Sciencemag.cz
Doporučujeme
Děti se učí jazyk především tak, že poslouchají rozhovory dospělých vztažené k určitým situacím (které vidí), s jazykem experimentují a reagují na opravy. Dnešní systémy pro porozumění přirozenému jazyku využívají syntaktické a sémantické analyzátory (ať dané předem, nebo vyvíjené průběžně). Nevýhodou většiny z těchto systémů je však to, že vyžadují velké množství učebních dat; pro mnohé jazyky nebo obory nemusí být potřebné množství vůbec snadno dostupné.
Vědci z MITu proto zkusili přiblížit strojové učení tomu, jak si jazyk osvojují děti, hlavně tedy kombinovat vizuální a jazykovou informaci. Může to probíhat např. tak, že systém se učí věty na základě toho, jak lidé hovoří v určitých situacích na videu, eventuálně jak jiné videosekvence komentují. Přitom umělá inteligence zkouší produkovat věty, aniž jim plně rozumí (syntakticky a sémanticky), pouze kontroluje, zda nejsou v rozporu s pravidly, které se systém již naučil. Z hlediska běžných konverzačních asistentů by nový přístup měl systémům umožnit také lépe se vyrovnat se situacemi, kdy lidé nepoužívají jazyk zcela podle pravidel – mluví např. v útržcích či v jinak neúplných větách. Navíc kombinace porozumění jazyku a počítačového vidění by mohla být využívána i nadále, digitální asistent by mohl současně mluvčího pozorovat kamerou a lépe rozumět situaci podle vizuálního kontextu.
Autoři výzkumu rovněž uvádějí, že postup učení může být trvalý, takže asistent využívající tuto metodu učení se pak lépe přizpůsobí konkrétnímu prostředí (každý bude mít svého, personalizovaného konverzačního robota).
Z druhé strany pak příslušný systém a problémy při jeho vývoji třeba lépe pomůže osvětlit, jak si jazyk osvojují děti a jak se v tomto liší např. od psů či lidoopů (kteří jsou v některých případech ovšem také schopni se naučit porozumět nejen jednotlivým slovům, ale i gramatické struktuře, řadit slova do kategorií apod.)
Na podobné téma další výzkum na MIT:
Umělá inteligence se učí řeč i obrázky – najednou
Zdroj: MITnews via TechXplorer.com, „Grounding language acquisition by training semantic parsers using captioned videos“ aclweb.org/anthology/D18-1285 a další
