Çin Bilim ve Teknoloji Üniversitesi × MSRA | Dr. Zhou Mingin Ders Kaydı: Doğal Dil İşleme Hayatı Daha İyi Hale Getiriyor
Yazar: Microsoft Academic Cooperation
Bu makale Yaklaşık 5600 kelime , Okumanız tavsiye edilir 10 dakika
MSRA Dekan Yardımcısı Dr. Zhou Ming, "Sınırsız İletişim-Doğal Dil İşleme Hayatı Daha İyi Hale Getirir" temasıyla, doğal dil işlemenin (NLP) ilerlemesini, özellikle sinir ağı NLP'yi tanıttı ve gelecekteki teknolojik gelişmeleri tartıştı.Etiket: Natural Language Processing
Çin Bilim ve Teknoloji Üniversitesi × Microsoft Asya Araştırma Enstitüsü bir dizi ders başlattı. MSRA Dekan Yardımcısı Dr. Zhou Ming, "Sınırsız İletişim-Doğal Dil İşleme Hayatı Daha İyi Hale Getirir" temasıyla, doğal dil işlemeyi (NLP), özellikle sinir ağı NLP'yi tanıttı İlerleme, gelecekteki teknolojik gelişmeleri tartışır. Ayrıca, kurumsal bakış açısıyla yetenek eğitimi deneyiminden, öğrencilerin kişisel gelişimin gelecekteki yönünü bulmalarına yardımcı olmak, yumuşak ve sert güçlerini artırmak ve bilimsel araştırma ve kariyer gelişimi için sağlam bir temel oluşturmaktan bahsetti.
Konuşmacı tanıtımı
Microsoft Asya Araştırma Başkan Yardımcısı Dr.Zhou Ming
Uluslararası Bilgisayar Dilleri Derneği'nin (ACL) eski Başkanı, Çin Bilgisayar Topluluğu Başkan Yardımcısı, Çin Çin Bilgi Toplumu Daimi Konsey Üyesi ve Sermaye İşgücü Madalyası'nın sahibi. Uzun zamandır doğal dil işleme araştırmalarıyla uğraşmaktadır ve Çin'de ve dünyada NLP'nin gelişimine önemli katkılarda bulunmuştur.
Sınırlar olmadan iletişim - doğal dil işleme hayatı daha iyi hale getirir
Konu 1: Doğal dil işleme üzerine araştırmalara giriş
- Yapay zeka son yıllarda neden hızlı bir ilerleme kaydetti?
Bence teşvik edilmesi gereken üç husus var.
Birincisi veri , Eşi görülmemiş büyük veriye sahibiz. Makine öğrenimine dayalı büyük veri kullanılarak, verilerin yasaları elde edilebilir veya sisteme akıllı işlemleri gerçekleştirmesi için rehberlik edecek önemli bilgiler çıkarılabilir.
İkincisi Derin öğrenme ile temsil edilen algoritmalar . Derin öğrenme algoritmaları ve araçları ile yapay zekayı programlamak kolaydır.
Üçüncüsü Yeteneği hesapla . Artık büyük bir modeli bulut bilişim veya GPU kümeleri üzerinde eğitmek sorun değil. Son birkaç ayda eğitilemeyen modeller artık birkaç gün veya birkaç saat içinde eğitilebiliyor.
Bu üç unsur, konuşma, görüntü, doğal dil anlama ve diğer yönlerde yeni ilerleme kaydetmek için yapay zekayı teşvik etti.
- Sinir ağı doğal dil işlemenin temel teknolojisi
Sinir ağı doğal dil işleme şu anki ana akımdır. Bu şekil, son beş yıl içinde sinir ağı doğal dil işlemenin bazı gelişimini ve makine çevirisi ve okuduğunu anlama üzerine araştırmanın tanıtımını göstermektedir.
Bence sinir ağı doğal dil işlemenin en önemli 5 teknolojisi var.
ilk olarak kelime gömme Kelimelerin bir tür anlamsal ifadesi olan kelime gömme, kelimelerin anlambilimini temsil etmek için çok boyutlu vektörler kullanır.
