คำถามติดแท็ก natural-language-processing

เท่าที่ฉันจะบอกได้เครือข่ายประสาทมีจำนวนเซลล์ประสาทคงที่ในชั้นข้อมูลเข้า หากใช้โครงข่ายประสาทในบริบทเช่น NLP ประโยคหรือบล็อกข้อความที่มีขนาดแตกต่างกันจะถูกป้อนเข้าเครือข่าย ขนาดอินพุตที่แตกต่างกันอย่างไรจะกระทบยอดกับขนาดคงที่ของเลเยอร์อินพุตของเครือข่าย กล่าวอีกนัยหนึ่งเครือข่ายเช่นนี้มีความยืดหยุ่นเพียงพอที่จะจัดการกับอินพุตที่อาจอยู่ที่ใดก็ได้ตั้งแต่หนึ่งคำไปจนถึงหลายหน้าของข้อความ หากสมมติฐานของฉันเกี่ยวกับจำนวนเซลล์ประสาทนำเข้าที่กำหนดไม่ถูกต้องและมีการเพิ่มเซลล์ประสาทขาเข้าใหม่เข้า / ออกจากเครือข่ายเพื่อให้ตรงกับขนาดอินพุตฉันไม่เห็นว่าจะสามารถฝึกอบรมสิ่งเหล่านี้ได้อย่างไร ฉันยกตัวอย่าง NLP แต่ปัญหามากมายมีขนาดอินพุตที่คาดเดาไม่ได้ ฉันสนใจวิธีการทั่วไปในการจัดการกับสิ่งนี้ สำหรับรูปภาพมันชัดเจนว่าคุณสามารถขึ้น / ลงตัวอย่างเป็นขนาดคงที่ แต่สำหรับข้อความดูเหมือนว่าจะเป็นวิธีที่เป็นไปไม่ได้เนื่องจากการเพิ่ม / ลบข้อความเปลี่ยนความหมายของอินพุตต้นฉบับ

42 neural-networks  machine-learning  deep-learning  convolutional-neural-networks  natural-language-processing 

จนถึงวันนี้ฉัน - ในฐานะคนธรรมดา AI - สับสนโดยสัญญาและบรรลุการปรับปรุงการแปลอัตโนมัติ ความประทับใจของฉันคือ: ยังคงมีวิธีที่จะไปได้ไกลมาก หรือมีคำอธิบายอื่น ๆ ว่าทำไมการแปลอัตโนมัติ (เสนอและให้บริการโดย Google เช่น) ของบทความวิกิพีเดียที่ค่อนข้างง่ายที่ยังคงอ่านและฟังดูไร้สาระเป็นหลักอ่านได้ยากและมีประโยชน์และมีประโยชน์เพียงบางส่วนเท่านั้น? มันอาจขึ้นอยู่กับความชอบส่วนบุคคล (เกี่ยวข้องกับการอ่านความช่วยเหลือและประโยชน์) แต่ความคาดหวังส่วนตัวของฉันผิดหวังอย่างมาก วิธีอื่น ๆ : การแปลของ Google ยังคงสามารถอ่านได้มีประโยชน์และเป็นประโยชน์สำหรับผู้ใช้ส่วนใหญ่หรือไม่? หรือ Google มีเหตุผลในการรักษาความสำเร็จ (และไม่แสดงต่อผู้ใช้ที่ดีที่สุดที่พวกเขาสามารถแสดงได้) ผลลัพธ์เบื้องต้น: เรายังคงห่างไกลจากความสามารถในการพูดคุยกับปัญญาประดิษฐ์ในฐานรากและความเข้าใจที่เท่าเทียมกัน - เฉพาะในระดับของสายอักขระ แล้วทำไมเราต้องกลัว เพราะพวกเขารู้มากกว่าที่เรารู้ - แต่เราไม่รู้

