微网站建设哪家优惠,有哪些教做蛋糕的网站,电商图片助手,企业内部培训app软件来源: Venture Beat作者: Pieter Buteneers编译: 科技行者短短几年之内#xff0c;深度学习算法得到了长足发展#xff0c;不仅在棋类游戏中击败了全球最顶尖的选手#xff0c;也能够以等同于、甚至超越人类的准确率识别人脸。但事实证明#xff0c;人类语言仍是一项独特且… 来源: Venture Beat作者: Pieter Buteneers编译: 科技行者短短几年之内深度学习算法得到了长足发展不仅在棋类游戏中击败了全球最顶尖的选手也能够以等同于、甚至超越人类的准确率识别人脸。但事实证明人类语言仍是一项独特且深邃的难题亦是AI技术所面对的最为艰巨的挑战之一。但是突破能否如期而至?一旦计算机可以有效理解人类语言内容则必将彻底颠覆全球各品牌、企业与组织之间的交互方式。如今大多数企业拿不出充裕的资源为每位客户提供一对一解答服务。但在语言AI真正成熟之后企业将能够在任意时间通过任意渠道听取、理解并回应每一个问题。这是一项激动人心的发展愿景但距离达成目标仍有漫长的道路要走。直到2015年人们才构建出一种足以在准确率方面与他类相匹敌的人脸识别算法。Facebook的DeepFace准确率为97.4%仅略低于人类的97.5%。作为参考FBI以往的人脸识别算法准确率仅为85%意味着其做出的判断有超过七分之一概率是错的。FBI算法是由一组工程师手工开发而成。其中每项特征(例如鼻子大小以及眼睛的相对位置)皆由手动编程而来。Facebook算法则真正实现了特征学习其利用一种被称为卷积神经网络的特殊深度学习架构模拟出人类视觉皮层通过复杂的多层结构处理图像内容。事实上我们并不清楚这些皮层之间是如何联系的因此一切“奥秘”都由算法自主探索得来。Facebook之所以能够达成这一成就依靠的正是实现类人级人工智能的两个基本思路首先建立一套能够学习特征的架构再将数百万张经过标记的高质量图像作为训练素材供其学习。语言难关就在眼前视觉的诞生虽然困难但已经有数百万种物种在进化过程中攻克了这道难关。相比之下语言似乎更为复杂。据我们所知人类是目前唯一能够使用复杂语言交流想法的物种。不到十年之前出现了单凭某些词汇的出现频率即可大致推理出语义的AI算法。但这种方法显然忽视了同义词元素的存在也无法应对某些表达在不同上下文中具有不同表意的问题。2013年Tomas Mikolov和他的谷歌团队创造出一种能够学习单词含义的架构。他们的word2vec算法能够将同义词相互映射借此对大小、性别、速度等语义进行建模甚至能够将国家与首都等特征关联起来。但其中仍然缺少至关重要的一环——理解上下文。语言理解领域的真正突破诞生于2018年谷歌公司在这时推出了BERT模型。Jacob Devlin和他的团队仍然沿用传统机器翻译中的架构但向其中引入了学习句子内上下文信息的能力。通过教育该模型填补维基百科文章中的遗漏单词该团队得以将语言结构嵌入BERT模型。只需要使用数量有限的高质量标记数据他们就成功完成了对BERT的调优借此完成从为问题找到正确答案、到真正理解句子表意的多种任务。也凭借这一壮举他们成为破解语言理解谜题的先驱正确架构加上大量可供学习的高质量数据。2019年Facebook的研究人员在此基础上又更进了一步。他们同时使用100种语言训练出类似的BERT模型。此模型能够以一种语言(例如英语)进行特征学习再将成果应用于其他任意一种语言(例如阿拉伯语、汉语及北印度语)。这种具有语言中立性的模型能够在实际训练所选定的语种上实现与BERT完全一致的性能并在迁移至另一种语言时将影响控制在较低程度。这些技术本身确实给人留下了深刻印象。但在2020年初谷歌研究人员最终得以在广泛的语言理解任务上超越了人类的表现。谷歌引入规模更大的网络架构与更多训练数据终于将BERT架构推向了极限。如今这套被命名为T5的架构在标记句子与寻找答案方面的表现已经超越人类。去年10月发布的多语种mT5模型已经能够在双语种间互译方面实现与人类相近的表现更恐怖的是它能够支持多达100种语言。谷歌本周又公布了新的万亿级参数模型整体架构规模更上一层楼性能也进一步提升。可能性设想一下未来的聊天机器人也许能够理解您用任何一种语言书写的内容真正理解上下文并记住之前聊过的内容。这意味着我们得到的不再只是几条简单粗暴的预定义回应而是真正的关切与解答。搜索引擎也将能够理解您的问题给出正确答案而且不再纠结于您的用词是否严格准确。您可能还会迎来一位AI同事它了解关于业务流程的所有知识。更重要的如果能够使用正确的术语那么单靠谷歌搜索没准就能解决客户的具体问题。连篇累牍的内部文档终将成为过去留给AI模型快速浏览即可。数据库的新时代即将来临。我们将彻底告别构造数据的繁琐工作——一切备忘录、电子邮件、报告都将由AI模型自动解释、存储与索引。由于数据库能够理解人类表达您不需要求助于IT部门即可直接查询并创建报告。这一切还只是冰山一角。目前一切依赖于人类语言理解能力的流程都有可能被自动化功能所彻底颠覆。没那么简单但这里还有个问题。既然这么出色了为什么这些算法还没得到普遍应用?因为单靠云计算资源训练T5算法就花掉了谷歌约130万美元。幸运的是谷歌研究人员慷慨地分享了这些模型。但如果要对当前任务进行调优还需要额外承担一大笔资源开销外加漫长的训练周期。不过随着时间的推移企业对于调优工作的不断探索相信未来会有更多应用方案陆续涌现。另外如果大家相信摩尔定律那么五年左右之后我们就会迎来更复杂的语言AI应用届时也会有新的模型全面超越T5算法。2021年我们距离AI技术的转折性突破还有遥远的距离。但只要能够迈过这道难关AI技术必将释放出无穷的可能性。未来智能实验室的主要工作包括建立AI智能系统智商评测体系开展世界人工智能智商评测开展互联网城市云脑研究计划构建互联网城市云脑技术和企业图谱为提升企业行业与城市的智能水平服务。 如果您对实验室的研究感兴趣欢迎加入未来智能实验室线上平台。扫描以下二维码或点击本文左下角“阅读原文”
