Comment les robots apprennent à lire et à penser

On parle tout le temps sur les ordinateurs nous comprendre. Nous disons que Google « savait » ce que nous recherchions, ou que Cortana « obtenu » ce que nous disons, mais la « compréhension » est un concept très difficile. Surtout en ce qui concerne les ordinateurs.

Video: Do Robots Deserve Rights? What if Machines Become Conscious?

Un domaine de la linguistique informatique, appelé traitement du langage naturel (PNL), travaille sur ce problème particulièrement difficile. Il est un domaine fascinant en ce moment, et une fois que vous avez une idée de la façon dont cela fonctionne, vous allez commencer à voir partout ses effets.

Une note rapide: Cet article a quelques exemples d`un ordinateur répondant à la parole, comme lorsque vous demander à Siri pour quelque chose. La transformation de la parole audible à un format compréhensible ordinateur est appelé la reconnaissance vocale. La PNL ne concerne pas que (au moins dans la capacité que nous discutons ici). La PNL ne vient en jeu une fois que le texte est prêt. Les deux processus sont nécessaires pour de nombreuses applications, mais ils sont deux problèmes très différents.

Comprendre la définition

Avant d`entrer dans la façon dont les ordinateurs traitent de langage naturel, nous devons définir un certain nombre de choses.

Tout d`abord, nous devons définir le langage naturel. C`est facile: toutes les langues utilisées régulièrement par les gens entrent dans cette catégorie. Il ne comprend pas des choses comme langues construites (Klingon, espéranto) ou langages de programmation informatique. Vous utilisez le langage naturel quand vous parlez à vos amis. Vous utilisez sans doute aussi pour parler à votre assistant numérique personnel.

Alors qu`est-ce que nous voulons dire quand nous disons la compréhension? Eh bien, il est complexe. Qu`est-ce que cela signifie pour comprendre une phrase? Peut-être vous dirais que cela signifie que vous avez maintenant le contenu prévu du message dans votre cerveau. Comprendre un concept peut signifier que vous pouvez appliquer ce concept à d`autres pensées.

Les définitions du dictionnaire sont nébuleux. Il n`y a pas de réponse intuitive. Philosophes ont fait valoir sur des choses comme cela depuis des siècles.

Video: Babyfoot : les robots apprennent la gamelle !

Pour nos besoins, nous allons dire que la compréhension est la capacité d`extraire avec précision ce qui signifie du langage naturel. Pour un ordinateur à comprendre, il a besoin de traiter avec précision un flux entrant de la parole, convertir ce flux en unités de sens, et être en mesure de répondre à l`entrée avec quelque chose qui est utile.

Il est évident que cela est très vague. Mais il est le meilleur que nous pouvons faire avec un espace limité (et sans diplôme neurophilosophie). Si un ordinateur peut offrir une réponse humaine semblable, ou du moins utile à un flux d`entrée de langage naturel, on peut dire qu`il comprend. Telle est la définition que nous allons utiliser à l`avenir.

Un problème complexe

Le langage naturel est très difficile pour un ordinateur à traiter. Vous pourriez dire: « Siri, me donner des instructions à Punch Pizza, » alors que je pourrais dire: « Siri, route punch Pizza, s`il vous plaît. »

Dans votre déclaration, Siri pourrait choisir la phrase clé « me donner des directives, » puis exécutez une commande liée à l`expression de recherche « Punch Pizza. » Dans le mien, cependant, Siri a besoin de choisir « route » comme le mot-clé et savoir que « Pizza Punch » est là où je veux aller, pas « s`il vous plaît ». Et c`est juste un exemple simpliste.

Pensez à un l`intelligence artificielle qui lit les courriels et décide si oui ou non ils pourraient être des escroqueries. Ou celui qui surveille les messages de médias sociaux pour évaluer l`intérêt pour une entreprise particulière. J`ai déjà travaillé sur un projet où nous avons dû apprendre à un ordinateur pour lire des notes médicales (qui ont toutes sortes de conventions étranges) et de glaner des informations.

Cela signifie que le système devait être en mesure de traiter les abréviations, syntaxe étrange, les fautes d`orthographe occasionnelles, et une grande variété d`autres différences dans les notes. Il est une tâche très complexe qui peut être difficile, même pour l`homme d`expérience, beaucoup moins de machines.

Instituer un exemple

Dans ce projet, je faisais partie de l`équipe qui enseignait l`ordinateur à reconnaître les mots spécifiques et les relations entre les mots. La première étape du processus était de montrer l`ordinateur les informations que chaque note contenait, donc nous annotées les notes.

Video: Lire dans les pensées, c'est possible ? (FR / US subtitles)

Il y avait un grand nombre de différentes catégories d`entités et les relations. Prenez la phrase « Mme Le mal de tête de Green a été traité avec l`ibuprofène », par exemple. Mme Green a été étiqueté comme une personne, mal de tête a été étiqueté comme un signe ou un symptôme, ibuprofène a été étiqueté comme MÉDICAMENTEUSES. Ensuite, Mme Green a été liée à des maux de tête avec une relation de PRESENTS. Enfin, l`ibuprofène était liée à des maux de tête avec une relation GOURMANDISE.

Nous avons marqué des milliers de notes de cette façon. Nous avons codé diagnostics, traitements, les symptômes, les causes sous-jacentes, les comorbidités, les dosages, et tout ce que vous pourriez éventuellement penser liés à la médecine. D`autres équipes d`annotation codées d`autres informations, comme la syntaxe. En fin de compte, nous avions un corpus complet de notes médicales que l`AI peut « lire ».

