Software, die Harry Potter liest, kann einige Zauberei ausführen

Einem Computer beizubringen, Go auf übermenschlichem Niveau zu spielen, ist cool, aber nicht besonders nützlich für Sie oder mich. Aber was wäre, wenn ein Computer ein paar Dutzend Seiten Text lesen könnte, wie das Handbuch für eine neue Mikrowelle, und dann Fragen zur Funktionsweise beantworten könnte? Melden Sie mich an.

Das Lesen und Verstehen von Text ist für Computer unglaublich schwierig, aber ein kanadisches Unternehmen hat angerufen Maluuba hat Fortschritte mit einem Algorithmus gemacht, der Text lesen und Fragen dazu mit beeindruckender Genauigkeit beantworten kann. Am wichtigsten ist, dass es im Gegensatz zu anderen Ansätzen nur mit kleinen Textmengen funktioniert. Es könnte schließlich Computern helfen, Dokumente zu verstehen.

Forscher aus Maluuba haben a Papier beschreiben ihre neuesten Fortschritte letzte Woche. Es beschreibt einen Algorithmus, der in der Lage ist, mehrere hundert Kindergeschichten zu lesen, kombiniert mit Fragen und Antworten zu jedem Text. Nach dem Training konnte der Algorithmus Multiple-Choice-Fragen zu einem unbekannten Text mit mehr als 70 Prozent Genauigkeit richtig beantworten. Die Forscher testeten den Algorithmus auch am Text von Harry Potter und der Stein der Weisen und stellte fest, dass es Fragen zu diesem Text mit ähnlicher Genauigkeit beantworten konnte.

Neben akademischen Fortschritten hofft Maluuba, irgendwann ein System zu schaffen, das sich in Ihrem Namen um das alltägliche Lesen kümmert. Wir interessieren uns für Anwendungsfälle wie Benutzerhandbücher, Patientenakten oder Kundendienstdokumente, sagt Mohamed Musbah, Vice President of Product bei dem Unternehmen mit Sitz in Waterloo, Kanada. In diesen Bereichen haben Sie wirklich keine Datenflut.

Das Team von Maluuba verwendete einen beliebten Lernansatz für neuronale Netzwerke, der als Deep Learning bekannt ist, um sein System zu trainieren. Aber die Forscher entwarfen ihr Netzwerk, um Text auf verschiedenen Abstraktionsebenen zu berücksichtigen – von Wörtern über Phrasen bis hin zu Sätzen – und sie bereiteten das Netzwerk auch vor dem Training darauf vor, auf diese Weise gut zu lernen. Normalerweise werden Deep-Learning-Netzwerke vor dem Training zufällig konfiguriert. Dadurch konnte das Netzwerk sehr schnell lernen und führte zu einer um 15 Prozent besseren Beantwortung von Fragen als vor der Verwendung eines Deep-Learning-Ansatzes. Es war auch 2 Prozent besser als die beste handcodierte Lösung.

Auf den ersten Blick ist es ein großer Sprung, sagt er Yoshua Bengio , Professor an der Universität von Montreal und wissenschaftlicher Berater von Maluuba. Aber Bengio, der einer von wenigen Deep-Learning-Gurus ist, die jetzt mit Unternehmen an kommerziellen KI-Bemühungen zusammenarbeiten, warnt davor, dass es eine Weile dauern wird, bis Experten die Bedeutung des Ansatzes analysiert haben.

Die Idee, Maschinen beizubringen, mithilfe von Sprache effektiv zu lesen und zu kommunizieren, ist sicherlich verlockend. Es könnte mächtige neue Wege eröffnen, um mit Computern zu interagieren und Informationen zu schürfen. Aber das Verstehen von Text ist eine der größten Herausforderungen in der künstlichen Intelligenz; Computer stolpern normalerweise über die Tatsache, dass Sprache ein tiefes Verständnis dafür erfordert, wie die reale Welt funktioniert.

Trotz der Herausforderungen versuchen einige der größten Technologieunternehmen, KIs zu entwickeln, die Text verstehen können. Facebook sammelt Konversationsdaten über einen Hilfsdienst namens M, um seine Algorithmen darauf zu trainieren, sich auf natürliche Weise zu unterhalten (siehe Maschinen beibringen, uns zu verstehen). Google DeepMind, eine Tochtergesellschaft von Alphabet, die sich auf KI-Forschung konzentriert, leistet ähnliche Arbeit und trainiert Deep-Learning-Systeme, um Zusammenfassungen von Nachrichtenartikeln zu lesen (siehe Google DeepMind Teaches Artificial Intelligence Machines to Read ).

Bisher gab es jedoch keine großen Durchbrüche, und es ist unklar, wie schwierig es sein kann, Maschinen mit ausgefeilten Leseverständnisfähigkeiten auszustatten. Forscher machen große Fortschritte, indem sie wichtige Techniken des maschinellen Lernens optimieren und verbessern und Computer mit großen Mengen an kommentiertem Text füttern.

Die Art des maschinellen Lernansatzes, den die Maluuba-Forscher verwenden, erfordert normalerweise riesige Textschwaden, um zu lernen. Tatsächlich wurde die Menge an Text, die erforderlich ist, damit Deep Learning funktioniert, oft als einer der wichtigsten einschränkenden Faktoren angesehen (siehe Can This Man Make AI More Human? ). Eine grundlegende Herausforderung bei der Sprache besteht darin, dass die zur Darstellung verschiedener Konzepte verwendeten Wörter willkürlich sind, sodass es schwieriger ist, Verbindungen zwischen ihnen herzustellen als bei Bildern.

Maluuba, das 2010 von mehreren Absolventen der University of Waterloo gegründet wurde, hat zuvor einen intelligenten persönlichen Assistenten für Smartphones entwickelt und seine Forschung auf die Verarbeitung natürlicher Sprache oder das maschinelle Verständnis konzentriert.

Ich denke, es ist sicherlich ein Schritt nach vorne, sagt Richard Söcher , Mitbegründer einer KI-Firma namens MetaMind, die ebenfalls an der Sprachverarbeitung arbeitet. Es ist ein sehr ausgereiftes System, das gut verstandene und etablierte traditionelle Funktionen zur Verarbeitung natürlicher Sprache mit Ideen aus neuronalen Netzwerken kombiniert.

Chris Färber , ein Forscher an der Carnegie Mellon University, der sich auf die Verarbeitung natürlicher Sprache spezialisiert hat, stimmt zu, dass Maluubas Ergebnisse beeindruckend sind, glaubt jedoch, dass Maschinen ein echtes Verständnis der Welt erlangen müssen, um sich richtig unterhalten zu können – im Gegensatz zu der Fähigkeit, Statistiken zu erstellen Schlussfolgerungen aus dem Text. Dies wird wahrscheinlich bedeuten, über das reine Lernen aus kommentiertem Text hinauszugehen.

Computer sind in Bezug auf ihre Wahrnehmung und ihr Verständnis der Welt zu begrenzt, sagt Dyer.

verbergen