Pastaraisiais metais kompiuteriai, naudodamiesi neuroniniais tinklais, tapo daug įgudę versti iš vienos kalbos į kitą. Tačiau dirbtinio intelekto mokymui kompiuteriuose paprastai reikia daug žmonių išversto turinio.
Mikelis Arteksas, Baskų universiteto universiteto (UPV) informatikas ir vieno iš šių darbų autorius, palygina situaciją su tuo, kad kam nors suteikiamos skirtingos knygos kinų kalba ir skirtingos knygos arabų kalba, be tų pačių tekstų sutapimo. vienas kitą. Pagal šį scenarijų žmogui būtų labai sunku išmokti versti iš kinų į arabų kalbą, tačiau kompiuteris gali.
Įprastame mašininio mokymosi procese stebima dirbtinio intelekto sistema. Tai reiškia, kad kai dirbtinis intelektas bandys rasti teisingą atsakymą į bet kurią problemą, asmuo pasakys, ar jis teisingas, ar ne, ir, jei reikia, dirbtinis intelektas atliks koregavimus.
Vietoj to, dirbtinis intelektas tiria, kaip žodžiai yra vienodai susiję skirtingomis kalbomis - pavyzdžiui, žodžiai „stalas“ir „kėdė“dažnai vartojami kartu, neatsižvelgiant į tarmę. Palyginę šiuos kiekvienos kalbos derinius ir tada juos palyginę, galite gerai suprasti, kurie terminai yra susiję vienas su kitu.
Šios sistemos gali būti naudojamos išversti ištisus sakinius, o ne tik pavienius žodžius, naudojant dvi papildomas mokymosi strategijas. Atvirkštinis vertimas daro prielaidą, kad sakinys, parašytas viena kalba, yra apytiksliai išverstas į kitą, o tada atgal į originalo kalbą, jei neatitikimas, AI sukuria skirtingus savo protokolus. Triukšmo mažinimas yra procesas, panašus į tą patį procesą radiotechnikoje, tačiau žodžiai pašalinami arba pridedami prie sakinio. Šių metodų sinchronizavimas padeda mašinai geriau suprasti, kaip kalba veikia.
Testinis žodynas
Abi sistemos - vieną sukūrė UPV, o kitą - „Facebook“kompiuterių mokslininkas Guillaume'as Lampleris - dar negavo ekspertų įvertinimo, tačiau abi preliminariuose bandymuose parodė daug žadančius rezultatus.
Reklaminis vaizdo įrašas:
Norint įvertinti jų sugebėjimą versti tekstą iš anglų į prancūzų kalbą ir atvirkščiai, buvo pasiūlyta išversti maždaug 30 milijonų sakinių. Abiems dirbtiniams intelektams pavyko surinkti 15 taškų. „AI Google Translate“, kuriame naudojamas prižiūrimas mašininis mokymasis, įvertinimas yra 40, o vertėjai iš žmonių - iki 50.
Abu mokslininkai sutinka, kad kiekvienas iš jų gali tobulinti savo savarankiškai mokomą PG sistemą, remdamasis kito darbu. Dirbtinį intelektą būtų galima padaryti labiau į savo programą įtraukus kelis tūkstančius lygiagrečių sakinių, kurie sutrumpintų kalbos mokymosi laiką.
Sergo aitvaras