Система машинного навчання агрегує знання, шукаючи інформацію в Інтернеті

Тут, у 2016 році, ми маємо проблему з даними – але це далеко не та проблема з даними, з якою люди стикалися в попередні десятиліття. Замість того, щоб відчувати брак інформації, проблема, з якою стикаються користувачі сьогодні, полягає в тому, що інформації просто занадто багато і її необхідно звести в одне кероване місце.

Саме цю проблему намагаються вирішити дослідники з Массачусетського технологічного інституту в своїй новій роботі, яка отримала нагороду “найкраща робота” на конференції Асоціації комп’ютерної лінгвістики з емпіричних методів обробки природної мови, що відбулася в листопаді.

Робота прагне перевернути традиційні методи машинного навчання з ніг на голову, пропонуючи новий підхід до вилучення інформації – який дозволяє системі штучного інтелекту перетворювати звичайний текст на дані для статистичного аналізу і покращувати свою продуктивність, шукаючи відповіді в Інтернеті.

• Microsoft попереджає, що використання Internet Explorer може призвести до збоїв у роботі
• Google, можливо, тільки що виправив найбільш дратівливу проблему Chrome
• Як користуватися новою функцією спільнот в Microsoft Teams

“Цей метод схожий на те, як ми, люди, шукаємо і знаходимо інформацію, – розповів Digital Trends Картік Нарасімхан (Karthik Narasimhan), аспірант факультету електротехніки та комп’ютерних наук Массачусетського технологічного інституту. “Наприклад, якщо я знаходжу статтю з посиланням, яке я не можу зрозуміти, я знаю, що для того, щоб зрозуміти його, мені потрібно більше навчання. Оскільки у мене є доступ до інших статей на цю ж тему, я проведу веб-пошук, щоб отримати додаткову інформацію з різних джерел, щоб отримати більш обґрунтоване розуміння. Ми хочемо зробити те ж саме в автоматизованому режимі”.

Система машинного навчання Массачусетського технологічного інституту працює, надаючи інформації міру статистичної вірогідності. Якщо вона визначає, що має низьку довіру до певної частини знань, вона може автоматично генерувати пошуковий запит в Інтернеті для пошуку інших текстів, щоб заповнити прогалини. Якщо вона дійде висновку, що певний документ не є релевантним, вона перейде до наступного. Зрештою, вона вилучить усі найкращі фрагменти інформації і об’єднає їх разом.

Систему навчали видобувати інформацію, попросивши зібрати інформацію про масові розстріли в США в рамках потенційного дослідження наслідків контролю над зброєю і забрудненням харчових продуктів. У кожному сценарії система тренувалася на близько 300 документах і отримувала інструкції щодо вилучення інформації, відповідаючи на низку запитів, з чим вона успішно впоралася.

“Ми використовували техніку під назвою “навчання з підкріпленням”, коли система навчається через поняття винагороди”, – сказав Нарасімхан. “Оскільки в даних, що об’єднуються, є багато невизначеності – особливо там, де є контрастна інформація – ми даємо їй винагороду на основі точності вилучення даних. Виконуючи цю дію над навчальними даними, які ми надали, система вчиться оптимально поєднувати різні прогнози, щоб ми могли отримати точні відповіді, які ми шукаємо”.

У подальшому Нарасімхан зазначив, що дослідження може мати безліч застосувань. Наприклад, воно може бути використане для сканування різних новинних повідомлень і складання єдиного документа, насиченого фактами, об’єднуючи дані з різних джерел.

Це також може бути використано у медичній галузі. “Це може бути чудовим інструментом для агрегування історій хвороб”, – сказав він. “У випадках, коли багато лікарів пишуть різні речі про лікування, яке пройшов пацієнт – і кожен з них по-різному пише про це – ця технологія може бути використана для того, щоб звести цю інформацію в більш структуровану базу даних. Результат може означати, що лікарі зможуть приймати кращі, більш обґрунтовані рішення щодо пацієнта”.

Ще один захоплюючий, революційний день у світі машинного навчання!

Рекомендації редакції

• Цей критичний недолік macOS може залишити ваш Mac беззахисним
• ChatGPT: як користуватися вірусним чат-ботом зі штучним інтелектом, який підкорив світ
• Google тепер підтримує мої жахливі звички в браузері, і мені це подобається
• Я замінив свій MacBook на Quest Pro на цілий робочий тиждень. І ось що з цього вийшло
• Що означає замок у Snapchat?

Source: digitaltrends.com