211service.com
Norėdami sukurti išmanesnį pokalbių robotą, pirmiausia išmokykite jį antrosios kalbos
Ponas. tech
Nuo „Alexa“ ir „Siri“ iki daugybės pokalbių robotų ir automatizuotų klientų aptarnavimo linijų – kompiuteriai pamažu mokosi kalbėti. Vienintelė bėda ta, kad jie vis dar labai lengvai supainiojami.
„Salesforce“ tyrimų grupė sugalvojo protingą būdą, kaip pagerinti daugelio šiuolaikinių kalbų programų veikimą – išmokyti algoritmą kalbėti kita kalba prieš mokant jį atlikti kitas užduotis.
Mašinų mokymas palaikyti nuoseklų pokalbį tebėra vienas iš didžiausių AI iššūkių, nes sakytinio ar rašytinio teksto prasmės išaiškinimas taip dažnai priklauso nuo platesnio pasaulio supratimo arba sveiko proto žinių (žr. AI kalbos problemą).
Pasirodo, kad mašininio mokymosi sistemos mokymas versti iš vienos kalbos į kitą automatiškai išmoksta naudingų dalykų apie žodžių ryšį ir tinkamą kontekstą. Kai ši sistema naudojama kaip kitos mašininio mokymosi sistemos pagrindas – tokia, kuri išmokyta palaikyti pokalbį, tarkim, aptikti jausmus tekste, ji veikia daug geriau nei sistema, išmokyta nuo nulio.
Mes imame mašininio vertimo duomenis ir iš esmės mokome modelį, kaip suprasti žodžius ir kontekstą, sako Ričardas Socheris , „Salesforce“ vyriausiasis mokslininkas ir mašininio mokymosi bei kalbos taikymo ekspertas.
Šis darbas yra vienas iš pavyzdžių, kaip mašininio mokymosi pažanga gali padėti pagerinti AI sistemų kalbos įgūdžius. Daugelyje giluminiu mokymusi pagrįstų kompiuterinės vizijos sistemų naudojamas tam tikras tinklo išankstinis mokymas, o Socheris teigia, kad mašininis vertimas gali pasiūlyti panašų būdą, kaip paleisti natūralios kalbos sistemas.
„Salesforce“, internetinė platforma, skirta valdyti klientų sąveiką pardavimo, rinkodaros ir prekybos srityse, jau siūlo daugybę dirbtinio intelekto įrankių per savo „Einstein“ platformą. Tai apima įrankį, skirtą automatiškai klasifikuoti el. pašto ar pokalbių pranešimų nuotaikas, ir kitą, skirtą pirmenybę teikti potencialiems klientams, kurių darbuotojas siekia pagal savo ankstesnę veiklą.
Socheris mano, kad šis atradimas padės pagerinti natūralios Einšteino platformos kalbos galimybes. Jis sako, kad tai labai naudinga pokalbių robotams ir automatizuojant klientų aptarnavimą.
„Salesforce“ mokslininkai parengė gilaus mokymosi sistemą, skirtą versti iš anglų į vokiečių kalbą. Tai apėmė daug išverstų dokumentų tiekimą į daugiasluoksnį neuroninį tinklą ir tinklo parametrų koregavimą, kol jis išmoko pats sukurti tinkamą vertimą. Sistema vaizduoja žodžius naudodama vektorius, o tai yra įprastas būdas koduoti ir analizuoti teksto reikšmę.
Tada mokslininkai mokė dvikalbį tinklą atlikti įvairius dalykus: nustatyti teksto dalies nuotaikas; klasifikuoti įvairių tipų klausimus; ir atsakyti į klausimus. Ir jie rodo, kad jų iš anksto parengtas tinklas pranoko tą, kuris nemokėjo antrosios kalbos.
Mašininio vertimo duomenų rinkiniai yra ypač dideli, o tai padeda įveikti mašininio mokymosi iššūkį. Tarp vertimo ir likusios kalbos yra svarbus ryšys, sako Bryanas McCannas, Salesforce tyrėjas, dalyvaujantis projekte. [Vertimo duomenų rinkiniai] yra labai bendro pobūdžio; juose yra informacijos, kuri gali būti naudinga natūralios kalbos apdorojimui.