27 natural-language-processing  machine-translation 

Siri และ Cortana สื่อสารกันเหมือนมนุษย์มาก ซึ่งแตกต่างจาก Google ในขณะนี้ซึ่งส่วนใหญ่ให้ผลการค้นหาเมื่อถูกถามคำถาม (ไม่ตั้งค่าการเตือนหรือการเตือน) Siri และ Cortana ให้คำตอบกับเราในแบบเดียวกับที่คนจะทำ พวกเขาเป็นโปรแกรม AI จริงหรือไม่? (โดย "คำถาม" ฉันไม่ได้หมายถึงคำถามที่เกี่ยวข้องกับการศึกษาหรือการขอเส้นทาง / อุณหภูมิ แต่เป็นคำถามที่อิงตามความคิดเห็น)

23 natural-language-processing  chat-bots  intelligence-testing  emotional-intelligence  applications 

การระบุการเสียดสีถือเป็นปัญหาปลายเปิดที่ยากที่สุดในโดเมนของ ML และ NLP ดังนั้นมีการวิจัยจำนวนมากที่ทำในหน้านั้น? ถ้าใช่แล้วความแม่นยำเป็นอย่างไร โปรดอธิบายโมเดล NLP โดยย่อด้วย

17 natural-language-processing  research  semantics 

ทุกวันนี้ปัญญาประดิษฐ์นั้นเกือบจะเท่ากับการเรียนรู้ของเครื่องโดยเฉพาะอย่างยิ่งการเรียนรู้ลึก บางคนกล่าวว่าการเรียนรู้อย่างลึกซึ้งจะแทนที่ผู้เชี่ยวชาญมนุษย์ซึ่งเป็นเรื่องสำคัญมากสำหรับวิศวกรรมฟีเจอร์ในสาขานี้ มันก็บอกว่าสองนวัตกรรมการสนับสนุนการเพิ่มขึ้นของการเรียนรู้ลึก: บนมือข้างหนึ่งประสาทและneuroplasticityโดยเฉพาะบอกเราว่าเหมือนสมองมนุษย์ซึ่งเป็นพลาสติกสูงสามารถใช้เครือข่ายประดิษฐ์เพื่อทำหน้าที่เกือบทุกแบบ ในทางตรงกันข้ามการเพิ่มขึ้นของพลังการคำนวณโดยเฉพาะอย่างยิ่งการแนะนำของ GPU และ FPGA ได้เพิ่มความฉลาดทางอัลกอริธึมในแบบที่งดงามและได้สร้างแบบจำลองที่สร้างขึ้นมาหลายสิบปีที่ผ่านมา ฉันจะเพิ่มว่าข้อมูลขนาดใหญ่ (ส่วนใหญ่เป็นข้อมูลที่มีป้ายกำกับ) ที่สะสมในช่วงหลายปีที่ผ่านมาก็มีความเกี่ยวข้องเช่นกัน การพัฒนาดังกล่าวทำให้การมองเห็นคอมพิวเตอร์ (และการจดจำเสียง) เข้าสู่ยุคใหม่ แต่ในการประมวลผลภาษาธรรมชาติและระบบผู้เชี่ยวชาญสถานการณ์ไม่ได้เปลี่ยนแปลงไปมากนัก การใช้สามัญสำนึกสำหรับเครือข่ายประสาทนั้นเป็นเรื่องที่ค่อนข้างสูง แต่ประโยคการสนทนาและข้อความสั้น ๆ ส่วนใหญ่มีการอนุมานที่ควรดึงออกมาจากความรู้พื้นฐานของโลก ดังนั้นการสร้างกราฟความรู้จึงมีความสำคัญอย่างยิ่งต่อปัญญาประดิษฐ์ โครงข่ายประสาทเทียมสามารถควบคุมได้ในการสร้างฐานความรู้ แต่ดูเหมือนว่าโมเดลโครงข่ายใยประสาทเทียมนั้นมีปัญหาในการใช้ฐานความรู้ที่สร้างขึ้นเหล่านี้ คำถามของฉันคือ: ฐานความรู้ (ตัวอย่างเช่น "กราฟความรู้" ที่ประกาศโดย Google) เป็นสาขาที่มีแนวโน้มใน AI หรือไม่ ถ้าเป็นเช่นนั้น KB สามารถเสริมศักยภาพการเรียนรู้ของเครื่องได้อย่างไร เราจะรวมตัวแปรแฝงแบบแยกเป็นส่วน ๆ ลงใน NLU และ NLG ได้อย่างไร เพื่อความอยู่รอดในยุคที่มีการปกครองโดย DL ทิศทางของฐานความรู้ (หรือแนวทางสัญลักษณ์ของคำร่ม) อยู่ที่ไหน? คือวุลแฟรมฐานความรู้แบบไดนามิก Z เหมือนทิศทางใหม่? …

