常识AI:制作深入学习技术更多人类

推特
鸣叫
linkedin
分享
Facebook
fb-share-icon

近年来,AI技术变得越来越复杂。如此多的产品和服务现在依靠技术提供自动化和智慧,即与日常世界不可逆转地交织在一起。无论是通过我们使用的设备,在家里的方便还是在我们使用的方式都是制造的方式,它的影响到处都是在我们生活中的各个方面推动创新。但是,这种难题有缺失的部分,仍然对最终用户造成挫折,并对试图改进AI技术如何表现的研究人员带来了重大挑战。

常识ai

在2018年去世之前,微软(Microsoft)联合创始人保罗·艾伦(Paul Allen)投入了大量时间和资源来解决一个似乎一再出现的关键挑战:人工智能技术基本常识的缺乏。艾伦先生创立了艾伦人工智能研究所(AI2)马赛克要继续解决这个问题,请将其框架框架

“在AI研究的早期,有很多焦点常识,但工作已经停滞不前。AI仍然缺乏10岁的人拥有的东西:普通常识。我们希望跳跃开始该研究以实现该领域的重大突破。“

艾伦的类比突出了当前深度学习技术的大问题。作为我们的AI产品往往的智能,他们仍然无法回答我们可能会问一名同事或配偶的极简问题。例如,“如果我涂上这墙红色,明天仍然是红色吗?”为了说明我们必须去解决这个问题的距离,Ai2的首席执行官Oren Etzioni引用了“...... alphago在2016年在世界上击败了世界上的第一名球员时,该计划不知道Go是棋盘游戏。“在我们解决方面之前,AI的成功潜力将仅限于狭窄的应用程序。

常识问题的复杂解bob平台app下载决方案

显而易见的是,对于常识AI的多管策略将是必要的,将技术摆脱局限性。为此,艾伦的马赛克项目“整合了机器阅读和推理,自然语言理解,计算机愿景,以及众包技术,为未来的AI系统创造一个新的广泛,基本常识知识库,以便建立在建立。”这对一个组织的研究水平是什么样的?

  • 视觉常识推理(Visual Common Sense Reasoning, VCR)是一项面向认知级视觉理解的新课题和大规模数据集。研究重点是为基于人工智能的视觉系统创建高阶认知和常识性推理。录像机是华盛顿大学和AI2大学的研究人员之间的努力。录像机使用了一群人群工人注释数据这个项目。
  • 型号知识图表提供了一种代表致辞概念的半结构化方式。然而,这种结构提供了与其他知识来源不同的观点,然而,有什么类型的知识以及如何将它们纳入现代神经网络的最佳知识仍然是该领域研究的重要问题。为了解决它,团队是目前建设和释放资源这探讨了致辞中的不同方面,例如社交情况,心理状态和因果关系的信息。
  • 用于此任务的SWAG大型数据集的常识推理,统一自然语言推理和物理推理。数据集包含113k个关于情境的选择题。每个问题都是来自LSMDC或ActivityNet字幕的视频字幕,有四个关于场景中接下来会发生什么的答案选择。正确答案是视频中下一个事件的(真实的)视频标题;这三个不正确的答案是反向生成并由人验证的,以便欺骗机器而不是人类。团队的目标是让SWAG成为评估基础常识NLI和学习表征的基准。

Appen如何帮助您使用您的AI举措?

与大多数机器学习项目一样,常识AI通常需要大量的奇怪的批注bob体育手机下载。Appen的全球网络,超过100万次技术承包商,在130多个国家和180多种语言和方言中运行意味着我们可以收集和标记用于构建和改进人工智能系统的高卷的图像,文本,语音,音频和视频数据。

学到更多关于Appen的机器学习机器学习常见问题解答

使用世界级的训练数据部署人工智能的网站bob体育手机下载