Wie Roboter lesen und denken lernen

Wir reden ständig über Computer, die uns verstehen. Wir sagen das Google “wusste” nach was wir gesucht haben, oder nach Cortana “habe” was wir sagten, aber “Verstehen” ist ein sehr schwieriges Konzept. Vor allem, wenn es um Computer geht.

Ein Gebiet der Computerlinguistik, genannt Verarbeitung natürlicher Sprache (NLP) arbeitet an diesem besonders schwierigen Problem. Es ist jetzt ein faszinierendes Gebiet, und sobald Sie eine Vorstellung davon haben, wie es funktioniert, werden Sie überall seine Auswirkungen sehen.

Eine kurze Notiz: Dieser Artikel enthält einige Beispiele für einen Computer, der auf Sprache reagiert, z. B. wenn Sie Siri nach etwas fragen. Die Umwandlung von hörbarer Sprache in ein vom Computer verständliches Format wird Spracherkennung genannt. NLP macht sich nichts aus (zumindest in der hier besprochenen Eigenschaft). NLP kommt erst ins Spiel, wenn der Text fertig ist. Beide Prozesse sind für viele Anwendungen notwendig, aber es gibt zwei sehr unterschiedliche Probleme.

Verständnis definieren

Bevor wir uns damit beschäftigen, wie Computer mit natürlicher Sprache umgehen, müssen wir einige Dinge definieren.

Zuallererst müssen wir die natürliche Sprache definieren. Dies ist einfach: Jede Sprache, die regelmäßig von Menschen verwendet wird, fällt in diese Kategorie. Dinge wie konstruierte Sprachen (Klingonisch, Esperanto) oder Programmiersprachen sind nicht enthalten. Sie verwenden natürliche Sprache, wenn Sie mit Ihren Freunden sprechen. Sie verwenden es wahrscheinlich auch, um mit Ihrem digitalen persönlichen Assistenten zu sprechen.

Was meinen wir damit, wenn wir Verstehen sagen? Nun, es ist komplex. Was bedeutet es, einen Satz zu verstehen? Vielleicht würden Sie sagen, dass Sie jetzt den beabsichtigten Inhalt der Nachricht in Ihrem Gehirn haben. Wenn Sie ein Konzept verstehen, kann dies bedeuten, dass Sie dieses Konzept auch auf andere Gedanken anwenden können.

Wörterbuchdefinitionen sind nebulös. Es gibt keine intuitive Antwort. Über solche Dinge haben sich die Philosophen seit Jahrhunderten gestritten.

Für unsere Zwecke werden wir sagen, dass Verständnis das ist die Fähigkeit, Bedeutung aus der natürlichen Sprache zu extrahieren. Damit ein Computer das verstehen kann, muss er einen eingehenden Sprachstrom genau verarbeiten, diesen Strom in Bedeutungseinheiten umwandeln und auf die Eingabe mit etwas Nützlichem antworten können.

Das ist natürlich alles sehr vage. Aber es ist das Beste, was wir mit begrenztem Platz (und ohne einen Grad der Neurophilosophie) tun können. Wenn ein Computer eine menschenähnliche oder zumindest nützliche Antwort auf einen Strom natürlicher Spracheingaben bietet, können wir sagen, dass er dies versteht. Dies ist die Definition, die wir in Zukunft verwenden werden.

Ein komplexes Problem

Die natürliche Sprache ist für einen Computer sehr schwierig. Man könnte sagen, “Siri, gib mir die Wegbeschreibung zu Punch Pizza,” während ich sagen könnte, “Siri, Punch Pizza Route, bitte.”

In Ihrer Aussage wählt Siri möglicherweise die Schlüsselwortfolge aus “gib mir eine Wegbeschreibung,” Führen Sie dann einen Befehl aus, der sich auf den Suchbegriff bezieht “Punch Pizza.” In meiner muss Siri jedoch herausfinden “Route” als das Schlüsselwort und das wissen “Punch Pizza” ist es, wo ich gehen will, nicht “Bitte.” Und das ist nur ein einfaches Beispiel.

Denken Sie an eine künstliche Intelligenz, die E-Mails liest und entscheidet, ob es sich um Betrügereien handelt oder nicht. Oder einer, der Social-Media-Posts überwacht, um das Interesse an einem bestimmten Unternehmen zu messen. Ich habe einmal an einem Projekt gearbeitet, bei dem wir einem Computer beibringen mussten, medizinische Notizen (die alle möglichen seltsamen Konventionen haben) zu lesen und Informationen daraus zu sammeln.