13 natural-language-processing  knowledge-representation  symbolic-computing  expert-system 

ฉันกำลังทำงานกับปัญหาที่ฉันต้องพิจารณาว่ามีสองประโยคที่เหมือนกันหรือไม่ ฉันนำโซลูชันมาใช้โดยใช้อัลกอริธึม BM25 และการซิงโครไนซ์เครือข่ายเพื่อกำหนดความคล้ายคลึงกันระหว่างไวยากรณ์และความหมาย วิธีแก้ปัญหาทำงานได้อย่างเพียงพอและแม้ว่าลำดับของคำในประโยคจะวนกลับมา แต่ก็เป็นการวัดว่ามีสองประโยคที่คล้ายคลึงกัน ตัวอย่างเช่น Python เป็นภาษาที่ดี ภาษาที่ดีคือภาษาไพ ธ อน ปัญหาของฉันคือพิจารณาว่าประโยคทั้งสองนี้คล้ายกัน สิ่งที่อาจเป็นทางออกที่เป็นไปได้สำหรับความคล้ายคลึงกันของโครงสร้าง? ฉันจะรักษาโครงสร้างของประโยคได้อย่างไร

12 natural-language-processing  python 

ปิด คำถามนี้จะต้องมีมากขึ้นมุ่งเน้น ไม่ยอมรับคำตอบในขณะนี้ ต้องการปรับปรุงคำถามนี้หรือไม่ อัปเดตคำถามเพื่อให้มุ่งเน้นที่ปัญหาเดียวโดยแก้ไขโพสต์นี้ ปิดให้บริการใน29 วันที่ผ่านมา เรขาคณิตและ AI เมทริกซ์, ก้อน, ชั้น, กองและวรรณะเป็นสิ่งที่เราสามารถเรียกได้อย่างถูกต้องโครงสร้าง พิจารณาโทโพโลยีในบริบทนี้การออกแบบทางเรขาคณิตระดับสูงของระบบการเรียนรู้ เมื่อความซับซ้อนเพิ่มขึ้นก็มักจะมีประโยชน์ในการแสดงโครงสร้างเหล่านี้เป็นโครงสร้างกราฟกำกับ แผนภาพสถานะและผลงานของมาร์คอฟเกี่ยวกับทฤษฎีเกมเป็นสองสถานที่ซึ่งมักใช้กราฟกำกับ กราฟกำกับมีจุดยอด (มักจะมองเห็นเป็นรูปร่างปิด) และขอบมักมองเห็นเป็นลูกศรที่เชื่อมต่อรูปร่าง นอกจากนี้เรายังสามารถเป็นตัวแทนของ GANs เป็นกราฟกำกับซึ่งผลลัพธ์ของแต่ละเน็ตไดรฟ์จะช่วยฝึกอบรมเรื่องอื่น ๆ ในลักษณะที่เป็นปฏิปักษ์ GANs คล้ายกับแถบMöbiusทอพอโลยี เราไม่สามารถค้นพบการออกแบบและสถาปัตยกรรมใหม่ ๆ โดยไม่เข้าใจไม่เพียง แต่คณิตศาสตร์ของการมาบรรจบกันบนทางออกที่ดีที่สุดหรือการติดตาม แต่ยังรวมถึงทอพอโลยีของการเชื่อมต่อเครือข่ายที่สามารถรองรับการบรรจบกัน มันเหมือนกับการพัฒนาตัวประมวลผลครั้งแรกในขณะที่จินตนาการถึงสิ่งที่ระบบปฏิบัติการต้องการก่อนที่จะเขียนระบบปฏิบัติการ หากต้องการดูว่าเราไม่ได้พิจารณาโทโพโลยีแบบใดเรามาดูกันว่ามีใครบ้าง ขั้นตอนที่หนึ่ง - การอัดขึ้นรูปในมิติที่สอง ในปี 1980 ความสำเร็จประสบความสำเร็จด้วยการขยายการออกแบบ perceptron ดั้งเดิม นักวิจัยได้เพิ่มมิติที่สองเพื่อสร้างเครือข่ายประสาทหลายชั้น การบรรจบกันอย่างมีเหตุผลนั้นเกิดขึ้นได้จากการย้อนกลับของการไล่ระดับของฟังก์ชันข้อผิดพลาดผ่านการไล่ระดับสีของฟังก์ชั่นการเปิดใช้งานซึ่งลดทอนโดยอัตราการเรียนรู้และชุบด้วย meta-parameters อื่น ๆ ขั้นตอนที่สอง - การเพิ่มมิติให้กับสัญญาณอินพุตแบบไม่ต่อเนื่อง เราเห็นการเกิดขึ้นของเครือข่าย …