İkincisi cümle yerleştirme , Cümle yerleştirme, yani bir cümlenin anlamsal ifadesi.
Üçüncüsü kodlayıcı kod çözücü , Bir dizeyi başka bir dizeye dönüştürün, bir kodlayıcıdan geçin ve sonra elde etmek için bir kod çözücüden (kod çözücü) geçin. Kodlama ve kod çözme düzeyini artırmak için dikkatle Kodlayıcı kod çözücü adı verilen bir teknoloji (dikkatle kodlayıcı kod çözücü) geliştirildi.
Dördüncü teknik Transformatör , Tekrarlayan sinir ağının kodlama ve kod çözme yeteneklerini geliştirmek için bir öz-dikkat modeli tanıtıldı.
Son teknik Önceden eğitilmiş model . Bu beş teknoloji şu anda sinir ağı doğal dil işlemenin temel teknolojileridir.
Kelimelerin anlamsal gösterimi nasıl elde edilir? Word2vec adlı bir yöntem sunuyorum.
Bir kelimenin anlamının bağlama göre belirlenmesi gerekir. Kelimeleri ifade etmek istiyoruz, aslında eşanlamlıları ve eşanlamlıları semantik uzayda benzer hale getirmek istiyoruz. Bir kelimeyi ifade ettiğimizde, etrafındaki kelimelerle temsil edilir. "Dostlarını anlamını bilerek izlemek" denen bir söz vardır. Örneğin, banka kelimesi, özellikle ne anlama geldiğini söylemek zordur, ancak genellikle ne tür bir kelimeyle bağlantılı olduğunu ve ilişkinin ne kadar güçlü olduğunu biliyorsanız, muhtemelen kelimenin anlamını tahmin edebilirsiniz.
Word2vec, tahmin yeteneklerini hesaplamak ve eğitmek için büyük ölçekli bir topluluk kullanır. Örneğin, bir sinir ağı yoluyla ortadaki kelimeyi tahmin etmek için bir kelimenin solunda iki kelime ve sağında iki kelime kullanabilirsiniz. Başlangıçta tahmin yanlış olmalıdır.Ağ başlatıldıktan sonra, birden fazla örnekle eğitim verildikten sonra, ağın kararlı olduğu varsayılarak daha doğru bir tahmin sonucu elde edilebilir. Bu şekilde her bir kelimenin anlamsal temsili elde edilir. Benzer şekilde, iki veya daha fazla sol ve sağ kelime, mevcut kelime tarafından tahmin edilebilir ve ağ ağırlığı, daha iyi bir tahmin elde etmek için tahmin hatasına göre ayarlanabilir.
Aşağıda kısaca "ön eğitim modeli" tanıtılmaktadır. Yukarıda bahsedilen gömme kelimesi statiktir. Örneğin, banka kelimesi, bağlam ne olursa olsun, aynı kelime katıştırmasıdır. Ama aslında bankanın farklı bağlamlarda farklı anlamları vardır. Dinamik bilgiyi yansıtmak için, her bir kelimenin anlamını farklı bağlamlarda yansıtmak için önceden eğitilmiş bir doğal dil modeli tanıtıldı. Genel olarak konuşursak, Maskeli LM şu anda yaygın olarak kullanılmaktadır, yani belirli bir kelimeyi kapsamak, kelimeyi bağlama göre bir ağ üzerinden tahmin etmek ve ardından tahmin kriter değilse ağı ayarlamak için kullanılır. Belirli bir cümlenin mevcut cümlenin sonraki cümlesinin olup olmadığını tahmin etmek gibi başka görevler de ekleyebilirsiniz. Bu bilgiye dayalı olarak, giriş cümlesi için bağlamla ilgili kelimelerin vektör temsilini elde etmek için bir ağ eğitilebilir. Bu eğitim öncesi modele dayanarak, doğal dilin bağlamı ve tek cümleleri iyi bir şekilde modellenebilir.
