موارد مهم
- یک مدل جدید یادگیری ماشینی تصویری از ظاهر یک جمله را در یک زبان برای کمک به ترجمه توهم می دهد.
- سیستم هوش مصنوعی، به نام VALHALLA، برای تقلید از نحوه درک انسان از زبان طراحی شده است.
- سیستم جدید بخشی از جنبش رو به رشد استفاده از هوش مصنوعی برای درک زبان است.
روش انسانی برای تجسم تصاویر در حین ترجمه کلمات می تواند به هوش مصنوعی (AI) کمک کند تا شما را بهتر درک کند.
یک مدل جدید یادگیری ماشینی تصویری از ظاهر یک جمله در یک زبان را توهم می کند. بر اساس یک مقاله تحقیقاتی اخیر، این تکنیک سپس از تجسم و سایر سرنخها برای کمک به ترجمه استفاده میکند. این بخشی از یک جنبش رو به رشد برای استفاده از هوش مصنوعی برای درک زبان است.
"نحوه صحبت و نوشتن مردم منحصر به فرد است زیرا همه ما لحن ها و سبک های کمی متفاوت داریم.". "درک زمینه دشوار است زیرا مانند برخورد با داده های بدون ساختار است. اینجا جایی است که پردازش زبان طبیعی (NLP) مفید است. NLP شاخه ای از هوش مصنوعی است که به تفاوت های نحوه ارتباط ما با استفاده از درک مطلب ماشینی می پردازد. تفاوت اصلی در NLP. به عنوان شاخه ای از هوش مصنوعی، صرفاً بر معانی تحت اللفظی کلماتی که می گوییم یا می نویسیم تمرکز نمی کند، بلکه به معنی نگاه می کند."
برو از آلیس بپرس
سیستم هوش مصنوعی جدید به نام VALHALLA که توسط محققان MIT، IBM و دانشگاه کالیفرنیا در سن دیگو ایجاد شده است، برای تقلید از نحوه درک انسان از زبان طراحی شده است. به گفته دانشمندان، استفاده از اطلاعات حسی، مانند چند رسانه ای، همراه با کلمات جدید و ناآشنا، مانند فلش کارت با تصاویر، اکتساب و حفظ زبان را بهبود می بخشد.
این سیستم ها در حال افزایش قدرت چت ربات هایی هستند که در حال حاضر فقط آموزش دیده اند و قادر به مکالمات خاص هستند…
تیم ادعا می کند روش آنها دقت ترجمه ماشینی را نسبت به ترجمه فقط متنی بهبود می بخشد. دانشمندان از معماری رمزگذار-رمزگشا با دو ترانسفورماتور استفاده کردند، یک نوع مدل شبکه عصبی مناسب برای داده های وابسته به دنباله، مانند زبان، که می تواند به کلمات کلیدی و معنایی یک جمله توجه کند. یک ترانسفورماتور یک توهم بصری ایجاد می کند، و دیگری با استفاده از خروجی های ترانسفورماتور اول، ترجمه چندوجهی را انجام می دهد.
"رامسوار پاندا، یکی از اعضای تیم تحقیقاتی، در یک انتشار خبری گفت: "در سناریوهای دنیای واقعی، ممکن است تصویری با توجه به جمله منبع نداشته باشید." "بنابراین، انگیزه ما اساساً این بود: آیا به جای استفاده از یک تصویر خارجی در حین استنتاج به عنوان ورودی، می توانیم از توهم بصری - توانایی تصور صحنه های بصری - برای بهبود سیستم های ترجمه ماشینی استفاده کنیم؟"
فهم هوش مصنوعی
کادنی خاطرنشان کرد:تحقیقات قابل توجهی بر پیشرفت NLP متمرکز شده است. به عنوان مثال، ایلان ماسک Open AI را بنیانگذاری کرد که روی GPT-3 کار می کند، مدلی که می تواند با انسان مکالمه کند و به اندازه کافی برای تولید کد نرم افزاری در پایتون و جاوا زرنگ است.
Google و Meta همچنین در حال کار برای توسعه هوش مصنوعی مکالمه با سیستم خود به نام LAMDA هستند. Cudney گفت: «این سیستمها در حال افزایش قدرت چتباتهایی هستند که در حال حاضر فقط آموزش دیدهاند و قادر به مکالمههای خاص هستند، که احتمالاً چهره پشتیبانی مشتری و میزهای کمک را تغییر میدهد.
Aaron Sloman، یکی از بنیانگذاران CLIPr، یک شرکت فناوری هوش مصنوعی، در ایمیلی گفت که مدل های زبان بزرگ مانند GPT-3 می توانند از نمونه های آموزشی بسیار کمی برای بهبود خلاصه متن بر اساس بازخورد انسانی یاد بگیرند. به عنوان مثال، او گفت، شما می توانید به یک مدل زبان بزرگ یک مسئله ریاضی بدهید و از هوش مصنوعی بخواهید گام به گام فکر کند.
"ما می توانیم انتظار داشته باشیم که بینش و استدلال بیشتری از مدل های زبان بزرگ استخراج شود، زیرا در مورد توانایی ها و محدودیت های آنها بیشتر می آموزیم." "من همچنین انتظار دارم که این مدلهای زبانی فرآیندهای انسانی بیشتری ایجاد کنند زیرا مدلسازان راههای بهتری برای تنظیم دقیق مدلها برای کارهای خاص مورد علاقه ایجاد میکنند."
پروفسور محاسبات گرجستان فناوری دییی یانگ در یک مصاحبه ایمیلی پیش بینی کرد که ما شاهد استفاده بیشتر از سیستم های پردازش زبان طبیعی (NLP) در زندگی روزمره خود خواهیم بود، از دستیاران شخصی مبتنی بر NLP تا کمک به ایمیل ها و تماس های تلفنی، به سیستم های گفتگوی آگاه برای جستجوی اطلاعات در سفر یا مراقبت های بهداشتی.یانگ افزود: «و همچنین سیستمهای هوش مصنوعی منصفانه که میتوانند وظایف را انجام دهند و به انسانها به شیوهای مسئولانه و بدون تعصب کمک کنند.»
مدل های عظیم هوش مصنوعی با استفاده از تریلیون ها پارامتر مانند GPT-3 و DeepText به کار خود در جهت یک مدل واحد برای همه برنامه های کاربردی زبان ادامه خواهند داد، استفن هیج، مهندس یادگیری ماشین در Dialexa، در یک مصاحبه ایمیلی پیش بینی کرد. او گفت که انواع جدیدی از مدلها نیز برای استفادههای خاص ایجاد میشوند، مانند خرید آنلاین با فرمان صوتی.
"یک مثال ممکن است خریدار باشد که می گوید "این سایه چشم را به رنگ آبی نیمه شب با هاله بیشتر به من نشان بده" تا سایه را روی چشمان فرد با کمی کنترل بر نحوه اعمال آن نشان دهد..