Cómo los robots están aprendiendo a leer y pensar

Hablamos todo el tiempo acerca de los ordenadores nos comprensión. Decimos que Google “sabía” lo que estábamos buscando, o que Cortana “conseguimos” lo que decíamos, pero la “comprensión” es un concepto muy difícil. Especialmente cuando se trata de computadoras.

Uno de los campos de la lingüística computacional, llamado procesamiento natural del lenguaje (PNL), está trabajando en este problema particularmente difícil. Es un campo fascinante en este momento, y una vez que tenga una idea de cómo funciona, usted comenzará a ver sus efectos en todas partes.

Una nota rápida: Este artículo tiene algunos ejemplos de un ordenador responder a voz, como cuando pedir a Siri para algo. La transformación de la voz audible a un formato comprensible por computadora se llama el reconocimiento de voz. PNL no se ocupa de que (al menos en la capacidad que estamos discutiendo aquí). PNL sólo entra en juego una vez que el texto esté listo. Ambos procesos son necesarios para muchas aplicaciones, pero son dos problemas muy diferentes.

Vídeo: El robot con el que los niños aprenden a programar antes que a escribir

Comprender la definición

Antes de entrar en cómo las computadoras trabajan con el lenguaje natural, es necesario definir algunas cosas.

En primer lugar, es necesario definir el lenguaje natural. Esta es una tarea fácil: todos los idiomas utilizados regularmente por la gente entra en esta categoría. No incluye cosas como lenguas construidas (Klingon, Esperanto) o lenguajes de programación. Se utiliza lenguaje natural cuando hable con sus amigos. También es probable que lo utilizan para hablar con su asistente personal digital.

Entonces, ¿a qué nos referimos cuando decimos entendimiento? Bueno, es compleja. ¿Qué significa para entender una frase? Tal vez le diga que significa que ahora tiene el contenido deseado del mensaje en su cerebro. La comprensión de un concepto que significa que usted puede aplicar ese concepto a otros pensamientos.

Definiciones de los diccionarios son nebulosos. No hay una respuesta intuitiva. Los filósofos han discutido sobre este tipo de cosas durante siglos.

Para nuestros propósitos, vamos a decir que la comprensión es la capacidad de extraer con precisión el significado de lenguaje natural. Para un equipo de entender, que necesita para procesar con precisión un flujo entrante de expresión, convertir ese flujo en unidades de significado, y ser capaz de responder a la entrada con algo que es útil.

Obviamente, todo esto es muy vaga. Pero es lo mejor que podemos hacer con el espacio limitado (y sin un título neurofilosofía). Si un equipo puede ofrecer un tipo humano, o al menos útil, como respuesta a una corriente de entrada de lenguaje natural, se puede decir que entiende. Esta es la definición que utilizaremos en el futuro.

Un problema complejo

El lenguaje natural es muy difícil para un equipo de tratar. Se podría decir, “Siri, dame direcciones a Punch Pizza,” mientras que yo podría decir, “Siri, ruta ponche Pizza, por favor.”

En su estado de cuenta, Siri podría escoger la frase clave “dame direcciones”, a continuación, ejecutar un comando relacionado con el término de búsqueda “Perforar pizza.” En la mía, sin embargo, Siri tiene que seleccionar “ruta”, como la palabra clave y saber que “ punch pizza”es donde quiero ir, no‘ por favor.’Y eso es sólo un ejemplo simplista.

Piense en una inteligencia artificial que lee mensajes de correo electrónico y decide si son o no pueden ser estafas. O uno que vigila los mensajes de medios sociales para evaluar el interés de una empresa en particular. Una vez trabajé en un proyecto en el que teníamos que enseñar a un ordenador para leer las notas médicas (que tienen todo tipo de convenciones extraños) y obtener información de ellos.

Esto significa que el sistema tenía que ser capaz de tratar con abreviaturas, extraña sintaxis, errores ortográficos ocasionales, y una amplia variedad de otras diferencias en las notas. Es una tarea muy compleja que puede ser difícil incluso para los seres humanos con experiencia, mucho menos máquinas.

Vídeo: Aprender a LEER y ESCRIBIR, Método Global...1era Parte.

Configuración de un Ejemplo

En este proyecto en particular, yo era parte del equipo que enseñaba que el equipo reconozca palabras específicas y las relaciones entre las palabras. El primer paso del proceso fue mostrar la computadora la información que contenía cada nota, por lo que se anotaron las notas.

Había un gran número de diferentes categorías de entidades y relaciones. Tomar la frase “Sra. dolor de cabeza de color verde fue tratado con ibuprofeno “, por ejemplo. La Sra verde fue etiquetado como una persona, dolor de cabeza fue etiquetado como signo o síntoma, ibuprofeno Se ha etiquetado como medicación. A continuación, la Sra verde estaba relacionado con dolor de cabeza con una relación presenta. Por último, el ibuprofeno se relacionó con dolor de cabeza con una relación golosinas.

Marcamos miles de notas de esta manera. Codificamos diagnósticos, tratamientos, síntomas, causas, comorbilidades, dosis y todo lo demás que subyace a lo que puedas pensar en relación con la medicina. Otros equipos de anotación codificados otra información, como la sintaxis. Al final, tuvimos un corpus completo de notas médicas que la IA podría “leer”.