Doğal dil işleme ne yapabilir? İşte bazı örnekler. Anlamsal analiz yapabilir. Bir cümle aracılığıyla, anlamsal ifadesini analiz edeceğiz. Bağlam ilgiliyse, aşağıdaki anlamsal analize yardımcı olmak için yukarıda elde edilen sonuçları kaydedin.
Yapılandırılmış bir bilgi temsili elde etmek için bir metinden önemli bilgileri çıkarabiliriz, zamanı, yeri, kişiyi vb. Çıkarabiliriz. Bilgi çıkarma, arama, otomatik özetleme ve otomatik soru-cevap vb. İçin kullanılabilir.
Resimlere açıklama da ekleyebiliriz. Belirli bir görüntünün içeriğini anlayın ve doğal bir dil tanımı verin.
Ayrıca iyi makine çevirisi, işaret dili çevirisi, beyit, şiir yazımı vb. De yapabiliriz.
Konu 2: Gelecekteki teknoloji geliştirme eğilimlerini tartışın
Doğal dille ilgili sorunlar nelerdir?
Birincisi, sağduyu ve mantıktan yoksundur.
Bazen birden fazla diyalog turu vardır ve ön ve arka tekerlekler tutarsızdır, çünkü robot ön tekerlekten gelen bilgileri iyi kaydetmez ve diyalog sırasında akıllıca etkinleştirmez, bu da zaman, uzay ve mantık vb. Konularda tutarsızlıklara neden olur. fenomen.
Şu anda eğitim için özellikle yoğun kaynak gerektiren büyük ölçekli bilgi işlem kaynakları kullanıyoruz ve herkes GPU'ları alıyor. Bilgi işlem gücünde lider bir konuma sahip olmak için birçok büyük şirket, eğitim sürecini desteklemek için yeni yongalar ve büyük ölçekli GPU kümeleri geliştiriyor. Bu, kaynakları hesaplamak için sonsuz bir silahlanma yarışı haline geliyor.
Verinin kendisinde de sorunlar var. Veriler etiketlendiğinde, etiketleyicinin veya kaynağın sorunu nedeniyle, verilerin etiketlenmesinde bazı sapmalar olur ve eğitim modelinde de birçok sapma vardır. Verinin kendisinin sapması nasıl ortadan kaldırılır? Ayrımcılık nasıl ortadan kaldırılır? Bu, şu anda iyi çözülmemiş bir sorundur.
Gizlilik sorunları da var. Kullanıcı verilerini eğitim için kullanamazsak kişiselleştirilmiş hizmet sağlayamayız. Ancak eğitim için kullanılırsa, kullanıcının mahremiyetini ihlal edebilir. Gizlilik koruması altında makine öğrenimi nasıl yapılır? Örneğin, mevcut federal öğrenim çok önemli bir araştırma yönüdür.
Gelecekteki teknolojik gelişme ile ne yapmak istiyoruz?
Sürekli öğrenen açıklanabilir, bilgili, etik ve ekonomik bir NLP olmak istiyoruz. Örneğin, kaynak açısından zengin görevler için bağlam modelleme, veri düzeltme, çok görevli öğrenme ve yapay bilginin tanıtımı yapılmalıdır; veri kaynakları olmayan görevler için, diğer alanları veya genel bilgileri belirli alanlara tanıtmak için aktarım öğrenmesi çalışılmalıdır. Veya modelin soğuk başlatılmasını sağlamak için insan bilgisini tanıtın ve ardından kullanım sırasında yeteneklerini kademeli olarak geliştirin.
Gelecekteki araştırma odakları aşağıdaki 10 yönü içerir.
Eğer ilgileniyorsanız, sinir ağlarının ayrıntılı tanıtımı, Soru-Cevap veya çeviri için en son iki kitabımıza bakabilirsiniz.
