מזונות חשובים
- מודל חדש של למידה חישובית הוזה תמונה של הופעת משפט בשפה כדי לסייע בתרגום.
- מערכת הבינה המלאכותית, המכונה VALHALLA, תוכננה לחקות את הדרך שבה בני אדם תופסים שפה.
- המערכת החדשה היא חלק מתנועה הולכת וגדלה לשימוש ב-AI להבנת שפה.
השיטה האנושית להמחיש תמונות תוך כדי תרגום מילים יכולה לעזור לבינה מלאכותית (AI) להבין אותך טוב יותר.
מודל חדש של למידת מכונה הוזה תמונה של איך נראה משפט בשפה. לפי מאמר מחקר שנערך לאחרונה, הטכניקה משתמשת אז בהדמיה וברמזים אחרים כדי לסייע בתרגום. זה חלק מתנועה הולכת וגדלה להשתמש בבינה מלאכותית כדי להבין שפה.
"האופן שבו אנשים מדברים וכותבים הוא ייחודי מכיוון שלכולנו יש גוונים וסגנונות שונים במקצת", אמרה בת' קודני, פרופסור לניתוח נתונים באוניברסיטת מריוויל, שלא הייתה מעורבת במחקר, ל-Lifewire בראיון באימייל.. "הבנת ההקשר קשה כי זה כמו התמודדות עם נתונים לא מובנים. זה המקום שבו עיבוד שפה טבעית (NLP) שימושי. NLP הוא ענף של AI שמתייחס להבדלים באופן שבו אנו מתקשרים באמצעות הבנת הנקרא במכונה. ההבדל העיקרי ב-NLP, כענף של AI, אינו מתמקד רק במשמעויות המילוליות של המילים שאנו מדברים או כותבים. הוא מסתכל על המשמעות."
לך תשאל את אליס
מערכת הבינה המלאכותית החדשה, הנקראת VALHALLA, שנוצרה על ידי חוקרים מ-MIT, IBM ואוניברסיטת קליפורניה בסן דייגו, תוכננה לחקות את הדרך שבה בני אדם תופסים שפה. לדברי מדענים, שימוש במידע חושי, כמו מולטימדיה, בשילוב עם מילים חדשות ולא מוכרות, כמו כרטיסי פלאש עם תמונות, משפר את רכישת השפה ושימור השפה.
מערכות אלו מגדילות את הכוח של צ'אטבוטים שכרגע מאומנים ומסוגלים לנהל שיחות ספציפיות…
הצוות טוען שהשיטה שלהם משפרת את הדיוק של תרגום מכונה על פני תרגום לטקסט בלבד. המדענים השתמשו בארכיטקטורת מקודד-מפענח עם שני שנאים, סוג של מודל רשת עצבית המתאים לנתונים תלויי רצף, כמו שפה, שיכולים לשים לב למילות מפתח ולסמנטיקה של משפט. שנאי אחד יוצר הזיה חזותית, והשני מבצע תרגום מולטי-מודאלי באמצעות פלטים מהשנאי הראשון.
"בתרחישים בעולם האמיתי, ייתכן שאין לך תמונה ביחס למשפט המקור", אמר Rameswar Panda, אחד מחברי צוות המחקר, בהודעה לעיתונות. "אז, המוטיבציה שלנו הייתה בעצם: במקום להשתמש בתמונה חיצונית במהלך היסק כקלט, האם אנחנו יכולים להשתמש בהזיה חזותית - היכולת לדמיין סצנות חזותיות - כדי לשפר מערכות תרגום מכונה?"
AI Understanding
מחקר ניכר מתמקד בקידום NLP, ציין קודני. לדוגמה, אילון מאסק היה שותף להקמת Open AI, שעובדת על GPT-3, מודל שיכול לשוחח עם אדם ומתמצא מספיק כדי ליצור קוד תוכנה ב-Python וב-Java.
Google ומטה פועלות גם לפיתוח בינה מלאכותית לשיחה עם המערכת שלהן שנקראת LAMDA. "מערכות אלו מגבירות את כוחם של צ'אטבוטים שכרגע מאומנים ומסוגלים לנהל שיחות ספציפיות, מה שכנראה ישנה את פני תמיכת הלקוחות ומוקדי העזרה", אמר קודני.
אהרון סלומן, המייסד השותף CLIPr, חברת טכנולוגיה בינה מלאכותית, אמר בדוא ל שמודלים של שפות גדולות כמו GPT-3 יכולים ללמוד מדוגמאות הדרכה מעטות מאוד כדי לשפר סיכומים של טקסט על סמך משוב אנושי. לדוגמה, הוא אמר, אתה יכול לתת למודל שפה גדול בעיה מתמטית ולבקש מה-AI לחשוב צעד אחר צעד.
"אנו יכולים לצפות לתובנות והיגיון גדולות יותר שייחלצו ממודלים של שפות גדולות ככל שאנו לומדים יותר על היכולות והמגבלות שלהם", הוסיף סלומן. "אני גם מצפה ממודלים של שפה אלה ליצור תהליכים דמויי אנוש יותר, כאשר מעצבי מודל מפתחים דרכים טובות יותר לכוונן את המודלים למשימות ספציפיות של עניין."
פרופסור למחשוב ג'ורג'יה טק דייי יאנג חזה בראיון באימייל שנראה שימוש רב יותר במערכות עיבוד שפה טבעית (NLP) בחיי היומיום שלנו, החל מעוזרים מותאמים אישית מבוססי NLP ועד עזרה במיילים ושיחות טלפון, למערכות דיאלוג בקיאות לחיפוש מידע בנסיעות או בריאות."כמו גם מערכות בינה מלאכותיות הוגנות שיכולות לבצע משימות ולסייע לבני אדם בצורה אחראית וללא הטיות", הוסיף יאנג.
דגמי AI עצומים המשתמשים בטריליוני פרמטרים כגון GPT-3 ו-DeepText ימשיכו לעבוד לקראת מודל יחיד עבור כל יישומי השפה, חזה סטיבן הייג, מהנדס למידת מכונה ב-Dialexa, בראיון באימייל. הוא אמר שיהיו גם סוגים חדשים של דגמים שנוצרו לשימושים ספציפיים, כמו קניות מקוונות בפקודה קולית.
"דוגמה יכולה להיות קונה שאומר 'הראה לי את הצללית הזו בכחול חצות עם יותר הילה', כדי להראות את הגוון הזה על עיניו של האדם עם שליטה מסוימת על אופן היישום שלו", הוסיף הייג.
