ag88环亚娱乐-环亚娱乐ag88手机版【注册】

热门关键词: ag88环亚娱乐,环亚娱乐ag88手机版

当人工智能曾经在视觉和语音上取得功效后

2018-11-01 17:34 来源:未知

  2014 年,Liang 在加州大学伯克利分校的导师 Klein 创立了 Semantic Machines。该公司开辟了一种革命性的新方式来成立对话式 AI,操纵机械进修的能力,利用户可以或许以更天然的体例发觉和拜候消息,获得办事并与之互动,并且效率更高。

  第三届美国硅谷顶级人工智能前沿大会(AI Frontiers Conference) 将于 2018 年 11 月 9-11 日在美国硅谷第一流别会议核心圣何塞会展核心昌大举行。美国 AI 界领甲士物悉数出席。限时最优惠扣头码:P25JH(25% 的扣头)

  虽然 Liang 把大部门时间和精神放在言语理解上,但他对可注释性机械进修也有着稠密的乐趣。机械进修的可注释性现在是一个抢手话题,公家越来越担忧人工智能使用的平安性,特别在主动驾驶、医疗保健、罪犯面部识别上,机械进修的黑箱属性让它在面临攻击时显得出格懦弱,研究员又无法溯源,找出焦点的问题地点。

  虽然机械进修和言语理解仍处于晚期阶段,它走向成熟工程学科的道路必然漫长而艰难,Liang 却从不害怕挑战。当人工智能曾经在视觉和语音上取得功效后,天然言语处置和可注释性是现在人工智能迈向下一个阶段的焦点范畴,Liang 的工作大概能让学界看到人工智能的下一个严重冲破。

  Liang 的研究工作重心放在了将用户的请求转换成简单的计较机法式的使命上,并让法式有序地作出回应。

  Liang 在接管 Future of Life Institute 采访时暗示:「鉴于我们对机械进修的依赖越来越大,建筑东西来协助我们更靠得住地进修机械是至关主要的。」

  除此之外,Liang 也在开辟可以或许和进行互动交换的机械人、或者能够与人类进行合作对话的机械人。言语理解的目标不只仅是仿照人类,在与人类互动的过程中该当从底子上理解人类若何思虑和步履,至多外行为层面上。

  比来,他的研究团队在注释黑箱机械进修模子方面取得了一些进展。他的一篇论文提出了一种叫做「影响函数」的统计手艺,通过进修算法来追踪模子的预测,并将预测成果再前往给锻炼数据。他的另一篇论文引见了一种基于半定败坏的方式来防止来自匹敌性样本的攻击,匹敌性样本现在曾经能够做到更改一个参数,就能改变整个预测模子的成果。

  ACL 大会历来是聚焦言语理解最新研究进展的处所,本年,ACL 2018 发布了最佳论文名单,《Know What You Dont Know! Unanswerable Questions for SQuAD》荣获了此次大会的最佳短论文。SQuAD,全名斯坦福问答数据集,被认为是阅读理解范畴最好的数据集。它孵化出了现在最前沿的模子,这些模子在回覆问题的精确性上曾经达到了人类的程度。

  Liang 在一次接管中国媒体的采访时回忆起这段肄业履历时说,「我很幸运有这两位导师。梁博士我不只从他们那里学到了良多工具,并且学到的工具是互补的,不只仅是在研究范畴 (机械进修和天然言语进修)。」

  Klein 但愿他的这位学生和他一路共事,他曾说过「Percy 是我共事过的最精采的研究人员之一。」2016 年,梁博士插手了公司的手艺带领团队。本年,该公司被微软收购。

  这个问题在 Liang 高中的时候就搅扰着他,而他对于利用某一种方式来摸索言语理解的奥妙兴奋不已。

  于是到了本年,Liang 带领的研究小组发布了 SQuAD 2。0,它在 SQuAD 1。0 的根本上添加了 50,000 多个全新的、无法被回覆的问题连系在一路,这些问题是由众包工作者收集起来,方针是协助人工智能模子按照所供给的文本数据识别哪些问题是无法被回覆的。

  一年后,他被加州大学伯克利分校登科,师从 Dan Klein 和 Michael Jordan,这两位都傻逼机械进修和言语理解方面的大牛,后者更是培育了一批现在活跃在人工智能范畴最前沿的专家,包罗 deeplearning。ai 的创始人吴恩达、蒙特利尔大学传授和 MILA 尝试室担任人 Yoshua Bengio、Petuum Computing 的创始人邢波都是 Jordan 的学生。

  SQuAD 数据集是他的佳构之一。研究员们不断试图霸占问答系统,他们但愿机械能和人类一样,在阅读完一些内容后,可以或许理解和回应天然言语中复杂、微妙和离开上下文的问题。SQuAD 在 2016 年建立,这个数据集包罗了维基百科文章中的 100,000 个问题,这些问题的谜底能够间接从某一段文本中提取出来。

  虽然 SQuAD 是为阅读理解而设想的,但在接管香侬科技采访时,Liang 认为 SQuAD 能够有更大的影响力:数据集能够激励研究人员开辟新的通用模子,神经机械翻译发生了基于留意力的模子,这是机械进修范畴最常见的模子之一;

  在本年 11 月即将在硅谷举办的 AI Frontiers 大会上,Liang 将讲述他在言语理解方面的最新研究进展,而这篇文章旨在引见他的学术生活生计、研究重心以及他对人工智能的瞻望。

  然而,SQuAD 的第一代数据集有个问题:模子无法分辨出问题的合理性,有些问题看似联系关系,实则在原文中底子无法找到谜底。

  2004 年,梁博士获得了麻省理工学院的本科学位。紧接着,他在麻省理工学院就读硕士期间的导师 Michael Collins - 一位在计较言语学范畴受人尊崇的研究员 - 激励他攻读天然言语处置硕士学位。

  Liang 结业后来到了谷歌纽约做了一年博士后,之后他插手了斯坦福大学,起头教人工智能的课程。一位叫做 Shiyu Wang 的 Quora 用户在评价 Liang 时说,「他很年轻/很有亲和力,可以或许倾听学生的看法,措辞得体,最主要的是,他有足够的动力去测验考试和利用这些技术,让演讲值得去听。」

  迄今为止,言语理解不断是人类的特权,这也是为何研究天然言语处置 ( NLP ) 至关主要,由于它有助于研究员们更接近人工智能的终极方针——通用人工智能。很多研究人员深切到天然言语处置的范畴,去处理诸如机械翻译、问答、阅读理解、天然对话等问题。

TAG标签: 计算机语言
版权声明:转载须经版权人书面授权并注明来源