Deep-Learning-Systeme revolutionieren unseren Ansatz Verständnis und Nachahmung eine Vielzahl von Prozessen, von denen einige so vielfältig sind wie Videospiele oder sogar Ermittlung der Adipositasraten in ausgewählten Städten. Es hat sich auch als hilfreich erwiesen, um bestimmte Prozesse zu klären, bei denen es schwierig ist, eine vollständige Perspektive zu erhalten.
Jetzt hat ein Forscherteam des MIT-Zentrums für Gehirn, Verstand und Maschinen CBMM und des Labors für Informatik und künstliche Intelligenz CSAIL eine Studie entworfen, mit der einige dieser Fragen zum Sprachenlernen bei kleinen Kindern beantwortet werden sollenVerbesserung des als a bekannten Prozesses semantisches Parsen - das darin besteht, Sprache in eine logische und messbare Datenform umzuwandeln - es verwendet im Wesentlichen Deep-Learning-Algorithmen, um diesen Prozess bei Kindern zu kopieren und Ergebnisse nur durch Beobachtung zu erzielen.
Das Team hinter der Forschung wird die Details in einem Papier auf der diesjährigen vorstellen. Konferenz über empirische Methoden in der Verarbeitung natürlicher Sprache in Brüssel, Belgien, das zwischen dem 2. und 4. November läuft.
Verbesserung des Sprachprozesses
Um die Ergebnisse zu erzielen, verwendete das Team Video für das Training, da es genauere Ergebnisse liefern würde. „Es gibt zeitliche Komponenten - Objekte, die miteinander und mit Menschen interagieren - und Eigenschaften auf hoher Ebene, die Sie nicht sehen würdenin einem Standbild oder nur in Sprache, erklärt Candace Ross, Doktorandin am Institut für Elektrotechnik und Informatik und CSAIL und Erstautorin des Papiers.
Insgesamt ungefähr 400 Videos mit einer Reihe von Aufgaben wurden verwendet, mit 1.200 Bildunterschriften werden hinzugefügt, dank Beiträgen, die über die Crowdsourcing-Plattform Mechanical Turk gesendet wurden. Die Wissenschaftler haben dann die kluge Entscheidung getroffen, die Bildunterschriften in zwei Gruppen aufzuteilen :
840 wird für Tuning- und Trainingszwecke verwendet, während die restlichen 360 waren nur zum Testen reserviert und bieten einen optimierten Prozess, bei dem „Sie nicht annähernd so viele Daten benötigen - obwohl Sie mit [den Daten] auf große Datenmengen skalieren könnten“ sagt Co-Autor Andrei Barbu, Forscher im Labor für Informatik und künstliche Intelligenz CSAIL und im Zentrum für Gehirn, Verstand und Maschinen CBMM des McGovern-Instituts des MIT.
Hinweise zum Lernen freischalten
Die vielversprechende Forschung bietet die Möglichkeit, das Verständnis für einige der grundlegenden Lernprozesse, an denen Kinder beteiligt sind, zu vertiefen. Angesichts der offensichtlichen Herausforderungen, die Kinder bei der Formulierung einiger dieser Nuancen aufgrund ihres unterschiedlichen Entwicklungsstadiums haben, spielt die KI eine wertvolle Rolle.
„Ein Kind hat Zugang zu redundanten, sich ergänzenden Informationen aus verschiedenen Modalitäten, einschließlich des Hörens von Eltern und Geschwistern über die Welt sowie taktiler Informationen und visueller Informationen, die ihm helfen, die Welt zu verstehen.“ Aktien Co-Autor Boris Katz, Hauptforschungswissenschaftler und Leiter der InfoLab-Gruppe bei CSAIL.
"Es ist ein erstaunliches Rätsel, all diese gleichzeitigen sensorischen Eingaben zu verarbeiten. Diese Arbeit ist Teil eines größeren Stücks, um zu verstehen, wie diese Art des Lernens in der Welt geschieht."
Da der Prozess des Spracherwerbs so komplex ist, ist ein multidisziplinärer Ansatz erforderlich, der die Welt berücksichtigt, in der Kinder leben. „Kinder interagieren beim Lernen mit der Umwelt. Unsere Idee ist es, ein Modell zu haben, das auch die Wahrnehmung zum Lernen nutzt“, Ross. fügt hinzu .
Die Forscher haben auch die Details ihrer Arbeit geteilt, betitelt "Deep Sequential Models for Sampling Based Planning", über das Computer Science Department der University of Washington.
Via : MIT