Konu 3: Yetenek eğitimi deneyimini işletmelerin bakış açısından keşfedin
Şimdi, üniversite mezunlarımızın sayısı hızla artıyor, ancak birçok öğrencinin şirkete geldikten sonra, ister mesleki beceriler ister başkalarıyla iyi geçinme yeteneği olsun, şirketin gereksinimlerinden çok uzak olduklarını gördük. Elbette bu da normaldir, herkesin yeniden öğrenme ve yeniden uyum süreci vardır. Bununla birlikte, üniversite düzeyinde belirli konularda bilinçli olarak kendinizi ayarlarsanız, topluma geldiğinizde hızlı bir şekilde adapte olabileceksiniz. Mevcut yetenek eğitimi mekanizmamız birçok mühendis ve sıradan yetenek yetiştirdi, ancak nispeten az sayıda önde gelen yetenek. Okul, bazı üstün yeteneklerin eğitimini nasıl güçlendirebilir ve bu tür yeteneklerin gerekli niteliklerini nasıl güçlendirebilir? Grubumuz geçmişte 500 öğrenci yetiştirdi ve 20'den fazla doktor ve 20'den fazla post-doktor var, ayrıca bazı deneyimlerimiz var, burada sizlerle paylaşmama izin verin.
Üstün yeteneklerin yetiştirilmesinin kalitenin üç yönüne odaklanması gerektiğini düşünüyorum.
Birincisi, yaşam felsefesidir, insanların yaşamı için bir gereklilik ve yüksekliktir. Gereksinimler ne kadar yüksek ve büyüme alanı ne kadar büyükse, başarı o kadar iyi mümkündür. İkincisi, matematik ve programlama gibi sert güç, mesleki becerilerdir. Üçüncüsü, yumuşak güç, EQ, yürütme yeteneği, planlama yeteneği ve iyimserliktir.
Görüşlerimi herkese ayrı ayrı açıklamak istiyorum.
Birincisi, yaşam felsefesi. İnsan ahlakına ek olarak, kalitenin çok önemli olan üç yönü vardır.
Birincisi, yeniliği takip etmektir. İnovasyon, sıradan insanlardan ve geleneklerden farklı bazı fikir ve anlayışlar ortaya koymak, toplumsal ihtiyaçları karşılamak için iyileştirmek, yeni teorik yöntemler, teknik modeller ve ürünler yaratmak, üretkenliği artırmak ve insanlığa fayda sağlamaktır. Örneğin Jobs, Jobs'un hayatı boyunca yenilik yapmaya devam ettiğini bilir. Hem liberal sanatlar hem de bilim niteliklerine sahip.Çoğu insan onun bilim ve mühendislik alanında bir adam olduğunu düşünüyor, ancak gerçekte Jobs, okulu bırakmadan önce tipik bir liberal liberal sanatlar koleji olan Reed College'a gitti. Jobs'un öğrenmeyi sevdiği seçmeli dersler kaligrafi ve danstır.Kaligrafi ve dansta öğrenilen bazı estetik bakış açıları Apple'ın bilgisayar tasarımına dahil edilmiştir. Ürünlerde inovasyon yapmamız gerektiğini de vurguladı İnovasyon, lider mi yoksa takipçi mi olduğunuzu belirler, en iyi insanlarla çalışmalısınız. Ürün yeniliğini cesurca destekledi, Apple'ı düşüşten kurtardı ve en yüksek piyasa değerine sahip şirketlerden biri oldu. Bu yüzden sınıf arkadaşlarımız en baştan inovasyon yeteneğini geliştirmelidir.