12 convolutional-neural-networks  natural-language-processing  topology  graph-theory  structure 

ฉันคิดเกี่ยวกับ AIs และวิธีการทำงานเมื่อฉันตระหนักว่าฉันไม่สามารถคิดวิธีที่ AI จะสอนภาษาได้ เด็กมีแนวโน้มที่จะเรียนรู้ภาษาผ่านการเชื่อมโยงของภาษาและรูปภาพไปยังวัตถุ (เช่นคนพูดคำว่า "สุนัข" ในขณะที่อยู่รอบ ๆ สุนัขและต่อมาตระหนักว่าผู้คนพูดว่า "สุนัข" และ "รถยนต์" และเรียนรู้ว่า " "หมายถึง ฯลฯ ) อย่างไรก็ตาม AI ที่ใช้ข้อความไม่สามารถใช้วิธีนี้ในการเรียนรู้เนื่องจากพวกเขาจะไม่สามารถเข้าถึงอุปกรณ์อินพุตประเภทใดก็ได้ วิธีเดียวที่ฉันสามารถทำได้คือการเขียนโปรแกรมในทุก ๆ คำและกฎในภาษาอังกฤษ (หรือภาษาใดก็ตามที่มีความหมายว่า 'พูด' ใน) อย่างไรก็ตามอาจต้องใช้เวลาหลายปีกว่าจะทำได้ ใครบ้างมีความคิดเกี่ยวกับวิธีการนี้สามารถทำได้? หรือถ้ามันได้ทำไปแล้วถ้าเป็นเช่นนั้นได้อย่างไร ในบริบทนี้ฉันใช้ AI เพื่อหมายถึงระบบปัญญาประดิษฐ์ที่มีความฉลาดใกล้มนุษย์และไม่มีความรู้ด้านภาษามาก่อน

11 machine-learning  natural-language-processing 

ระบบ AI ในปัจจุบันเป็นเครื่องจักรที่มีความสามารถสูงและเมื่อเร็ว ๆ นี้พื้นที่ของการประมวลผลภาษาธรรมชาติและการตอบสนองได้รับการระเบิดด้วยนวัตกรรมรวมถึงโครงสร้างอัลกอริทึมพื้นฐานของเครื่อง AI ฉันกำลังถามว่าหากมีการค้นพบเมื่อไม่นานมานี้มีการพัฒนาระบบ AI ใดบ้างที่สามารถ (โดยเฉพาะอย่างยิ่งกับการวัดระดับความสำเร็จ) โดยโกหกต่อมนุษย์เกี่ยวกับข้อเท็จจริงที่รู้หรือไม่? หมายเหตุสิ่งที่ฉันขอนอกเหนือไปจากการพูดคุยทั่วไปของการทดสอบทัวริง ฉันขอเครื่องที่สามารถ 'เข้าใจ' ข้อเท็จจริงแล้วกำหนดคำเท็จต่อข้อเท็จจริงนี้บางทีอาจใช้ข้อเท็จจริงอื่นเพื่อสร้าง 'การปกปิด' ที่เชื่อได้ซึ่งเป็นส่วนหนึ่งของการโกหก EG: ซูเปอร์คอมพิวเตอร์ CIA ถูกขโมยโดยสายลับและพวกเขาพยายามที่จะใช้คอมพิวเตอร์เพื่อทำสิ่งต่าง ๆ แต่คอมพิวเตอร์ก็บอกว่ามันขึ้นอยู่กับการขาดหายไปแม้ว่ามันจะไม่ใช่หรือให้คำตอบที่ถูกต้อง แต่ดูผิด หรือให้ตำแหน่งที่ไม่ถูกต้องของบุคคลโดยรู้ว่าบุคคลนั้นแวะเวียนไปบางที่ แต่ไม่ได้อยู่ที่นั่นในขณะนี้ ไม่จำเป็นต้องมีความซับซ้อนเช่นนี้แน่นอน

