211service.com
Aby stworzyć inteligentniejszego chatbota, najpierw naucz go drugiego języka
Pan. technika
Od Alexy i Siri po niezliczone chatboty i zautomatyzowane linie obsługi klienta, komputery stopniowo uczą się mówić. Jedynym problemem jest to, że nadal bardzo łatwo się mylą.
Zespół badawczy w Salesforce wymyślił sprytny sposób na poprawę wydajności wielu nowoczesnych programów językowych — uczenie algorytmu mówienia w innym języku przed nauczeniem go wykonywania innych zadań.
Uczenie maszyn prowadzenia spójnej rozmowy pozostaje jednym z największych wyzwań w sztucznej inteligencji, ponieważ rozplątywanie znaczenia tekstu mówionego lub pisanego często opiera się na szerszym rozumieniu świata lub wiedzy zdroworozsądkowej (patrz Problem językowy AI).
Okazuje się, że uczenie systemu uczenia maszynowego do tłumaczenia między dwoma językami automatycznie uczy go przydatnych rzeczy na temat relacji i odpowiedniego kontekstu słów. Kiedy ten system jest używany jako podstawa dla innego systemu uczenia maszynowego — takiego, który został przeszkolony do prowadzenia rozmowy, powiedzmy, lub do wykrywania nastrojów w tekście — działa znacznie lepiej niż system przeszkolony od podstaw.
Bierzemy dane z tłumaczenia maszynowego i zasadniczo uczymy model rozumienia słów i kontekstu, mówi Ryszard Socher , główny naukowiec w Salesforce i ekspert w zakresie stosowania uczenia maszynowego i języka.
Praca jest jednym z przykładów tego, jak postępy w uczeniu maszynowym mogą pomóc poprawić umiejętności językowe systemów AI. Wiele systemów widzenia komputerowego opartych na głębokim uczeniu wykorzystuje pewną formę wstępnego uczenia sieci, a Socher sugeruje, że tłumaczenie maszynowe może oferować podobny sposób do ładowania systemów w języku naturalnym.
Salesforce, internetowa platforma do zarządzania interakcjami z klientami w zakresie sprzedaży, marketingu i handlu, oferuje już za pośrednictwem platformy Einstein szereg narzędzi AI. Obejmują one narzędzie do automatycznej klasyfikacji nastrojów wiadomości e-mail lub wiadomości na czacie, a także narzędzie do ustalania priorytetów potencjalnych klientów na podstawie jego wcześniejszej aktywności.
Socher uważa, że to odkrycie pomoże ulepszyć możliwości języka naturalnego platformy Einsteina. W przypadku chatbotów i automatyzacji obsługi klienta jest to bardzo przydatne, mówi.
Badacze Salesforce wyszkolili system głębokiego uczenia się do tłumaczenia z języka angielskiego na niemiecki. Wiązało się to z dostarczaniem dużej liczby przetłumaczonych dokumentów do wielowarstwowej sieci neuronowej i dostosowywaniem parametrów sieci, aż nauczyła się tworzyć dla siebie przyzwoite tłumaczenie. System reprezentuje słowa za pomocą wektorów, co jest powszechnym sposobem kodowania i analizowania znaczenia w tekście.
Następnie badacze wyszkolili sieć dwujęzyczną, aby robiła różne rzeczy: określała sentyment fragmentu tekstu; klasyfikować różne rodzaje pytań; i odpowiadać na pytania. I pokazują, że ich wcześniej wyszkolona sieć przewyższała wydajność tej, która nie nauczyła się drugiego języka.
Zestawy danych tłumaczenia maszynowego są szczególnie duże, co pomaga w sprostaniu wyzwaniu uczenia maszynowego. Istnieje ważny związek między tłumaczeniem a resztą języka, mówi Bryan McCann, badacz w Salesforce zaangażowany w projekt. [Zbiory danych tłumaczeniowych] są bardzo ogólne; zawierają informacje, które mogą być przydatne na całym świecie do przetwarzania języka naturalnego.