AI en semantiek begrijpen — de volgende fase in de evolutie van NLP is nabij

AI is dicht bij het bereiken van begrip van semantiek als de volgende stap in zijn evolutie

AI is een verkeerde benaming, of zo wordt het vaak gesuggereerd. De eerste letter - kunstmatig - klopt ongeveer. Wat betreft het tweede woord - nou, er is niets intelligents aan. Neem semantiek als voorbeeld, er is niets in de verste verte intelligent, of anderszins, aan kunstmatige technologie die de betekenis in zinnen, alinea's en boeken begrijpt om de eenvoudige reden, het is er onophoudelijk slecht in.

Maar zou hier verandering in kunnen komen? Onlangs zaten we met Hadayat Seddiqi, directeur machine learning bij juridisch technologiebedrijf InCloudCounsel. Hij denkt dat AI de semantiek bijna gaat begrijpen als de volgende stap in zijn evolutie. We vroegen:"wanneer zullen we deze mijlpaal waarschijnlijk bereiken?"

SEO:als je een schrijver bent, die trots is op je schrijven, in het toepassen van je lexicon om een ​​idee uit te drukken zonder herhaling, dan heb je waarschijnlijk een hekel aan SEO. Als je graag een complex argument maakt, dat alleen echt kan worden uitgedrukt over een zin, een hoofdstuk, een artikel of zelfs een boek, dan SEO, vanwege de manier waarop het je domme argumenten in twee of drie of vier woorden maakt, zoals AI en het begrijpen van semantiek, is de vijand. (Zie je wat we daar deden?)

Zou het niet geweldig zijn als zoeken, met behulp van AI om semantiek te begrijpen (daar gaan we weer) zoekresultaten zou kunnen creëren op basis van een veel geavanceerder — intelligenter, zo u wilt — begrip, waardoor vervelende herhalingen niet meer nodig zijn!

De markt voor natuurlijke taalverwerking zal naar verwachting in 2025 $ 22,3 miljard bereiken, wat illustreert hoe ver de technologie is gekomen, met name in de manier waarop we communiceren en zaken doen.

Momenteel worden deze technologieën voor verschillende doeleinden binnen organisaties gebruikt, waaronder het monitoren van de reputatie van merken om sentimentanalyse te bepalen, het verschaffen van inzicht in advertentieplaatsingen via trefwoordovereenkomst of zinsverduidelijking, en kunnen zelfs worden gebruikt bij naleving van de regelgeving om ervoor te zorgen dat producten niet wordt geen verplichting.

In dat geval ligt de ware kracht van AI om industrieën te revolutioneren en belangrijke zakelijke inzichten te bepalen, in het vermogen om tekst te lezen en de semantiek (of relatie tussen woorden) te begrijpen om organisaties te helpen risico's verder te beperken en aansprakelijkheid te ontdekken. Dit creëert op zijn beurt enorme waarde in de verwerking van natuurlijke taal.

Dus, in het verhaal van AI die begrip van semantiek mogelijk maakt, wat is de volgende stap in zijn evolutie en wanneer zullen we deze mijlpaal waarschijnlijk bereiken?

Seddiqi zegt:"Het bereiken van semantisch begrip in AI vereist verschillende belangrijke mijlpalen. Het is nuttig om te denken in termen van de iteratieve voortgang die ons naar semantisch begrip in AI leidt en wat elke mijlpaal betekent."

"Een eerdere mijlpaal", zegt Seddiqi, is Word Vectoren:"Laten we deze mijlpaal omkaderen in termen van een veelvoorkomend gebruik dat de meeste mensen kennen:zoekfunctionaliteit op een computer. Iedereen heeft Ctrl+F/Command+F gebruikt om iets op hun systeem te vinden, dat vindt wat u zoekt door precies op trefwoorden te matchen. Bovendien bevat het gebruik van een zoekmachine zoals Google om informatie te vinden een 'spellingcontrole'-component om mogelijke spelfouten aan te pakken.

“Maar hoe zit het met woorden die er heel anders uitzien, maar dezelfde dingen betekenen? Rond 2013 vond de AI-gemeenschap een efficiënte manier om dit te modelleren, de zogenaamde 'woordvectoren'. Je kunt leuke woordalgebra-dingen doen, zoals King + Woman je Queen zal geven. Praktischer is dat u uw zoekopdracht nu kunt uitbreiden met semantisch verwante woorden."

Aanstaande mijlpaal in AI-begrip van semantiek

“Woordvectoren waren een game-changer, maar je moest je idee nog steeds uitdrukken in termen van een of enkele trefwoorden. Maar wat als je idee een hele zin nodig heeft om uit te drukken? Dat is de volgende mijlpaal, die we bereiken dankzij een grote duw in het onderzoek vorig jaar.

"Het idee is dat je een zin kunt nemen, deze kunt coderen in een zin (of gedachte) vector en dan vergelijkbare zinsvectoren kunt vinden. Indien goed gecodeerd, kan uw zoekfunctie zeer verschillend uitziende zinnen vinden die hetzelfde idee uitdrukken.

"Het is niet onredelijk om te zeggen dat deze technologie de komende jaren volwassen zal worden, op basis van de huidige onderzoeksvooruitgang.

Toekomstige mijlpalen:AI-begrip voorbij zinnen

“Er is een duidelijk hiërarchiepatroon ontstaan ​​in de voortgang van deze technologie. We komen dicht bij AI om ideeën op zinsniveau te begrijpen door vergelijkbare technieken op woordniveau te gebruiken en ze op te schalen. Dit opent spannende toepassingen voor AI om ideeën te begrijpen waarvoor alinea's, hele documenten of zelfs hele boeken nodig zijn.

“De recente sprong van AI naar het begrijpen van zinnen uit woorden was niet triviaal, omdat de mogelijkheid om dit te doen grotendeels werd beperkt door de grootte van de dataset en de rekenkracht. Het is tot nu toe aangetoond dat ons vermogen om modellen te maken om deze grotere problemen aan te pakken afhangt van deze twee beperkte middelen.

"Naarmate deze kosten dalen door verbeteringen in AI-hardware, zullen we dichter bij modellen komen die grotere tekstverzamelingen begrijpen. Dit wordt enigszins bewezen door het GPT-2-model van Open AI, dat aantoont dat het gebruik van dezelfde modelontwerpen voor zincodering met een grote hoeveelheid gegevens, modellen produceert die al concepten op hoog niveau in veel zinnen begrijpen. GPT-2 begrijpt bijvoorbeeld genoeg om hele nieuwsartikelen met verbazingwekkende samenhang te schrijven.