【亚博APp安全有保障】Salesforce首席科学家:NLP还需跨越的三座大山

  • 时间:
  • 浏览:3267
  • 来源:亚博apP靠谱
本文摘要:2018年,NLP领域有很多悲伤的进展。

2018年,NLP领域有很多悲伤的进展。例如,谷歌在I/O大会上报道谷歌展示了谷歌Assistant中的Duplex技术,在解读上下文的情况下需要倒数对话,微软公司的小冰发表了全双工语音感官对话和共鸣模式,聊天能力升级,不仅可以继续对话,还可以引领话题,发展了写诗、写概要、写作词作曲合唱等才能。但是,我们离电影《Her》中那个体贴全能的人工智能里斯曼萨还很远。NLP领域需要解决什么问题?NLP大牛、Salesforce首席科学家Richard,Socher特意认为NLP领域的三座山,展开了不改变意图的编辑。

【照片来源:ticarysolutions】语言是人类独特的能力,是智慧的反映。但是,通过人工智能技术,特别是自然语言处理(NLP),我们表现了机器解读语言的能力,为我们的人类和机器的交流构筑了新的领域。

今天,你可以走出黑暗的客厅,拒绝Alexa关上智能灯,调整到75%的亮度,让人感到舒适。或者,可以通知世界另一个天气情况。行业获得的最近的变革反映在谷歌最近释放的Duplex的展示中。

在展示中,人工智能助理可以给业者打电话,完成购票。曾多次看起来像科幻小说,现在已经成为现实,但为了构筑确实简单的嵌入式,机器需要处理更直观、更自然的对话。

我的职业生涯集中在NLP技术上,这是和人工智能一样古老的研究领域,我们还处于这次旅行的开始阶段。语言是分享信息和与周围人交流的基本工具,但是机器必须很难解读语言的复杂性,以及我们人类如何充分利用语言进行交流。情感分析、解说系统和领导多任务自学技术的变革,人工智能确实需要解读人类的意图和我们交流的方法。

情感分析被迫说,语言天生就很难。它大大进化,高度微小,普通人必须每年自学控制。

通过情感分析技术,我们可以利用AI解读等价语言的特定内容,如提到的品牌、正面、负面、中性的电影评论。但是,也可以解释说话者的态度和意图(她生气了吗?你高兴吗?你惊讶吗?你打算买吗?)的双曲馀弦值。的双曲馀弦值。

的双曲馀弦值。从客服到线上社群审核,再到算法交易,通过即时分析上千条推文或上百条产品评论,了解大众对品牌的感受,对企业来说是非常有价值的。情感分析技术已经不存在一段时间了,但不总是正确的。但是,随着NLP技术的变革而提高。

在Salesforce中,我兼任首席科学家,我们的爱因斯坦人工智能服务允许品牌制造商动态分析电子邮件、社交媒体和聊天对话中的感情,获得更好的客户体验。正确的情绪分析结果可以给企业带来很多协助。例如,服务代理人必须优先协助不失望的客户,应该向谁提供广告宣传优惠,可以识别产品的缺失,测量整体产品的满意度,以及通过社交媒体渠道监视品牌的满意度。

目前,其他科技公司也获得类似的服务。我们也要背诵上下文的含义。

假设你经营肥皂做生意,有人在微博上写道:这种肥皂对宝宝来说很有意思。这可以被视为肥皂适合婴儿的大力接受,或者嘲笑对年龄稍大的孩子来说是不好的。那句话有太多的语境,这只是一个非常简单的陈述!教会人工智能分析句子结构的所有可能性,并解释人们在特定上下文中的意图,这是自然语言处理研究中的许多挑战。它既要标注的数据改进模式培训,又要新模式,这些模式可以自学上下文,同时在众多不同类型的任务中分享内容。

解说系统随着NLP技术需要更好地分析文本的意思,帮助管理生活的数字助理的智能程度不会提高。Siri和GoogleAssistant等应用程序已经需要为常见问题获得非常好的答案,需要继续执行非常简单的命令。

理想的情况下,我们必须询问计算机给出的问题,做出良好的反应。更好的应对方法之一是确保计算机需要解读这个问题。

如果你问:我的飞机什么时候到位?电脑怎么告诉你是在谈论航班还是从Amazon购买的木工工具?计算机通过更加理解地解读语义,更加智能地用于上下文的数据,更好地推测我们的意图。用于NLP,我们正在研究如何自学上下文的所有意义,以便AI能够一次处理所有上下文,错过最重要的信息。

例如,动态共计探讨网络(dynamic,例如哪个队代表超级碗50中的NFC?谁在第四节完成了接触点?通过这样有条件的说明,可以多次假设答案,取得最差、最准确的结果。领先多任务自学科学界擅长运营良好的单一任务的人工智能模型。

但是,更直观、对话性、上下文的解读,AI模型需要大幅度的自学-构建新的任务和原来的任务,在过程中自学继续更简单的任务。一般来说,这个想法对AI是正确的,但在语言方面是正确的,这里需要灵活性。谁是我的客户?这个问题明确提出了创建客户列表的非常简单的任务。

但是,接下来的问题是谁是西北太平洋地区最适合特定产品的消费者?现在我们加入了复杂性,必须问限定版的问题。例如,如何定义最差?每个客户在哪里?什么因素使顾客对产品感兴趣?每次减少必须搜索的项目,问题的复杂性急剧减少。

SalesforceResearch最近成立了自然语言技术十项全能竞赛,该竞赛利用问答系统的力量,在单一模型中处理NLP十项最困难的任务:问题、机械翻译、总结、自然语言推理小说、情感分析、语义、角色标志、关系提取、目标对话、数据库搜索分析和代词分析。用于多任务解说模型完成测试,单个模型在没有特定参数和模块的情况下可以领先自学和处理不同的任务。

这不仅意味着数据科学家必须为每个任务创建、训练和优化分离的模型,也意味着这个模型具有zero-shot的自学能力。换句话说,这个模型需要处理以前从未见过的任务或者经过专业训练的任务。随着研究人员的改良,AI互动在处理更简单的任务时看起来更智能。

我们已经在NLP技术上花了很长时间,但还处于初期阶段。但是,NLP的改良希望AI能改变我们与机器的交流方式。Viahbr.org涉及文章:2018年NLP领域继续疯狂,制造商挖掘落地场景的原创文章,允许禁止发表。下一篇文章发表了注意事项。


本文关键词:亚博apP靠谱,亚博APp安全有保障

本文来源:亚博apP靠谱-www.ilyodurso.com