Сеть динамической памяти MetaMind станет прорывом в исследовании интерфейсов естественного языка и механизмов понимания человеческого языка.
Все мы сталкивались с раздражающим опытом безуспешных попыток совершить транзакцию по телефону при разговоре с машиной. В этом смысле парадоксально наблюдать, как, несмотря на улучшение мощности и скорости обработки современных компьютеров, все еще существуют серьезные трудности с улучшением интерпретации устной или письменной речи людей. Однако эта ситуация может измениться благодаря новому и улучшенному алгоритму обработки человеческого языка, разработанному стартапом MetaMind, который совершит революцию в вычислительном машинном обучении.
Технологические компании, такие как Google и Facebook, первыми заинтересованы в улучшении языковых навыков компьютеров, активно участвующих в достижениях машинного обучения компьютеров. На самом деле, последний прорыв произошел благодаря стартапу, основанному Ричардом Сочером, экспертом в области машинного обучения из Стэнфордского университета.
Подход Сочера сочетает в себе продвинутую нейронную сеть с двумя различными формами памяти для управления большими базами данных письменного текста. В то время как первый из них использует важную базу данных фактов и понятий, второй соответствует кратковременной или эпизодической памяти, которая придает форму тому, что Сохер называет динамической сетью памяти
Динамическая сетевая память
Когда задается вопрос, алгоритм активирует сеть динамической памяти для поиска соответствующих шаблонов в тексте, хранящемся в эпизодической памяти, чтобы установить ассоциации с другими шаблонами, хранящимися в базе данных фактов и понятий. Этот подход требует подачи в систему больших объемов взаимосвязанных данных, необходимых для выполнения необходимых расчетов, определяющих ключевые параметры текста, изображения и даже аудиофайл.
Для программирования алгоритма команда MetaMind использовала наборы данных с текстами, охватывающими разные эмоциональные тона и основные лексические конструкции. Таким образом, система реагирует, предварительно определяя эмоциональный тон и структуру вопросов, что позволяет избежать обычной лингвистической путаницы при интерпретации человеческого языка.
Результаты программного обеспечения для машинного обучения MetaMind зависят от интересов таких компаний, как Facebook, поскольку они могут упростить пользователям поиск и фильтрацию информации. Но это также позволит Facebook лучше понять информацию, которую пользователи публикуют в своих профилях и профилях своих контактов. Ключевой аспект, который поможет улучшить мощные алгоритмы прогнозирования, которые Facebook использует для рекомендации информации или вставки рекламы по запросу.
Использование сложных гибридных систем, таких как сеть динамической памяти MetaMind, позволяет перенаправить интересы машинного обучения в сторону нового подхода, известного как глубокое обучениеВ На самом деле многообещающая система Сочера представляет собой новый вариант методов, отстаиваемых Google и Facebook, и станет большим шагом вперед в исследовании интерфейсов на естественном языке и механизмов понимания человеческого языка.