Das bedeutet, dass das System mit Abkürzungen, merkwürdiger Syntax, gelegentlichen Schreibfehlern und einer Vielzahl anderer Unterschiede in den Notizen umgehen kann. Dies ist eine sehr komplexe Aufgabe, die selbst für erfahrene Menschen schwierig sein kann, geschweige denn Maschinen.

Ein Beispiel setzen

In diesem speziellen Projekt war ich Teil des Teams, das dem Computer beibrachte, bestimmte Wörter und die Beziehungen zwischen Wörtern zu erkennen. Der erste Schritt des Prozesses bestand darin, dem Computer die Informationen anzuzeigen, die in jeder Notiz enthalten sind. Daher haben wir die Anmerkungen mit Anmerkungen versehen.

Es gab eine Vielzahl unterschiedlicher Kategorien von Entitäten und Beziehungen. Nimm den Satz “Frau Green Kopfschmerz wurde mit Ibuprofen behandelt,” zum Beispiel. Frau Green wurde als PERSON markiert, Kopfschmerzen wurde als SIGN OR SYMPTOM markiert, Ibuprofen wurde als MEDICATION gekennzeichnet. Dann wurde Frau Green mit einer PRESENTS-Beziehung mit Kopfschmerzen verbunden. Schließlich war Ibuprofen mit einer TREATS-Beziehung mit Kopfschmerzen verbunden.

Wir haben Tausende von Notizen auf diese Weise markiert. Wir codierten Diagnosen, Behandlungen, Symptome, zugrunde liegende Ursachen, Begleiterkrankungen, Dosierungen und alles, was Sie sonst noch an Medikamente denken könnten. Andere Anmerkungsteams kodierten andere Informationen, z. B. Syntax. Am Ende hatten wir einen Korpus voller medizinischer Notizen, die die KI könnte “lesen.”

Lesen ist genauso schwer zu definieren wie Verstehen. Der Computer kann leicht erkennen, dass Ibuprofen Kopfschmerzen behandelt, aber wenn es diese Informationen erfährt, werden diese in sinnlose (für uns) Einsen und Nullen umgewandelt. Es kann sicherlich Informationen zurückgeben, die menschlich erscheinen und nützlich sind, aber stellt dies ein Verständnis dar. Was ist künstliche Intelligenz nicht? Was ist künstliche Intelligenz nicht? Werden intelligente, fühlende Roboter die Welt erobern? Nicht heute - und vielleicht auch nie. Weiterlesen ? Auch hier handelt es sich weitgehend um eine philosophische Frage.

Das wahre Lernen

An diesem Punkt hat der Computer die Notizen durchgearbeitet und eine Reihe maschineller Lernalgorithmen angewendet. 4 Maschinelle Lernalgorithmen, die Ihr Leben prägen 4 Maschinelle Lernalgorithmen, die Ihr Leben prägen Es kann einen überraschenden Einfluss auf Ihr Leben ausüben. Glaub mir nicht Sie könnten überrascht sein. Weiterlesen . Programmierer entwickelten unterschiedliche Routinen zum Markieren von Sprachteilen, zum Analysieren von Abhängigkeiten und Wahlkreisen sowie zum Markieren semantischer Rollen. Im Wesentlichen lernte die KI “lesen” Die Noten.

Die Forscher könnten es schließlich testen, indem sie ihm eine medizinische Note geben und sie bitten, jede Entität und Beziehung zu kennzeichnen. Wenn der Computer menschliche Anmerkungen genau wiedergab, konnte man sagen, dass er gelernt hatte, die medizinischen Notizen zu lesen.

Danach ging es nur darum, eine Vielzahl von Statistiken über das Gelesene zusammenzutragen: Welche Medikamente werden verwendet, um welche Erkrankungen zu behandeln, welche Behandlungen am wirksamsten sind, welche Ursachen für bestimmte Symptome verantwortlich sind und so weiter. Am Ende des Prozesses wäre die KI in der Lage, medizinische Fragen auf der Grundlage von Beweisen aus tatsächlichen medizinischen Notizen zu beantworten. Es muss sich nicht auf Lehrbücher, Pharmaunternehmen oder Intuition verlassen.

Tiefes Lernen

Schauen wir uns ein anderes Beispiel an. Das neuronale Netzwerk DeepMind von Google lernt das Lesen von Nachrichtenartikeln. Wie die biomedizinische KI oben wollten die Forscher relevante und nützliche Informationen aus größeren Textteilen herausholen.