La lectura es tan difícil de definir como la comprensión. La computadora puede ver fácilmente que el ibuprofeno trata de un dolor de cabeza, pero cuando se entera de que la información, que es convertida en sentido unos y ceros (para nosotros). Ciertamente, puede devolver información que parece similar a la humana y es útil, pero ¿eso constituyen la comprensión? De nuevo, es en gran medida una cuestión filosófica.Lo inteligencia artificial no esLo inteligencia artificial no esSon inteligentes, robots sensibles van a dominar el mundo? No hoy - y tal vez ni nunca.Lee mas

El verdadero aprendizaje

En este punto, el equipo fue a través de las notas y se aplica una serie de algoritmos de aprendizaje. Los programadores desarrollaron diferentes rutinas para etiquetar las partes del discurso, el análisis de dependencias y grupos, y el etiquetado de los roles semánticos. En esencia, la IA fue aprender a “leer” las notas.

Los investigadores podrían finalmente probarlo, dándole una nota médica y pidiéndole que la etiqueta de cada entidad y relación. Cuando el equipo se reproduce con precisión las anotaciones humanos, se podría decir que aprendió a leer dichas notas médicas.

Después de eso, era sólo una cuestión de reunir una gran cantidad de estadísticas sobre lo que había leído: los medicamentos que se utilizan para el tratamiento de trastornos que, qué tratamientos son más eficaces, las causas subyacentes de conjuntos específicos de los síntomas, y así sucesivamente. Al final del proceso, la IA sería capaz de responder a preguntas médicas basadas en la evidencia de las notas médicas reales. No tiene que depender de los libros de texto, compañías farmacéuticas, o la intuición.

Aprendizaje profundo

Veamos otro ejemplo. DeepMind de Google red neuronal está aprendiendo a leer artículos de noticias. Al igual que el anterior biomédica AI, los investigadores querían que extraiga la información relevante y útil a partir de grandes piezas de texto.

Vídeo: Aprendiendo a leer y a escribir - Método de Lectoescritura

El entrenamiento de un AI en la información médica era lo suficientemente fuerte, por lo que se puede imaginar la cantidad de datos anotada lo que se necesita para hacer una IA capaz de leer artículos de noticias generales. La contratación de suficientes anotadores y pasando por suficiente información sería prohibitivamente costoso y consume mucho tiempo.

Así que el equipo DeepMind volvió a otra fuente: sitios web de noticias. En concreto, la CNN y el Daily Mail.

¿Por qué estos sitios? Debido a que proporcionan resúmenes de bala de punta de sus artículos que no sólo tiene que tirar frases del propio artículo. Eso significa que la IA tiene algo que aprender. Los investigadores dijeron básicamente la IA, “He aquí un artículo y aquí está la información más importante en ella.” Entonces le pidieron a tirar de ese mismo tipo de información de un artículo sin más destacado viñetas.

Este nivel de complejidad puede ser manejado por una red neuronal profundo, que es un tipo especialmente complicada del sistema de aprendizaje automático. (El equipo DeepMind está haciendo algunas cosas increíbles en este proyecto. Para obtener los detalles, echa un vistazo a esta gran visión de conjunto del MIT Technology Review).

¿Qué puede hacer una lectura de OD AI?

Ahora tenemos una comprensión general de cómo las computadoras aprenden a leer. Se toma una gran cantidad de texto, indican a la computadora lo que es importante, y aplicar algunos algoritmos de aprendizaje automático. Pero lo que podemos hacer con una IA que extrae información de texto?

Ya sabemos que se puede tirar información procesable específica de las notas médicas y resumir artículos de noticias generales. Hay un programa de código abierto llamado P.A.N. que analiza la poesía tirando de temas e imágenes. Los investigadores suelen utilizar la máquina de aprendizaje para analizar grandes masas de datos de medios sociales, que es utilizado por las empresas para entender los sentimientos de los usuarios, ver lo que la gente está hablando, y encontrar patrones útiles para la comercialización.

Los investigadores han utilizado la máquina de aprendizaje para comprender mejor los comportamientos correo electrónico y los efectos de la sobrecarga de correo electrónico. proveedores de correo electrónico pueden utilizar para filtrar el spam de su bandeja de entrada y clasificar algunos mensajes como de alta prioridad. IA lectura son fundamentales en la toma de servicio al cliente eficaz chatbots. En cualquier lugar hay texto, hay un investigador que trabaja en el procesamiento del lenguaje natural.8 Motores de búsqueda Usted debe agregar a su aplicación Facebook Messenger8 Motores de búsqueda Usted debe agregar a su aplicación Facebook MessengerFacebook Messenger se ha abierto a conversar los robots, lo que permite a las empresas entregar el servicio al cliente, noticias y más directamente a usted a través de la aplicación. Éstos son algunos de los mejores disponibles.Lee mas

Y ya que este tipo de aprendizaje máquina mejora, las posibilidades sólo aumentan. Las computadoras son mejores que los seres humanos en el ajedrez, Go, y los videojuegos ahora. Pronto ellos pueden ser mejores en la lectura y el aprendizaje. Es este el primer paso hacia IA fuerte? Tendremos que esperar y ver, pero puede ser.

¿Qué tipos de usos ve usted para un texto de lectura y el aprendizaje de la IA? ¿Qué tipo de aprendizaje automático crees que veremos en un futuro próximo? Comparte tu opinión en los comentarios de abajo!