La capacidad de realizar un razonamiento en lenguaje natural distinguirá el motor de razonamiento Mind AI.
Por John Doe, científico jefe de Mind AI
Una de las características principales del motor de razonamiento Mind AI, y nos estamos acercando a lanzar una demostración pública, es su capacidad para realizar razonamientos de lenguaje natural.
Si sigue los últimos desarrollos en inteligencia artificial de líderes de la industria en Silicon Valley, probablemente esté más familiarizado con el término "procesamiento de lenguaje natural".
El procesamiento del lenguaje natural es un subcampo de investigación de inteligencia artificial que se enfoca en entrenar computadoras para manipular el lenguaje humano. La mayoría de los enfoques se basan en los últimos avances en aprendizaje automático y redes neuronales.
A medida que la computación moderna continúa brindando mayor poder de procesamiento, los científicos pueden ajustar los algoritmos que buscan patrones en repositorios masivos de lenguaje humano hasta que puedan pasar una variedad de pruebas diseñadas para medir la capacidad de una máquina para procesar y manipular humanos. idioma. Estas pruebas evalúan la comprensión de lectura y la capacidad de terminar una oración de una manera lógica.
Aquí están algunos de los avances recientes que han sido en las noticias:
– Salesforce debutó con una herramienta de resumen de texto que "es dramáticamente mejor que cualquier otra cosa desarrollada previamente, de acuerdo con una herramienta de software común para medir la precisión de los resúmenes de texto", según el MIT Technology Review. La herramienta de Salesforce utiliza el aprendizaje automático para extraer fragmentos de oraciones en un texto más largo y unirlas en un resumen. Sus resultados están lejos de ser perfectos, pero los revisores vieron la herramienta como una indicación del futuro brillante para las herramientas de resumen de texto basadas en AI.
– Alibaba y Microsoft tienen AI que puede vencer a un humano en una prueba de comprensión de lectura desarrollada por Stanford.
– Google ha desarrollado una herramienta llamada BERT que puede adivinar las palabras que faltan en cualquier parte de una oración y puede comprender las relaciones entre muchas palabras en una oración. BERT recibió capacitación en miles de libros autoeditados, incluidas novelas románticas, ciencia ficción y toda la base de datos de Wikipedia.
Todos estos avances son impresionantes y podrían utilizarse en aplicaciones que ayudan a los seres humanos a manejar más y más información. Pero en su artículo sobre la herramienta Salesforce, el reportero de MIT Technology Review, Will Knight, señala que "resumir el texto a la perfección requeriría inteligencia genuina, incluido el conocimiento del sentido común y un dominio del lenguaje".
No podríamos estar más de acuerdo. Y también creemos que mientras el procesamiento del lenguaje natural se desarrolle con algoritmos de aprendizaje automático y redes neuronales, nunca logrará un dominio del lenguaje.
El elemento clave que falta en todos estos avances en el procesamiento del lenguaje natural es que los algoritmos no tienen ningún concepto de lo que están haciendo. Sus aplicaciones siguen siendo estrechas.
La herramienta de resumen de texto de Salesforce tendría dificultades para relacionar los resúmenes de dos artículos diferentes, mostrando lo que la información en uno podría significar en el contexto del otro. Los logros de comprensión de lectura de Google, Alibaba y Microsoft son impresionantes, pero los científicos que los desarrollan no pueden identificar qué los hace triunfar o fracasar, porque los algoritmos de aprendizaje automático no proporcionan transparencia en su proceso de razonamiento.
Nuestro enfoque rechaza el enfoque de modelado estadístico, y en su lugar se centra en la comprensión del lenguaje y el razonamiento como la base. Trabajamos con significados, en lugar de patrones. Estamos construyendo un motor que actúa como un razonamiento humano, lo que significa que podemos rastrear sus procesos e inmediatamente detectar errores en su lógica y agujeros en su comprensión.
Nuestras primeras pruebas de nuestro motor demostraron que tiene la capacidad de razonar de inmediato con nueva información. No es necesario procesar miles de oraciones humanas antes de que pueda entender una oración. Solo necesita ser educado sobre cómo entender los significados de las palabras en una oración, y luego puede interpretarlo. Luego retendría el conocimiento de las palabras en la primera oración, lo que podría aplicarse a una segunda oración que usó algunas de esas palabras.
Esperamos poder dejar que nuestro motor flexione sus habilidades de comprensión en las mismas pruebas que han superado estos notables predecesores. Esperamos lograr mejores resultados en estas aplicaciones limitadas, pero estamos muy entusiasmados de probar las capacidades de nuestro motor en aplicaciones amplias, ya que su conocimiento en un dominio se basa en su conocimiento en otro.
Para mantenerse actualizado sobre nuestro progreso, suscríbase a nuestra lista de correo electrónico, hable con nosotros en Telegram o síganos en Medium.
