大智若愚,朱讯,微信号-瑞安航空评价网-留学生自主评价瑞安体验,廉价信息大放送

频道:推荐新闻 日期: 浏览:261

科学作者的作业,包含阅览充溢专业技能术语的期刊论文,并弄清楚如何用没有科学布景的读者能够了解的言语解说他们的内容。

现在,麻省理工学院和其他当地的一个科学家团队开发了一种神经网络,一种人工智能(AI),它能够做许多相同的作业,至少在有限的范围内:它能够阅览科学论文,并在一两句话中给出简略的英文摘要。


即便在这种有限的办法中,这样的神经网络也能够用来协助修改,作家和科学家扫描很多的论文,以开始了解他们的内容。可是团队开发的办法除了言语处理之外还能够在各种其他范畴找到运用,包含机器翻译和语音辨认。

麻省理工学院的研讨生鲁曼·丹戈夫斯基和李静(Li Jing)在《核算言语学协会学报》上宣布的一篇论文中描绘了这项作业。

从物理学的AI到自然言语


这项作业是由于一个不相关的项目而发生的,该项目触及开发根据神经网络的新的人工智能办法,旨在处理物理学中的某些扎手问题。可是,研讨人员很快意识到,相同的办法能够用于处理其他困难的核算问题,包含自然言语处理,其办法或许超越现有的神经网络体系。

“咱们现已在AI作业了几年,”Soljačić说。“咱们运用人工智能来协助咱们的研讨,首要是为了更好地完结物理学。当咱们对AI愈加了解时,咱们会注意到每隔一段时间就有时机添加AI范畴,由于咱们从物理学中知道某些东西 - 某种数学结构或物理学中的某种规律。咱们注意到,嘿,假如咱们运用它,它实际上能够协助这个或那个特定的AI算法。“

他说,这种办法可用于各种特定类型的使命,但不是悉数。“咱们不能说这对一切AI都有用,但有些情况下咱们能够运用物理学的洞悉来改进给定的AI算法。”

一般来说,神经网络企图仿照人类学习某些新事物的办法:核算机查看许多不同的比如,“学习”要害的潜在形式是什么。这种体系广泛用于形式辨认,例如学习辨认照片中描绘的目标。

可是神经网络一般难以将来自长串数据的信息相关起来,例如在解说研讨论文时所需求的。研讨人员表明,现已运用各种技巧来改进这种才能,包含称为长短时回想(LSTM)和门控递归单元(GRU)的技能,但这些技能依然远远不能满意真实的自然言语处理所需。

该团队提出了一种代替体系,它不是根据矩阵的算法,而是像大多数传统神经网络相同,是根据在多维空间中旋转的矢量。要害概念是他们称之为旋转回想单位(RUM)。

本质上,体系经过多维空间中的向量表明文本中的每个单词 - 指向特定方向的特定长度的行。每个后续单词在某个方向上摇摆该向量,在理论空间中表明,终究能够稀有千个维度。在该进程结束时,终究的向量或向量集被转换回其对应的字符串。

“RUM协助神经网络很好地完结两件事,”Nakov说。“这有助于他们更好地记住,并使他们能够更精确地回想信息。”

在开发RUM体系以协助处理某些扎手的物理问题(例如杂乱工程材猜中的光行为)之后,“咱们意识到咱们以为这种办法或许有用的当地之一便是自然言语处理,”Soljačić回想说与Tatalović的对话,他指出,这样一个东西关于他作为一名修改企图决议编撰哪些论文的作业很有用。Tatalović其时正在探究科学新闻中的人工智能作为他的骑士团契项目。

“所以咱们测验了一些自然言语处理使命,”Soljačić说。“咱们测验的一个是总结文章,这看起来作用很好。”

依据在于阅览

例如,他们经过传统的根据LSTM的神经网络和根据RUM的体系供给相同的研讨论文。得出的摘要有很大不同。

LSTM体系得出了这个高度重复且适当技能性的总结:“Baylisascariasis”杀死老鼠,危及阿勒格尼森林,并导致失明或严重后果等疾病。这种被称为“baylisascariasis”的感染导致老鼠逝世,危及阿勒格尼森林,并导致失明或严重后果等疾病。这种被称为“baylisascariasis”的感染杀死了老鼠,现已要挟到了阿勒格尼森林。

根据同一篇论文,RUM体系发生了一个更具可读性的摘要,而且不包含不必要的重复短语:城市浣熊或许比曾经假定的更多地感染人。7%的受访个别检测出浣熊蛔虫抗体阳性。圣巴巴拉90%以上的浣熊都是这种寄生虫的寄主。

​根据RUM的体系现已扩展,因而它能够“阅览”整篇研讨论文,而不仅仅是摘要,以发生其内容的摘要。研讨人员乃至测验在他们自己的研讨论文中运用该体系描绘这些发现 - 这篇新闻报道企图总结的论文。

以下是新神经网络的总结:研讨人员在RUM的旋转单元上开发了一种新的表明进程,RUM是一种可用于处理自然言语处理中广泛神经革新的循环回想。

这项研讨得到了陆军研讨办公室、国家科学基金会、麻省理工学院- sensetime人工智能联盟和半导体研讨公司的支撑。该团队还得到了《科学日报》网站的协助,该网站上的文章被用于练习本研讨中的一些人工智能模型。

热门
最新
推荐
标签