211service.com
El software que lee Harry Potter podría realizar algo de magia
Enseñar a una computadora a jugar Go a un nivel sobrehumano es genial, pero no es especialmente útil para ti o para mí. Pero, ¿y si una computadora pudiera leer unas pocas docenas de páginas de texto, como el manual de un nuevo microondas, y luego responder preguntas sobre cómo funciona? Inscríbeme.
Leer y comprender textos es increíblemente difícil para las computadoras, pero una empresa canadiense llamada Maluuba ha avanzado con un algoritmo que puede leer texto y responder preguntas sobre él con una precisión impresionante. Lo que es más importante, a diferencia de otros enfoques, funciona solo con pequeñas cantidades de texto. Eventualmente podría ayudar a las computadoras a comprender los documentos.
Investigadores de Maluuba publicaron un papel describiendo su último progreso la semana pasada. Describe un algoritmo capaz de leer varios cientos de cuentos infantiles combinados con preguntas y respuestas sobre cada texto. Después del entrenamiento, el algoritmo pudo responder correctamente preguntas de opción múltiple sobre un texto desconocido con más del 70 por ciento de precisión. Los investigadores también probaron el algoritmo en el texto de Harry Potter y la Piedra Filosofal y descubrió que podía responder preguntas sobre ese texto con una precisión similar.
Más allá de los avances académicos, Maluuba espera eventualmente crear un sistema que pueda encargarse de la lectura mundana en su nombre. Estamos interesados en casos de uso como manuales de usuario, registros de pacientes o documentos de servicio al cliente, dice Mohamed Musbah, vicepresidente de productos de la empresa, con sede en Waterloo, Canadá. En esas áreas, realmente no tienes un exceso de datos.
El equipo de Maluuba utilizó un popular enfoque de aprendizaje de redes neuronales conocido como aprendizaje profundo para entrenar su sistema. Pero los investigadores diseñaron su red para considerar el texto en diferentes niveles de abstracción, desde palabras hasta frases y oraciones, y también prepararon la red para que fuera buena en el aprendizaje de esta manera antes del entrenamiento. Por lo general, las redes de aprendizaje profundo se configuran aleatoriamente antes del entrenamiento. Esto permitió que la red aprendiera muy rápidamente y dio como resultado que las respuestas a las preguntas fueran un 15 % mejores que antes de usar un enfoque de aprendizaje profundo. También fue un 2 por ciento mejor que la mejor solución codificada a mano.
A primera vista de los números, es un gran salto, dice Yoshua Bengio , profesor de la Universidad de Montreal y asesor científico de Maluuba. Pero Bengio, que es uno de los pocos gurús del aprendizaje profundo que ahora trabajan con empresas en esfuerzos comerciales de inteligencia artificial, advierte que los expertos tardarán un tiempo en analizar la importancia del enfoque.
La idea de enseñar a las máquinas a leer y comunicarse de manera efectiva usando el lenguaje es ciertamente tentadora. Podría abrir nuevas y poderosas formas de interactuar con las computadoras y extraer información. Pero comprender un texto es uno de los mayores desafíos de la inteligencia artificial; las computadoras generalmente se tropiezan por el hecho de que el lenguaje requiere una comprensión profunda de la forma en que funciona el mundo real.
A pesar de los desafíos, algunas de las compañías tecnológicas más grandes están tratando de desarrollar IA que puedan comprender texto. Facebook está recopilando datos de conversaciones a través de un servicio de asistente llamado M en un esfuerzo por entrenar sus algoritmos para conversar de forma natural (ver Enseñando a las máquinas a entendernos). Google DeepMind, una subsidiaria de Alphabet que se enfoca en la investigación de IA, está haciendo un trabajo similar, entrenando sistemas de aprendizaje profundo para leer resúmenes de artículos de noticias (ver Google DeepMind enseña a las máquinas de inteligencia artificial a leer).
Sin embargo, hasta el momento no ha habido grandes avances, y no está claro cuán difícil puede ser dotar a las máquinas de habilidades sofisticadas de comprensión de lectura. Los investigadores están progresando en gran medida ajustando y mejorando las técnicas clave de aprendizaje automático y alimentando a las computadoras con grandes cantidades de texto anotado.
El tipo de enfoque de aprendizaje automático empleado por los investigadores de Maluuba normalmente requiere grandes extensiones de texto para poder aprender. De hecho, la cantidad de texto necesaria para que el aprendizaje profundo funcione a menudo se ha señalado como uno de sus factores limitantes clave (consulte ¿Puede este hombre hacer que la IA sea más humana?). Un desafío fundamental con el lenguaje es que las palabras que se usan para representar diferentes conceptos son arbitrarias, por lo que es más difícil establecer conexiones entre ellas que con las imágenes.
Maluuba, iniciada por varios graduados de la Universidad de Waterloo en 2010, desarrolló previamente un asistente personal inteligente para teléfonos inteligentes y ha centrado su investigación en el procesamiento del lenguaje natural o la comprensión de las máquinas.
Creo que sin duda es un paso adelante, dice Richard Socher , cofundador de una empresa de inteligencia artificial llamada MetaMind, que también trabaja en el procesamiento del lenguaje. Es un sistema muy bien diseñado que combina características de procesamiento de lenguaje natural tradicional bien entendidas y establecidas con ideas de redes neuronales.
Chris Dyer , investigador de la Universidad Carnegie Mellon que se especializa en el procesamiento del lenguaje natural, está de acuerdo en que los resultados de Maluuba son impresionantes, pero cree que las máquinas necesitarán obtener una comprensión genuina del mundo para poder conversar correctamente, en lugar de la capacidad de dibujar estadísticas. conclusiones del texto. Es probable que esto signifique ir más allá del aprendizaje únicamente a partir del texto anotado.
Las computadoras son demasiado limitadas en términos de su percepción y comprensión del mundo, dice Dyer.