или войти через:
Ваша корзина пока пуста
favorite_border
Доступно только зарегистрированным пользователям

Искусственный интеллект Google оптимизировал систему поиска

schedule 01.12.2016 в 11:21 link Google
​Когда вы задаете запрос поисковику  Google о чем-либо, он находит картинки и видео на YouTube,  а затем извлекает только ту информацию, которую вы ищете. Google отвечает на эти запросы с помощью глубоких нейронных сетей – формы искусственного интеллекта, которая быстро перерабатывает не только поисковую систему Google, но и другие источники от Facebook до Microsoft, - передает Robotics.ua.



Новый этап развития

Глубокие нейронные сети являются системами распознавания образов, которые могут научиться выполнять конкретные задачи на основе анализа больших объемов данных. В этом случае, они научились брать длинное предложение или абзац из соответствующей страницы в Интернете и извлекать только ту информацию, которую ищет пользователь.

Эти алгоритмы сжатия предложений управляют задачей, которая довольно проста для человека, но очень сложная для машин. Они показывают, насколько глубокое обучение развивает искусство понимания естественного языка, умение понимать и реагировать на естественную человеческую речь.

«Мы должны использовать нейронные сети. По крайней мере, это единственный способ, который мы нашли, чтобы сделать это», - говорит менеджер исследования Google Дэвид Орр. – «Мы должны использовать все самые передовые технологии, которые у нас только есть».

Но кроме того, в мире полно людей с высшим лингвистическим образованием. Google готовит эти нейронные сети, создаваемые вручную большой командой лингвистов, которая называется Pygmalion. По сути дела, машины Google, узнают, как извлечь соответствующие ответы из длинных строк текста, наблюдая как люди делают это снова и снова. Для того, чтобы обучить искусственно интеллектуальные системы, как эта, вам нужно очень много данных, которые были бы пересеяны человеческим интеллектом. Потребность в этих операциях не исчезнет в ближайшее время.

Читайте также: DeepMind заставляет ИИ учиться ещё быстрее

«Серебро» и «золото»

Для подготовки искусственного мозга Орр и его команда также используют старые истории новостей, где машины видят заголовки, служащие в качестве кратких резюме длинных статей. Но на сегодняшний день, компания по-прежнему нуждается в команде лингвистов. Они не только демонстрируют сжатие предложений, но и обозначают части речи способами, которые помогают нейросети понять, как работает человеческий язык. Работая с около 100 лингвистами по всему земному шару, команда Pygmalion производит то, что Орр называет «золотые данные», в то время как новостной материал называется «серебряным». Данные «серебра» по-прежнему полезны, но «золото» имеет важнее значение.

Такой вид взаимодействия человека и ИИ называется «обучение с учителем». Иногда, компании могут краудсорсинговать эту работу, или это происходит органично. Люди через Интернет выкладывают миллионы фото кошек, например, так, что это позволяет легко обучить нейронную сеть распознавать кошек. Но в других случаях, исследователи не имеют иного выбора, кроме как маркировать данные вручную.

Читайте также: Google открыл свое облако машинного обучения всем желающим

Крис Николсон, основатель стартапа глубокого обучения под названием Skymind, говорит, что в долгосрочной перспективе этот вид ручной маркировки не будет необходим. «Это не будущее», говорит он – «Это невероятно скучная и рутинная работа. Ограничения еще очень очевидны, если учесть, что система не будет работать без лингвистов всех языков. В данный момент команда охватывает от 20 до 30 языков. Но есть надежда на то, что такие компании, как Google, смогут в конечном итоге перейти к более автоматизированной форме ИИ под названием «обучение без учителя». Это когда машины могут извлечь ответы из непромаркированных данных, массива цифровой информации, взятой из Интернета и других источников. Согласно robotics.ua, работа в этом направлении уже ведется в таких компаниях, как Google, Facebook, и OpenAI, стартап машинного обучения, основанный Илоном Маском.

Комментарии: