Fermer

juillet 25, 2018

Un guide du débutant sur l'IA: traitement du langage naturel4 minutes de lecture




Ceci est la troisième histoire de notre série continue couvrant les bases de l'IA. Bien qu'il ne soit pas nécessaire de lire le premier article qui couvre les réseaux de neurones, cela pourrait ajouter à votre compréhension des sujets traités dans celui-ci. Si vous voulez savoir comment les ordinateurs «voient», visitez le deuxième article pour en savoir plus sur la vision par ordinateur et le traitement d'image.

Lorsque les ordinateurs traitent du texte ou de l'audio provenant d'humains, ils ne font que regarder les données. Vous pouvez chuchoter "Je t'aime" ou laisser tomber une bombe F, les machines ne voient que les 1 et les 0. Pour que l'IA comprenne ce que vous dites, transformez ces mots en une action, puis produisez quelque chose que vous pouvez comprendre, ils s'appuient sur quelque chose appelé le traitement du langage naturel (TAL), qui est exactement ce que cela ressemble.

Vous n'avez plus besoin d'un diplôme en informatique pour interagir avec un programme d'apprentissage automatique. En fait, plutôt que d'apprendre à parler aux machines, des millions d'entre nous paient pour avoir le privilège d'enseigner des ordinateurs à Amazon Apple Google, Microsoft et à d'innombrables autres entreprises. us

Il y a plusieurs années, avant le lancement de Siri en 2011, les gens et les ordinateurs ne pouvaient pas parler la même langue. Croyez-le ou non, vous pourriez crier «jouer à Skynyrd» sur un ordinateur et cela ne serait pas reconnaître votre commande.

À cette époque, les ordinateurs n'étaient pas des saccades, ils n'avaient tout simplement pas bénéficier de réseaux d'apprentissage en profondeur pour piloter leur traitement du langage naturel. Les choses ont beaucoup changé depuis 2010 – et même plus depuis que les idées derrière les assistants virtuels comme Siri ont été développées dans les années 1940.

Maintenant, votre iPhone moyen a plus de puissance de traitement que les ordinateurs centraux IBM que de nombreux développeurs d'apprentissage automatique ont utilisé il y a plus d'un demi-siècle. Et les algorithmes, ne me lancez pas! Ils sont beaucoup plus robustes et capables que ce que nous aurions cru possible il y a quelques décennies.

Ces percées technologiques remarquables ont stimulé la révolution de l'apprentissage profond dont nous profitons actuellement et, avec elle, le traitement du langage naturel a pris beaucoup de temps. processus où les règles sont manuscrites par des humains, à un tour d'apprentissage non supervisé où les ordinateurs comprennent mieux comment nous communiquons que la plupart d'entre nous.

La façon dont cela fonctionne peut varier selon le système. Il n'y a pas de manière simple de décrire tous les modules qui entrent dans la construction d'une intelligence artificielle aussi complexe que, disons, l'assistant de Google. Mais l'idée n'est pas si compliquée.

Fondamentalement, les chercheurs créent un réseau de neurones qui ingère autant de données que possible, nous parlons de milliers ou de millions de fichiers remplis d'informations. Ces données peuvent être des fichiers audio qui correspondent à du texte annoté, ou l'inverse. L'idée est que si vous dites un mot, l'ordinateur apprendra à vous interpréter et à vous répondre en fonction de ce sur quoi il a été entraîné.

Une interaction homme-ordinateur typique basée sur la PNL pourrait être:

  1. quelque chose à l'ordinateur
  2. L'ordinateur capture l'audio
  3. L'audio capturé est converti en texte
  4. Les données du texte sont traitées
  5. Les données traitées sont converties en audio
  6. L'ordinateur lit un fichier audio réponse à l'humain

Il y a, bien sûr, des variations sur le thème ci-dessus – et beaucoup de fonctions PNL sont beaucoup moins intensives. Vous pourriez développer un algorithme simple qui analyse de gros fichiers pleins de texte pour des mots ou des phrases spécifiques, par exemple.

En fait, il y a une myriade d'utilisations pour le traitement du langage naturel:

  • Chatbots, like Woebot utilisez NLP pour comprendre les requêtes humaines et répondez
  • La recherche de Google utilisée pour analyser le texte, maintenant il essaie d'interpréter ce que vous lui demandez
  • Auto-correct est beaucoup moins frustrant de nos jours grâce à l'apprentissage profond et NLP
  • Les assistants virtuels sont devenus si bons à la PNL que vous pouvez jouer à Skyrim sur un haut-parleur intelligent

Et la liste continue encore et encore. Une grande partie des gadgets alimentés par intelligence artificielle commercialisés auprès du grand public sont des produits PNL.

Si vous souhaitez en savoir plus sur le traitement du langage naturel, consultez les ressources suivantes:

  • Voici un cours Coursera sur l'apprentissage automatique qui est dirigé par le co-fondateur de Google Brain Andrew Ng.
  • Voici un cours de Udacity qui est plus spécifique à la PNL, comme ci-dessus ce n'est pas gratuit. plus votre vitesse vous pouvez apprendre la NLP à l'ancienne: consultez les projets de Hackster.IO ici .

Et n'oubliez pas de visiter notre section intelligence artificielle pour tous les Dernières nouvelles sur l'apprentissage automatique et l'analyse.




Source link