11 natural-language-processing  human-like 

Roger Schank ทำงานที่น่าสนใจในการประมวลผลภาษาด้วย Conceptual Dependency (CD) ในปี 1970 จากนั้นเขาก็ย้ายออกจากสนามค่อนข้างอยู่ในการศึกษาวันนี้ มีแอปพลิเคชั่นที่มีประโยชน์ในการสร้างภาษาธรรมชาติ (BABEL) การสร้างเรื่องราว (TAILSPIN) และด้านอื่น ๆ มักเกี่ยวข้องกับการวางแผนและเอพมากกว่าประโยคแต่ละประโยค มีใครอีกบ้างที่ยังคงใช้ซีดีหรือรุ่นของมันต่อไป? ฉันไม่ได้ตระหนักถึงโครงการอื่น ๆ ที่ทำนอกเหนือจาก Hovy PAULINE ซึ่งใช้ซีดีเป็นตัวแทนในการสร้างเรื่องราว

11 natural-language-processing  knowledge-representation 

ดูเหมือนว่าโครงการส่วนใหญ่พยายามสอน AI ให้เรียนรู้ภาษาเฉพาะบุคคล มันเกิดขึ้นกับฉันว่ามีความสัมพันธ์ในการเขียนและการพูดและวลีข้ามภาษา - การใช้งานส่วนใหญ่มีเวลามากขึ้นในการเรียนรู้ภาษามากขึ้นหลังจากที่เราเรียนรู้ภาษาที่สองและเราเริ่มเข้าใจความสัมพันธ์ระหว่างคำและวลีในภาษาต่างๆ . มีใครพยายามฝึกอบรม AI เพื่อเรียนรู้ภาษาทั้งหมดหรือไม่? สิ่งนี้อาจไม่เป็นปัญหาที่ง่ายกว่าการพยายามสอน AI ให้เป็นภาษาที่เจาะจงและมีรายละเอียดและรายละเอียดทั้งหมดของภาษานั้นหรือไม่? เนื่องจากคุณไม่ได้รวมข้อมูลที่เกี่ยวข้องจำนวนมากในภาษาอื่นจากชุดฝึกอบรม

10 natural-language-processing 

ฉันได้มองหาตัวแทนที่ชาญฉลาดของVivในการพัฒนา ตามสิ่งที่ฉันเข้าใจ AI นี้สามารถสร้างรหัสใหม่และเรียกใช้งานโดยยึดตามแบบสอบถามจากผู้ใช้ สิ่งที่ฉันอยากรู้คือ AI นี้สามารถเรียนรู้การสร้างรหัสตามแบบสอบถามได้อย่างไร อัลกอริธึมการเรียนรู้ของเครื่องจักรชนิดใดที่เกี่ยวข้องในกระบวนการนี้ สิ่งหนึ่งที่ฉันพิจารณาคือการทำลายชุดข้อมูลของโปรแกรมทีละขั้นตอน ตัวอย่างเช่น: รหัสที่จะใช้ค่าเฉลี่ยของ 5 คำ 1 - เพิ่มทั้ง 5 คำด้วยกัน 2 - หารด้วย 5 จากนั้นฉันจะฝึกอัลกอริทึมให้แปลงข้อความเป็นรหัส นั่นคือเท่าที่ฉันได้คิดออก ยังไม่ได้ลองอะไรเลยเพราะฉันไม่แน่ใจว่าจะเริ่มที่ไหนดี ใครมีความคิดเห็นเกี่ยวกับวิธีการใช้ Viv? นี่คือการสาธิตของ Viv

