IA y comprensión de la semántica:la próxima etapa en la evolución de la PNL está cerca

La IA está cerca de alcanzar una comprensión de la semántica como el próximo paso en su evolución

AI es un nombre inapropiado, o eso se sugiere a menudo. La primera letra, artificial, es correcta. En cuanto a la segunda palabra, bueno, no tiene nada de inteligente. Tomemos como ejemplo la semántica, no hay nada ni remotamente inteligente, ni de otro tipo, en que la tecnología artificial comprenda el significado de oraciones, párrafos y libros por la sencilla razón de que es incesantemente mala en eso.

Pero, ¿podría esto estar a punto de cambiar? Recientemente, nos reunimos con Hadayat Seddiqi, director de aprendizaje automático de la empresa de tecnología legal InCloudCounsel. Considera que la IA está cerca de alcanzar una comprensión de la semántica como el próximo paso en su evolución. Preguntamos:"¿cuándo es probable que alcancemos este hito?"

SEO:si usted es un escritor que se enorgullece de su escritura, de aplicar su léxico para expresar una idea sin repetición, entonces probablemente odie el SEO. Si te gusta hacer un argumento complejo, que solo se puede expresar en una oración, un capítulo, un artículo o incluso un libro, entonces SEO, por la forma en que simplifica los argumentos en dos, tres o cuatro palabras. como la IA y la comprensión de la semántica, es el enemigo. (¿Ves lo que hicimos allí?)

¿No sería genial si la búsqueda, utilizando la IA para comprender la semántica (ahí vamos de nuevo), pudiera crear resultados de búsqueda basados ​​en una comprensión mucho más sofisticada, inteligente, por así decirlo, eliminando la necesidad de la tediosa repetición!

De hecho, se espera que el mercado de procesamiento de lenguaje natural alcance los 22 300 millones de dólares para 2025, lo que ilustra cuán lejos ha llegado la tecnología, particularmente en la forma en que nos comunicamos y hacemos negocios.

Actualmente, estas tecnologías se utilizan para una variedad de propósitos dentro de las organizaciones, incluido el monitoreo de la reputación de las marcas para determinar el análisis de sentimientos, brindar información sobre las ubicaciones de los anuncios a través de la coincidencia de palabras clave o la desambiguación de sentido, e incluso se pueden usar para cumplir con las normas para asegurarse de que los productos no no se convierta en una responsabilidad.

En ese caso, el verdadero poder de la IA para revolucionar las industrias y determinar los conocimientos comerciales clave radica en su capacidad para leer texto y comprender la semántica (o la relación entre las palabras) para ayudar a las organizaciones a mitigar aún más el riesgo y descubrir responsabilidades. A su vez, esto crea un gran valor en el procesamiento del lenguaje natural.

Entonces, en la historia de la IA que permite la comprensión de la semántica, ¿cuál es el próximo paso en su evolución y cuándo es probable que alcancemos este hito?

Seddiqi dice:“Alcanzar la comprensión semántica en IA requerirá varios hitos clave. Es útil pensar en términos del progreso iterativo que nos lleva a la comprensión semántica en IA y lo que significa cada hito”.

“Un hito anterior”, dice Seddiqi es Word Vectors:“Enmarquemos este hito en términos de un caso de uso común con el que la mayoría de la gente está familiarizada:la funcionalidad de búsqueda en una computadora. Todo el mundo ha utilizado Ctrl+F/Comando+F para encontrar algo en su sistema, que encuentra lo que está buscando haciendo coincidir exactamente las palabras clave. Además, el uso de un motor de búsqueda como Google para encontrar información incluirá un componente de "corrector ortográfico" para corregir posibles errores ortográficos.

“Pero, ¿qué pasa con las palabras que se ven muy diferentes pero significan cosas similares? Alrededor de 2013, la comunidad de IA encontró una forma eficiente de modelar esto llamada "vectores de palabras". Puedes hacer cosas divertidas de álgebra de palabras, como King + Woman te darán Queen. De manera más práctica, ahora puede ampliar su búsqueda para incluir palabras relacionadas semánticamente”.

Próximo hito en la comprensión de la semántica de IA

“Los vectores de palabras cambiaron las reglas del juego, pero aun así requerían que expresaras tu idea en términos de una o unas pocas palabras clave. Pero, ¿y si tu idea requiere una oración completa para expresarse? Ese es el próximo hito, al que estamos llegando gracias a un gran impulso en la investigación el año pasado.

“La idea es que puedes tomar una oración, codificarla en un vector de oración (o pensamiento) y luego encontrar vectores de oración similares. Si está bien codificada, su función de búsqueda puede encontrar oraciones de aspecto muy diferente que expresen la misma idea.

“No es descabellado decir que esta tecnología madurará en los próximos años, según el progreso de la investigación actual.

Hitos futuros:comprensión de la IA más allá de las oraciones

“Hay un patrón claro de jerarquía que emerge en la progresión de esta tecnología. Nos estamos acercando a la IA que comprende ideas a nivel de oración utilizando técnicas similares a nivel de palabra y ampliándolas. Esto abre interesantes aplicaciones para que la IA comprenda ideas que requieren párrafos, documentos completos o incluso libros completos.

“El salto reciente de AI para comprender oraciones a partir de palabras no ha sido trivial, ya que la capacidad para hacerlo se ha visto limitada en gran medida por el tamaño del conjunto de datos y la potencia computacional. Hasta ahora se ha demostrado que nuestra capacidad para crear modelos para manejar estos problemas mayores depende de estas dos limitaciones de recursos.

“A medida que estos costos disminuyan debido a los avances en el hardware de IA, nos veremos acercándonos a modelos que comprenden colecciones de texto más grandes. Esto está algo probado por el modelo GPT-2 de Open AI, que muestra que el uso de los mismos diseños de modelos de codificación de oraciones con una gran cantidad de datos produce modelos que ya comprenden conceptos de alto nivel en muchas oraciones. Por ejemplo, GPT-2 comprende lo suficiente como para escribir artículos de noticias completos con una coherencia asombrosa.