İkincisi, büyüme zihniyetidir. Sabit ve büyüyen olmak üzere iki tür insan düşüncesi vardır. Herkesin bu iki fikri vardır. Sabit düşünme, insanların özelliklerinin ve yeteneklerinin doğası gereği sabit olduğuna ve günden sonra değiştirilemeyeceğine inanır. Bu tür bir düşünme, adım adım, rahat ve huzurlu, başarısızlık korkusuna ve yalnızca iyi oldukları şeyi yapmaya istekli olmaya yol açar. Gelişen zihniyet, herhangi bir beceri ve yeteneğin sürekli öğrenilebileceğine ve geliştirilebileceğine inanır.Matematikte iyi olmadığımı söyleyen doğuştan gelen bir çerçeve yok, bu yüzden matematik yapmayacağım, İngilizcem iyi değil ve asla İngilizce öğrenmeyeceğim. Hayır, ancak karşı saldırıya geçmek, kendinize meydan okumak ve ilgili bazı yeteneklerinizi güçlendirmek için. Örneğin, Microsoft CEO'su Nadella, büyüme zihniyetini savunuyor ve yeniliği teşvik ediyor. Microsoft, nispeten rahat bir alandan, PC'lerden ve işletim sistemlerinden, alışılmadık ancak geliştirme için daha fazla alana sahip olan meta-hesaplamaya ve açık kaynağa geçti ve şirkete geliştirme için daha fazla alan sağladı.
Üçüncüsü, modelin yüksek olması gerektiğidir, yani yaşam alanı yüksek olmalıdır ve zengin ve güvende olamazsınız. Örneğin, Microsoft'un kurucusu Bill Gates, Microsoft'un yönetim kurulundan kısa süre önce istifa ettiğini ve kendisini hayır kurumlarına adadığını herkes biliyor. Microsoft'tayken, başından beri yüksek bir vizyonu vardı. Şirket küçükken ileride herkesin masasında bir bilgisayar olacağını ve herkesin benim yazılımımı bilgisayarında çalıştıracağını söyledi. Şirket büyüdükten sonra, insanlığın ortak gelişiminin karşılaştığı halk sağlığı gibi bazı sorunları düşündü ve neredeyse tüm parasını ve enerjisini insanlığın karşılaştığı bu ortak sorunlara adadı. Ayrıca herkesin gelecekte daha fazla para kazanmaktan ve ev almaktan bahsetmeyi bırakacağını umuyorum. Bu hayatı kendi yeteneğimizle bitirirsek, insanlara çok önemli sorunları çözmede yardımcı olabileceğimizi düşünmeliyiz, bunları çözme yeteneğine ve yeteneğine sahibiz.
Yaşam felsefesinden sonra ikincisi sert güçtür. Matematik çok önemlidir, model oluşturmak, türetmek, istatistik yapmak, yasaları bulmak vazgeçilmez bir araçtır. Az önce sinir ağı doğal dil işlemeyi tanıttım, arkasında biraz matematik var. İkincisi, İngilizce çok önemlidir. Üniversitede herkes çok fazla İngilizce öğrendi ama bazı öğrenciler mezun olduktan sonra yurt dışına çıktılar ve ağızlarını açamadılar.İngiliz edebiyatını okumada bazı engeller vardı. İngilizce, sürekli öğrenme ve yaşam boyu öğrenme sürecidir. Üçüncüsü, programlamanın önemini vurgulamak istiyorum. Programlamayı bilmiyorsak, bu şeylerin bir fantezi haline geleceği konusunda bir fikrimiz var. Başlangıçta yeni fikirlerle, sürekli yinelemeyle, daha iyi ve daha iyi hale gelen çok naif bir program programlayabilirseniz ve sonunda bazı büyük yenilikler olacaktır.
Üçüncüsü yumuşak güç, burada biraz daha konuşayım.
EQ'su yüksek insanlar kendilerini anlarlar, kendilerini yönetebilir ve motive edebilirler, aynı zamanda diğer insanların duygularını da anlarlar, kişiler arası ilişkileri iyi idare ederler, baskıya katlanırlar, kendinden eminler ama kayıtsız değiller. Başkalarına saygı duyar, başkalarına yardım etmeye isteklidir ve başarısızlıktan korkmaz. Düşük EQ'nun performansı, zayıf öz farkındalık, özgüven eksikliği, hedeflerden emin olmama, başkalarına bağımlılık, diğer insanların duygularını dikkate almama, kişilerarası ilişkilerle başa çıkma konusunda zayıf yetenek, düzensiz yaşam, şikayet etme sevgisi, zayıf psikolojik dayanıklılık, biraz darbeye dayanamama, ilişki yok Başkalarıyla iletişim kurun.