10 neural-networks  machine-learning  deep-learning  ai-design  natural-language-processing 

ในภาษาการเขียนโปรแกรมมีชุดของกฎไวยากรณ์ที่ควบคุมการสร้างคำสั่งที่ถูกต้องและการแสดงออก กฎเหล่านี้ช่วยในการแยกวิเคราะห์โปรแกรมที่เขียนโดยผู้ใช้ สามารถมีชุดของกฎไวยากรณ์ที่สมบูรณ์แบบที่ใช้งานได้ซึ่งสามารถแยกคำสั่งเป็นภาษาอังกฤษ (เฉพาะโลแคล) ได้อย่างถูกต้องและสามารถนำไปใช้เพื่อใช้ในโครงการที่ใช้ AI ได้หรือไม่? ฉันรู้ว่ามีชุดเครื่องมือ NLP ออนไลน์มากมาย แต่ไม่มีประสิทธิภาพ ส่วนใหญ่ได้รับการฝึกอบรมโดยใช้อวัยวะเฉพาะซึ่งบางครั้งไม่สามารถอนุมานความสัมพันธ์ที่ซับซ้อนระหว่างส่วนต่าง ๆ ของการแสดงออก สิ่งที่ฉันขอคือถ้าเป็นไปได้ที่คอมพิวเตอร์จะแยกประโยคที่รอบรู้ที่เขียนเป็นภาษาอังกฤษราวกับว่ามันถูกแยกวิเคราะห์โดยมนุษย์ที่พูดภาษาอังกฤษผู้ใหญ่ แก้ไข: ถ้ามันไม่สามารถแสดงโดยใช้กฎไวยากรณ์ง่าย ๆ , โครงสร้างความหมายประเภทใดที่สามารถใช้ในการสรุปมันได้? EDIT2: บทความนี้พิสูจน์การขาดบริบทในภาษาธรรมชาติ ฉันกำลังมองหาวิธีแก้ปัญหาแม้ว่ามันซับซ้อนเกินไป

10 ai-design  natural-language-processing  semantics 

ข้อกำหนดเฉพาะของการทดสอบของทัวริงคืออะไร มีข้อกำหนดอะไรบ้างหากผู้ประเมินต้องปฏิบัติตามเพื่อให้ผ่านการรับรองสำหรับการทดสอบ ต้องมีผู้เข้าร่วมสองคนเสมอในการสนทนา (หนึ่งคนและคอมพิวเตอร์หนึ่งเครื่อง) หรือมากกว่านั้นอีกหรือไม่ การทดสอบยาหลอก (ในกรณีที่ไม่มีคอมพิวเตอร์เกี่ยวข้อง) อนุญาตหรือสนับสนุนหรือไม่ มีผู้ประเมินหลายคนได้ไหม ถ้าเป็นเช่นนั้นการตัดสินใจจะต้องเป็นเอกฉันท์ในหมู่ผู้ประเมินทั้งหมดเพื่อให้เครื่องผ่านการทดสอบ?

10 intelligence-testing  software-evaluation  turing-test  natural-language-processing 

ฉันเจอโปรแกรมWinograd SHRDLUและพบว่ามันน่าสนใจและทะเยอทะยาน ฉันทามติคืออะไร มีความพยายามที่คล้ายกันไหม? ฉันกำลังอ่านหนังสือของเทอร์รี่วิโนกราด เข้าใจภาษาธรรมชาติที่ซึ่งเขาพูดถึงการทำงานของโปรแกรมภาษา LISP และอื่น ๆ ฉันยังพบนักภาษาศาสตร์Michael Hallidayและทฤษฎีภาษาศาสตร์Systemic (functional) ไวยากรณ์ที่กล่าวถึงในหนังสือของ Winograd มี ai / NLP อื่น ๆ ที่ใช้ทฤษฎีนี้เป็นพื้นฐานสำหรับฟังก์ชั่นความหมายหรือไม่? https://en.wikipedia.org/wiki/SHRDLU

9 natural-language-processing  computational-linguistics  lisp