La lecture est tout aussi difficile à définir que la compréhension. L`ordinateur peut facilement voir que l`ibuprofène traite un mal de tête, mais quand il apprend que l`information, il est converti en sens (nous) et les zéros. Il peut certainement rendre l`information qui semble comme humain et est utile, mais cela constitue-t compréhension? Encore une fois, il est en grande partie une question philosophique.Qu`est-ce que l`intelligence artificielle est pasQu`est-ce que l`intelligence artificielle est pasRobots intelligents sont sensibles, vont conquérir le monde? Pas aujourd`hui - et peut-être jamais.Lire la suite

Le réel apprentissage

À ce stade, l`ordinateur est passé par les notes et appliquer un certain nombre de algorithmes d`apprentissage automatique. Les programmeurs ont développé différentes routines pour les pièces de marquage de la parole, l`analyse des dépendances et des circonscriptions électorales et l`étiquetage des rôles sémantiques. En substance, l`IA était d`apprendre à « lire » les notes.

Video: Ma vie avec un robot sur PLANÈTEPLUS CANADA

Les chercheurs pourraient éventuellement tester en lui donnant une note médicale et lui demandant d`étiqueter chaque entité et relation. Lorsque l`ordinateur reproduit avec précision les annotations de l`homme, on pourrait dire qu`il a appris à lire ces notes médicales.

Après cela, il était juste une question de recueillir une grande quantité de statistiques sur ce qu`il avait lu: quels médicaments sont utilisés pour traiter les troubles qui, quels traitements sont les plus efficaces, les causes sous-jacentes des ensembles spécifiques de symptômes, et ainsi de suite. A la fin du processus, l`IA serait en mesure de répondre à des questions médicales fondées sur des preuves de notes médicales réelles. Il ne doit pas compter sur les manuels scolaires, les sociétés pharmaceutiques, ou l`intuition.

L`apprentissage en profondeur

Regardons un autre exemple. DeepMind Google réseau neuronal est d`apprendre à lire des articles de presse. Comme l`IA biomédicale, les chercheurs qui voulaient se retirer des informations pertinentes et utiles de gros morceaux de texte.

La formation d`une AI sur l`information médicale était assez dur, donc vous pouvez imaginer combien de données annotées vous auriez besoin de faire une IA capable de lire des articles d`information générale. assez d`embauche annotateurs et passer par suffisamment d`informations serait prohibitif et prend du temps.

Ainsi, l`équipe DeepMind se tourna vers une autre source: les sites d`actualité. Plus précisément, CNN et le Daily Mail.

Pourquoi ces sites? Parce qu`ils fournissent des résumés fait balles de leurs articles qui ne sont pas simplement tirer des phrases de l`article lui-même. Cela signifie a quelque chose à apprendre de l`IA. Les chercheurs ont essentiellement dit l`IA, « est ici un article et voici les informations les plus importantes en elle. » Ils lui ont demandé de tirer le même type d`informations d`un article sans faits saillants bulleted.

peut être manipulé Ce niveau de complexité d`un réseau de neurones profond, qui est un type particulièrement complexe du système d`apprentissage de la machine. (L`équipe DeepMind fait des choses étonnantes sur ce projet. Pour les détails, consultez ce grand aperçu du MIT Technology Review.)

Quelle lecture AI peut faire?

Nous avons maintenant une compréhension générale de la façon dont les ordinateurs apprennent à lire. Vous prenez une énorme quantité de texte, dire l`ordinateur ce qui est important, et d`appliquer des algorithmes d`apprentissage automatique. Mais que pouvons-nous faire avec une IA qui tire des informations de texte?

Nous savons déjà que vous pouvez tirer des informations exploitables spécifiques des notes médicales et de résumer les articles d`information générale. Il y a un programme open-source appelée P.A.N. qui analyse la poésie en tirant sur des thèmes et des images. Les chercheurs utilisent souvent l`apprentissage de la machine pour analyser de grandes étendues de données des médias sociaux, qui est utilisé par les entreprises pour comprendre les sentiments de l`utilisateur, voir ce que les gens parlent, et trouver des modèles utiles pour le marketing.

Les chercheurs ont utilisé l`apprentissage de la machine afin de mieux comprendre les comportements emailing et les effets de surcharge électroniques. les fournisseurs de messagerie peuvent l`utiliser pour filtrer le spam de votre boîte de réception et de classer certains messages comme priorité élevée. La lecture sont essentielles pour AIs rendant le service à la clientèle efficace chatbots. Partout il y a du texte, il y a un chercheur travaillant sur le traitement du langage naturel.8 bots que vous devez ajouter à votre Facebook Messenger App8 bots que vous devez ajouter à votre Facebook Messenger AppFacebook Messenger a ouvert pour discuter des bots, ce qui permet aux entreprises d`offrir un service à la clientèle, les nouvelles et plus directement à vous via l`application. Voici quelques-unes des meilleures disponibles.Lire la suite

Et comme ce type d`apprentissage machine améliore, les possibilités augmentent seulement. Les ordinateurs sont mieux que les humains aux échecs, Go, et les jeux vidéo maintenant. Bientôt, ils peuvent être mieux à la lecture et l`apprentissage. Est-ce le premier pas vers AI forte? Nous allons devoir attendre et voir, mais il peut être.

Quels types d`utilisations vous voyez un texte de lecture et d`apprentissage AI? Quels types d`apprentissage machine pensez-vous que nous verrons dans un avenir proche? Partagez votre opinion dans les commentaires ci-dessous!