Yumuşak güç, çevreye uyum sağlama yeteneğinde de kendini gösterir. Örneğin, üniversiteden mezun olan sınıf arkadaşları bir araya gelirse, daha sonra birkaç sınıf arkadaşının çok iyi olduğunu göreceksiniz, ancak o üniversitedeki en iyi öğrenci değildi, ancak yeni bir işe veya topluma geldi ve hızla kendini ayarladı. Kendi eksikliklerinizi hızla telafi edin, başkalarından öğrenin, kitaplardan öğrenin ve daha iyi ve daha iyi olun. Bununla birlikte, çevre konusunda pek rahat olmayan pek çok insan vardır, her zaman çevrenin kendisine haksız olduğunu düşünürler, aksiliklerle karşılaştıklarında cesaretleri kırılır ve büyümek için iyi bir yerleri yoktur. Sonra 10 veya 20 yıl geçtikten sonra diğerleri ilerlerken o hareketsiz duruyor, hatta geriye doğru.
Ayrıca olumlu ve iyimser bir ruh var. Olumlu bir kişi her zorluğu görür ve bazı fırsatları görür, olumsuz bir kişi ise bazı üzüntüler görür. Dolayısıyla fırsatlar hem krizler hem de yeni fırsatlar anlamına gelir.
Son olarak, umarım hepiniz üniversitenizi 4 yıl boyunca iyi planlarsınız.
İlk kaydolduğumda, çok olgunlaşmamış ama hamile bir insandım, bir parça çiğ yeşim, umarım çok çalıştıktan ve planladıktan 4 yıl sonra kampüsten ayrılırsınız. Cesur ve stratejik bir ulusal direk olun. Bir atasözünün dediği gibi, idealler sabah yıldızları gibidir, onlara asla dokunamayız, ancak denizciler gibi gezinmek için yıldızların konumunu kullanabiliriz. Lütfen size uygun bir yol seçin, ona bağlı kalın ve başarılı olana kadar ona bağlı kalın.
Bugünkü dersim bu, umarım herkes doğal dil işlemenin temel teknolojisini, mevcut gelişimi ve gelecekteki eğilimleri anlar. Herkesin de düşünmesini umuyorum Üniversitenin ilk yılı olan araştırmanızın başında kendinizi ayarlayacak ve gelecekteki araştırma kariyerinize hazırlanmak için buna uygun planlar yapacaksınız.
QA
S: Şimdi bilgisayar programlama yapan sınıf arkadaşlarımız derin öğrenme, yapay zeka, NLP vb. Gibi algoritma gönderilerinin peşinde koşuyor. Ülke ayrıca yapay zeka için yeni yönler geliştiriyor ve herkes giderek bu yönde sıkışıyor. Bu fenomen sağlıklı mı? Mezun olduktan sonra iş bulabilir miyim?
Bence öncelikle yapay zeka çok önemli.Birincisi ülke ona büyük önem veriyor.İkincisi, yazılım ve donanım da dahil olmak üzere kalkınma için büyük bir gelecek var.Güvenlik, tıbbi bakım, sağlık, ulaşım gibi çeşitli uygulamaların çözülmemiş birçok sorunu var. Ancak bu herkesin yapay zeka peşinde koşması gerektiği anlamına gelmez. Şimdi programlama da dahil olmak üzere bazı yapay zeka öğrenmek ve gelecek için yapay zeka olmayan bazı yönlendirmeler yapmak da yararlıdır. Yapay zeka sadece bir beceri değil, aynı zamanda bir düşünme biçimidir.Düşünme şeklini başka alanlara uygulamak da yeteneğinizi artıracak ve inovasyonunuzu hızlandıracaktır. Başkalarının ne yaptığını değil, ne yapmak istediğinize bağlı olarak kalbinizi izleyin. Aynı zamanda, üniversite sırasında eklektik olmalı ve anahtar teknolojileri, özellikle temel parçaları, matematiği, algoritmaları ve programlamayı iyi bir şekilde edinmeliyiz, böylece gelecekte kendinizi kolayca uyarlayabilirsiniz.
