Microsoft'un siyah teknolojisi, yapay zekanın insan iletişimini daha iyi anlamasını sağlar
AlphaGo'nun yılın ilk yarısındaki popülaritesi, giderek daha fazla insanın bu yepyeni teknolojiyi AI veya "yapay zeka" yı hatırlamasına neden oldu. Halbuki şimdi yapay zekadan bahsettiğimizde vakaların çoğu "zayıf yapay zeka" dan bahsediyor.
Bu nedenle, mevcut yapay zekanın daha çok belirli bir problem için karşılık gelen algoritmalar ve teknolojiler geliştirmekle ilgili olduğu gerçeğiyle de yüzleşmeliyiz. Bazı insanlar buna "bulmacaya benzer" bir çalışma yöntemi diyorlar: önce görsel bir modül yapın, sonra bir konuşma modülü ve her bir alt alanda iyi bir iş yapmak için bir mantık modülü bir araya getirin ve ardından eksiksiz bir akıllı sistemi birleştirin.
Yapay zeka bulmacaları tamamlanmaya devam ederken, bilgisayarlar gerçekten insanlar kadar akıllı olabilir mi?
Şu anda yapay zeka, 30'lu ve 40'lı yaşlarında deneyimli bir dünyanın en iyi satranç oyuncusunu kolayca yenebilir, ancak öğrenme yeteneği ve ortak görevleri tamamlama yeteneği de üç veya dört yaşındaki bir çocuktan çok daha az olabilir.
Bu sorunun cevabı "sağduyu" olabilir - anlamak her şeyin temelidir.
Bu soruna yanıt olarak, Microsoft Research Asia, makinelerin insan iletişimini daha iyi anlamasına ve anlamsal hesaplamalar yapmasına yardımcı olmak için Microsoft Concept Graph bilgi grafiğini ve Microsoft Concept Tagging modelini resmi olarak yayınladı. Microsoft Concept Graph, büyük ölçekli bir bilgi grafiği sistemidir. İçerdiği bilgi, yıllar boyunca biriken yüz milyonlarca web sayfasından ve arama günlüğünden gelir ve bu, makinelere sağduyu metni anlama bilgisi sağlayabilir.
Elma nedir?
İnsanlar resmi olarak ilkokul ve ortaokullarda sistematik eğitim alırlar ve öğrenme süreci çoktan erken başlamıştır. Bu doğuştan gelen içgüdü, ilkokula başlamadan önce "şeker tatlı bir besindir" ve "su sıvıdır" gibi temel kavramları anlamanıza olanak tanır ve yaşla birlikte, bu tür Belirli bir profesyonel alana ait olan açık sağduyu, aynı zamanda insanların bilişinde de birikmekte ve zenginleşmektedir.
Bugün Microsoft Research Asia tarafından yayınlanan Microsoft Concept Graph, bilgisayarların bu sağduyulu kavramları kopyalamasını sağlamaya çalışıyor. Temel bilgi tabanı 5,4 milyondan fazla kavram içeriyor.
Microsoft Concept Graph, "şehir", "müzisyen", vb. Gibi çoğu genel bilgi tabanında yer alan bazı kavramlara ek olarak, "anti-Parkinson tedavisi", "Ünlü Gelinlik Tasarımcısı" gibi milyonlarca uzun kuyruk kavramı da içerir. "," Temel suluboya becerileri ", vb. Bu kavramları diğer veritabanlarında bulmak zordur. Kavramlara ek olarak, Microsoft Kavram Grafiği ayrıca büyük miktarda veri alanı içerir (her bilgi kavramı bir dizi varlık veya alt kavram içerir; örneğin, "güneş sistemi" "Merkür", "Mars", "Dünya" vb. İçerebilir) .
Elmalar tatlıdır
"Elmalar tatlıdır" ifadesini gördüğünüzde, buradaki "elmaların" en yaygın meyve türümüze atıfta bulunduğundan neredeyse emin olabilirsiniz. Bu birkaç milisaniyede, "bağlama göre anlambilim belirleme" becerisini tetiklersiniz. Microsoft Research Asia'dan araştırmacılar da bilgisayarlar için bu beceri ağacını aydınlatıyor.
Microsoft Kavram Etiketleme modeli, metin girişi varlıklarını farklı anlamsal kavramlarla eşleyebilir ve varlık metin içeriğine bağlı olarak karşılık gelen olasılık etiketleriyle işaretlenebilir. Örneğin, "Microsoft" kelimesi, karşılık gelen olasılık etiketleri ile "yazılım şirketi" ve "teknoloji devi" gibi kavramlarla otomatik olarak eşleştirilebilir. Bu model, bilgisayarların sağduyulu bilgi işlem yeteneklerine sahip olmalarına ve insan bilincini "anlamalarına" olanak tanır, böylece insan metin iletişimini daha iyi anlayabilirler. Özellikle kavramsal model, varlıkları veya cümleleri, insan kavramsal muhakemesine dayalı olarak otomatik olarak öğrenilen çok sayıda kavram alanına (vektör uzayları) eşler. Bu haritalama ilişkisi hem insanlar hem de makineler tarafından anlaşılabilir. Bu nedenle model, metin kavramının eşleştirilmesi ve metnin anlaşılması için gerekli olan kelime öbeğinin anlamsal anlaşılması gibi işlevleri sağlar.
Microsoft Kavram Etiketleme modeli ile geçmişteki yaygın metin akıl yürütme modeli arasındaki temel fark, metni açık bir bilgi alanına eşleyen ve metni kavramsallaştıran ağa dayalı bir akıl yürütme modeli olmasıdır.
Anlamak her şeyin temelidir
Microsoft Concept Graph ve Microsoft Concept Tagging modellerinden sorumlu olan Microsoft Research Asia'nın kıdemli araştırma müdürü Dr. Jun Yan, "Yapmak istediğimiz şey, bilgisayarların insanları daha iyi anlamasını sağlamak." Dedi. "Anlamak her şeyin temelidir. Kullanıyoruz. Geçmişte bu yazılı olmayan açık alanlarda sağduyuya kapılan bilgisayarlar, bilgisayarların dünyayı daha görsel olarak anlamalarına yardımcı olabilir. "
Microsoft Kavram Grafiği ve Microsoft Kavram Etiketleme modelinin sonraki adımlarından bahseden Dr. Jun Yan, modelin şimdilik sadece İngilizce'yi destekleyebileceğini ve ayrıca Çin desteğini tamamlamak için üniversitelerle işbirliği yapacağını söyledi. Çin bilgi tabanının inşası tamamlandıktan sonra, kademeli olarak çok dilli versiyona genişleyecektir. İkincisi, insan dili aynı zamanda metaforlar, abartılar ve şakalar gibi üst düzey ve alanlar arası soyut ifade yöntemlerini de içerir.Bu aynı zamanda makinelerin bir sonraki öğrenmeye devam etmesi gereken yöndür. Son olarak, kısa metinlerin anlaşılmasından uzun metinlerin anlaşılmasına kadar, örneğin tamamen farklı iki hikayeyi anlamak gibi, ancak anlamsal düzey aynı gerçeği ifade ediyor, bu da üzerinde çalışmaya devam edecekleri yön.
