zijn opgeleid en in staat zijn tot specifieke gesprekken, wat waarschijnlijk het gezicht van klantenondersteuning en helpdesks zal veranderen", zei Cudney.
Aaron Sloman, de mede-oprichter van CLIPr, een AI-technologiebedrijf, zei in een e-mail dat grote taalmodellen zoals GPT-3 van zeer weinig trainingsvoorbeelden kunnen leren om samenvattingen van tekst op basis van menselijke feedback te verbeteren. Hij zei bijvoorbeeld dat je een groot taalmodel een wiskundig probleem kunt geven en de AI kunt vragen stap voor stap na te denken.
"We kunnen verwachten dat er meer inzichten en redeneringen uit grote taalmodellen worden gehaald naarmate we meer leren over hun mogelijkheden en beperkingen", voegde Sloman eraan toe. "Ik verwacht ook dat deze taalmodellen meer mensachtige processen zullen creëren naarmate modelbouwers betere manieren ontwikkelen om de modellen te verfijnen voor specifieke taken die van belang zijn."
Georgia Tech computing-professor Diyi Yang voorspelde in een e-mailinterview dat we meer gebruik zullen zien van natuurlijke taalverwerkingssystemen (NLP) in ons dagelijks leven, variërend van op NLP gebaseerde gepersonaliseerde assistenten om te helpen met e-mails en telefoontjes, tot deskundige dialoogsystemen voor het zoeken naar informatie in reizen of gezondheidszorg."Evenals eerlijke AI-systemen die taken kunnen uitvoeren en mensen op een verantwoordelijke en vooringenomen manier kunnen helpen", voegde Yang toe.
Enorme AI-modellen die biljoenen parameters zoals GPT-3 en DeepText gebruiken, zullen blijven werken aan een enkel model voor alle ta altoepassingen, voorspelde Stephen Hage, een machine learning engineer bij Dialexa, in een e-mailinterview. Hij zei dat er ook nieuwe soorten modellen zullen worden gemaakt voor specifiek gebruik, zoals spraakgestuurd online winkelen.
"Een voorbeeld kan een shopper zijn die zegt 'Laat me deze oogschaduw zien in nachtblauw met meer halo', om die schaduw op de ogen van de persoon te laten zien met enige controle over hoe het wordt aangebracht, "voegde Hage eraan toe.