Das Training einer KI mit medizinischen Informationen war hart genug, so dass Sie sich vorstellen können, wie viele kommentierte Daten Sie benötigen, um eine KI in die Lage zu versetzen, allgemeine Nachrichtenartikel zu lesen. Es wäre zu teuer und zeitaufwändig, genügend Annotatoren einzustellen und genügend Informationen durchzusehen.

Das DeepMind-Team wandte sich also einer anderen Quelle zu: Nachrichten-Websites. Insbesondere CNN und die tägliche Post.

Warum diese Seiten? Weil sie Aufzählungen ihrer Artikel enthalten, die nicht einfach Sätze aus dem Artikel selbst ziehen. Das bedeutet, dass die KI etwas zu lernen hat. Die Forscher erklärten im Wesentlichen der KI, “Hier ist ein Artikel und hier sind die wichtigsten Informationen.” Dann baten sie ihn, dieselbe Information aus einem Artikel ohne hervorgehobene Hervorhebungen zu ziehen.

Dieses Maß an Komplexität kann durch ein tiefes neuronales Netzwerk gehandhabt werden, das ein besonders komplizierter Typ eines maschinellen Lernsystems ist. (Das DeepMind-Team führt einige erstaunliche Dinge in diesem Projekt durch. Um Einzelheiten zu erfahren, werfen Sie einen Blick auf diese großartige Übersicht im MIT Technology Review.)

Was kann eine Lese-KI tun??

Wir haben jetzt ein allgemeines Verständnis dafür, wie Computer lesen lernen. Sie nehmen sehr viel Text mit, teilen dem Computer mit, worauf es ankommt, und wenden einige Algorithmen zum maschinellen Lernen an. Aber was können wir mit einer KI tun, die Informationen aus Text zieht?

Wir wissen bereits, dass Sie gezielt umsetzbare Informationen aus medizinischen Notizen entnehmen und allgemeine Nachrichtenartikel zusammenfassen können. Es gibt ein Open-Source-Programm namens P.A.N. das analysiert die Poesie, indem es Themen und Bilder herauszieht. Forscher verwenden häufig maschinelles Lernen, um große Mengen von Social-Media-Daten zu analysieren, mit deren Hilfe Unternehmen die Einstellungen der Nutzer verstehen, verstehen können, worüber die Leute sprechen, und nützliche Muster für das Marketing finden.

Forscher haben maschinelles Lernen genutzt, um Einblick in das Verhalten von E-Mails und die Auswirkungen von E-Mail-Überlastungen zu erhalten. E-Mail-Anbieter können damit Spam aus Ihrem Posteingang herausfiltern und einige Nachrichten mit hoher Priorität einstufen. Lesen von AIs ist entscheidend für die Erstellung effektiver Kundenservice-Chatbots. 8 Bots, die Sie Ihrer Facebook Messenger-App hinzufügen sollten. 8 Bots, die Sie Ihrer Facebook Messenger-App hinzufügen sollten. Facebook Messenger hat Chat-Bots geöffnet, mit denen Unternehmen Kundenservice, Nachrichten und mehr direkt bereitstellen können zu Ihnen über die App. Hier sind einige der besten, die es gibt. Weiterlesen . Überall, wo Text ist, arbeitet ein Forscher an der Verarbeitung natürlicher Sprache.

Und da sich diese Art des maschinellen Lernens verbessert, erhöhen sich die Möglichkeiten nur. Computer sind jetzt besser als Menschen bei Schach-, Go- und Videospielen. Bald können sie besser lesen und lernen. Ist dies der erste Schritt in Richtung einer starken KI? Warum Wissenschaftler glauben, Sie sollten sich wegen künstlicher Intelligenz Sorgen machen? Warum Wissenschaftler denken, Sie sollten sich Sorgen über künstliche Intelligenz machen? Denken Sie, künstliche Intelligenz ist gefährlich? Kann die KI ein ernstes Risiko für die Menschheit darstellen? Dies sind einige Gründe, warum Sie sich Sorgen machen wollen. Weiterlesen ? Wir müssen abwarten, aber es kann sein.

Welche Art von Verwendung sehen Sie für eine Text-Lese- und Lern-KI? Welche Arten von maschinellem Lernen sehen Sie in naher Zukunft? Teilen Sie Ihre Gedanken in den Kommentaren unten mit!

Bildnachweise: Vasilyev Alexandr / Shutterstock

Erfahren Sie mehr über: Künstliche Intelligenz, Zukunftsforschung.