S: Pek çok öğrenci, eğitim öncesi modelin alanımızı taradığını ve çok fazla hesaplama gerektirdiğini düşünüyor.Herkes yalnızca ince ayar görevleri yapabilir ve laboratuvar koşullarında bile ince ayar yapmak daha zordur. Bu yönde araştırmaya nasıl devam edilir ve bilgi işlem gücüne olan bağımlılık nasıl azaltılır?
Sınıf arkadaşlarımız hala öğrenme aşamasında oldukları ve MSRA veya diğer şirketler gibi doğrudan inovasyon aşamasına ulaşmadıkları için, ana deneyim hala mevcut bilgi ve temeli öğrenmektir. Öğrenme iki aşamaya bölünmelidir. Birincisi temeli atmak ve ikincisi uygulamaktır.Farklı aşamaların kaynaklar için farklı gereksinimleri vardır.Herkes mevcut kaynak durumuna uyum sağlamaya çalışmalı, kendinizi dağıtmalı ve bilgi işlem kaynaklarından sıkılmamalı.
S: Derin öğrenmemiz beyin benzeri öğrenmeye dayandığı için bazı öğrenciler biyoloji eğitimi alıyor. Bu, makine öğrenimimize yardımcı olur mu? Doğal dil işleme bilgisinin çoğunun disiplinler arası alanlarda yapılması gerekir.Bunu diğer disiplinlerden kendi disiplinimize yapabilir miyiz?
Bence önce çapraz disiplin kurmanın her zaman yararlı olduğunu düşünüyorum. Geçmişte, sayısız gerçek disiplinlerarasılığın yeni fikirler ürettiğini kanıtladı, ancak disiplinler arasılığın farkına varmadan önce körü körüne olmayın. İlk olarak, kendi bilimimizi sağlamlaştırmalı ve insanlığın mevcut deneyim ve becerilerine hakim olmalıyız. , Bu temelde, disiplinlerarası aramaya gidin. İkinci olarak, başka bir alandaki bir sınıf arkadaşından veya öğretmenden sizinle işbirliği yapmasını istemeniz en iyisidir Herkesin kendi güçlü yanları vardır ve daha iyi ilerleme kaydedebilir ve fazla önyargılı olmanızı önleyebilir. Bu nedenle disiplinler arası süreçlerin de adım adım vurgulanması gerektiğini düşünüyorum.
Beyin bilimine geri dönersek, beyin bilimi doğal dil işlemenin ne kadar iyi olduğunu kanıtlamadı.Gelecekte mümkün mü? Bu mümkündür, çünkü bazı sinir ağları algoritmaları veya yapıları geliştirilebilir. Geçmişteki en eski sinir ağları da beyin biliminden ilham almıştı, ancak şimdi durgun durumdalar ve beyin biliminin NLP veya diğer yapay zeka için ne kadar ilerleme kaydettiğini görmek zor. Belki gelecekte birikim belli bir düzeye ulaşacak ve bir patlama süreci daha yaşanacaktır. Umarım öğrenciler gözlerini açık tutarlar, önce kendi alanlarını anlarlar ve diğer konulara da dikkat ederler. Gelecekteki fırsatları yakalamaya çalışın, ancak olgunlaşmadan önce endişelenmeyin, temeli atın, başarılı olmak için acele etmeyin.
Editör: Wang Jing
Redaksiyon: Lin Yilin
-Bitiş-
Tsinghua-Qingdao Veri Bilimi Enstitüsü'nün resmi WeChat kamu platformunu takip edin " AI Veri Pastası "Ve kız kardeş numarası" Veri Pastası THU "Daha fazla ders avantajı ve kaliteli içerik elde edin.
