常识AI:做深学习技术更人性

推特
鸣叫
LinkedIn
分享
Facebook的
FB-共享图标

人工智能技术在近几年已经变得越来越复杂。如此众多的产品和服务都依赖于技术,提供自动化和智能化,它是不可撤销地与我们的日常世界交织在一起。无论是通过我们的设备在家里使用或者我们用所有的时间都在制造产品的方式,使便利性,其影响是无处不在,在我们生活的每一个方面推动创新。但也有缺件这个难题,仍然会造成对最终用户和现在显著挑战挫折的研究人员试图改善如何人工智能技术进行。

常识性的AI

他在2018年去世前,微软联合创始人保罗·艾伦专门的时间和资源的令人钦佩的量来解决,这似乎一次又一次拿出了一个重要的挑战:基本缺乏AI技术常识。艾伦先生,他的艾伦研究所人工智能(AI2)推出镶嵌继续解决这一问题,它陷害喜欢这个

“早在人工智能研究,有注重常识的很大,但工作停滞不前。AI仍然缺乏大多数10岁的孩子拥有:普通常识。我们要迅速启动该研究实现重大突破的领域。”

阿伦的比喻强调了深学习技术的当前状态的一个大问题。作为智能作为我们的AI产品往往是,他们仍然不能回答非常简单的问题,我们可能会问同事或我们的配偶。例如,“如果我画的这面墙的红色,将它仍然是红色的明天?”为了说明我们有多远去解决这个问题,奥伦奥尼,AI2的CEO列举了例子说,“......当AlphaGo世界在2016年击败头号棋手,程序不知道围棋的棋盘游戏“。直到我们解决了这一点,AI的成功潜力将被限制在狭窄的应用。

复杂的解决方案,bob平台app下载以常识问题

它已经成为明显的常识AI多管齐下的策略,将有必要打破技术出它的局限性。为此,艾伦的马赛克工程“整合了机器阅读和推理,自然语言理解,计算机视觉,和众包技术在创建一个新的广泛的,基础性的常识知识,为将来的AI系统的基础构建。”这是什么样子,在像AI2组织的研究水平?

  • 视觉常识推理(VCR)是认知水平的直观的了解一个新的任务和大型数据集。这项研究的重点是基于人工智能视觉系统产生高阶认知和常识推理。录像机是研究人员在华盛顿和AI2大学之间的一种努力。VCR使用的一组人群的工人来注释数据这个项目。
  • 常识知识图提供表示常识概念的半结构化的方式。这种结构提供了一个不同的观点比不过其他的知识来源,代表什么样的知识,以及如何最好将其纳入现代神经网络仍然是这一领域研究的一个重要问题。为了解决它,团队目前正在建设和释放资源即探索常识的不同方面,如对社会的情况下,心理状态和因果关系的信息。
  • 对于接地常识推断这个任务SWAG大规模的数据集,统一自然语言推理,和身体接地推理。该数据集包括113K选择题约接地的情况。每一个问题是LSMDC或ActivityNet字幕视频字幕,大约在场景接下来可能发生的事情哪四个答案选项。正确的答案是在视频的下一个事件的(实)有字幕的影片;三个不正确的答案是adversarially生成和人验证,从而骗过机器,但不是人。该小组的目标是SWAG是用于评估接地常识NLI和学习交涉的基准。

澳鹏怎么能帮助你与你的AI举措?

最喜欢的机器学习项目,常识AI往往需要精心标注的数量巨大bob体育手机下载。澳鹏在全球超过100万熟练的承包商的网络中130多个国家和180多个语言和方言的手段,我们可以收集并标注高容量的图像,文本,语音,音频,以及用于构建视频数据和改善人工智能系统操作。

学到更多关于澳鹏的机器学习机器学习常见问题解答

网站与世界一流的训练数据部署AIbob体育手机下载
语言