以目前的技術來說如果你試著教導一個 AI 系統新的語言通常都需要使用大量的「注釋」機器學習中由人類為資料加上的額外標籤來為其解釋每個單詞的意涵然而蒐集罕見語言注釋的過程往往曠日費時加上由於同一字詞常擁有不同的解讀方式和使用習慣經如此訓練後的 AI可能仍無法準確反映人們自然說話的方式。而稍早麻省理工學院針對這樣的狀況提出了一種新技術能讓 AI 如同小孩子般進行學習或將能同時突破這類學習速度和內容侷限性的關卡。藉由研究人員開發出的一種 parser語法分析器AI 就能透過觀察場景來建立所見所聞之間的關聯性並將之有效轉化為相關的語言知識。 該技術目前可以讓 AI 在觀看有字幕的影片後基於描述內容的準確程度將字詞與特定的物體、動作進行連結並把可能的意涵轉化為數學邏輯的型式計算出它認為最能代表眼前發生事物的確切意義。由於這項 AI 系統在學習過程的初期對於畫面的內容可能產生大量不同的解釋所以難免會看起來好像對眼前的一切一無所知但隨著它逐步排除各種可能性就能漸漸看到成果。此外雖然該系統本身就能自主學習但如果輔以注釋的運用則可以進一步加快它學習的腳步。 這項技術最重要的特點無疑是它所帶來的靈活性。由於它是透過觀察環境來學習它學習到的不僅僅是語言更包含了人們實際說話的各種表達方式。麻省理工學院預估若將搭載這類 AI 技術的機器人放置於人群之中即便接收到的都是片斷的語句和非正式的對話內容它也能夠順利適應並學習到相關的語言知識。小孩子般的學習方式比起過往如同土法煉鋼的過程不僅為效率帶來了改善在面對注釋相對匱乏的罕見語言時也可以突破過往的限制發揮學習的作用。此外它甚至可以用來幫助科學家理解兒童是如何了解這個世界的。而當前開發團隊遇到的最大挑戰就是如何將這項技術從「自觀察中學習」進一步擴展至「自互動中學習」以帶來更多的可能性。MIT News


文章轉貼如有侵權請告知我們會立即刪除
. . . . .
arrow
arrow
    全站熱搜

    langcan59867 發表在 痞客邦 留言(0) 人氣()