2017، بشرت في مجال الاصطناعية نقطة تحول المخابرات: في تلك السنة، وصلت إلى رؤية الكمبيوتر التقليدية والتعرف على الكلام آفاق جديدة، ولكن أيضا الأداء يميل إلى أن يكون المشبعة . في عام 2017 مسابقة صورة هوية ImageNet، دخول 38 فرق لديها 29 نسبة الخطأ أقل من 5 (في عام 2011، وأفضل فريق أداء ديه أيضا نسبة الخطأ حوالي ربع). ولهذا السبب جزئيا، أعلن ImageNet أنه تغيير مجموعة البيانات في عام 2018، لزيادة صعوبة.

في الصناعة، وركزت العديد من الشركات على رؤية الكمبيوتر اكتسبت التطور السريع. أكثر تمثيلا هو تقييم للعلوم والتكنولوجيا أكثر من 2 مليار $ شانغ، وبعد عدد كبير من تمويل جولات، أصبح خافت من الاتجاه يونيكورن العملاقة.

ومع ذلك، فإن مجال الذكاء الاصطناعي، لا يبدو معالجة اللغة الطبيعية المتصلة آخر للوصول إلى هذه المرتفعات. على الجانب التقني، دقة التقنية في هذا المجال بعيدا عن رؤية الكمبيوتر ومستوى التعرف على الكلام من منتجات التكنولوجيا (مثل المساعدين الشخصيين) يمكن أن يكون إلا وغالبا ما تحرش هجاء المستخدمة، وعدم وجود قيمة حقيقية. من حيث الشركات المبتدئة، ولم معالجة اللغة الطبيعية لا تنتج مثل اسرة شانغ، منظر مفتوح، وفقا للخريطة، وسحابة من هذا القبيل "الصغيرة العملاقة".

وهذه هي بالضبط يوضح صعوبة الوضع الراهن لمعالجة اللغة الطبيعية. ومع ذلك، يمكن القول مدى صعوبة هذه التكنولوجيا، وهناك أكثر أهمية.

وقال مؤسس شركة مايكروسوفت بيل غيتس مرة واحدة، "فهم اللغة هو جوهرة في تاج مجال الذكاء الاصطناعي". وقال نائب الرئيس التنفيذي لمايكروسوفت شين يانغ العالمي أيضا في خطاب علني إلى نهاية عام 2017: "منظمة الصحة العالمية في العالم ...... فهم اللغة العقد المقبل، والذكاء الاصطناعي اختراق في فهم اللغة الطبيعية الذكاء الاصطناعي ...... أكبر الأثر العميق على البشرية هي اللغة الطبيعية."

يتكون الذكاء الاصطناعي من جزأين مهمة - "يشعر" و "المعرفي". من بينها، رؤية الكمبيوتر والتعرف على الكلام وغيرها من المجالات تنتمي جزء التصور، ولكن جزءا هاما من اللغة الطبيعية معالجة جزء المعرفي. ل"الذكية" هي المعنية، وبطبيعة الحال، فإنه ليس تصور فقط، فهم وهضم القدرة المعرفية هو المضمون الأساسي بالمعنى الحقيقي.

لذلك، عندما اخترنا هذا الواقع "جوهرة في منطقة التاج الذكاء الاصطناعي"؟ تغلب على هذه المشكلة، في الآونة الأخيرة، وأجريت مقابلات مع DT الملك اثنين من الشخصيات الرائدة في مجال معالجة اللغة الطبيعية: أستاذ في جامعة ولاية بنسلفانيا  دان روث وتشو مينغ، نائب رئيس مايكروسوفت للبحوث آسيا .

للعاملين في مجال معالجة اللغات الطبيعية، وسمعة اثنين من ذات الحجم الصغير بالسيارات.

خريطة | أستاذ دان روث في EmTech الصين خطاب قمة

وتلتزم البروفيسور دان روث في المساعدة على فهم آلة اللغة الطبيعية عن طريق التعلم الآلي والمنطق، وهو أيضا AAAS، ACL، AAAI وزميل ACM، شغل منصب آخر رئيس البرنامج في عدد من الاجتماعات الهامة، برعاية انه أيضا من قبل جمعية الحاسبات الصين واحدة من رئيس الجمعية العامة للمعالجة اللغة الطبيعية الدولي والصينية الحوسبة مؤتمر (NLPCC2018) من.

خريطة | خطاب الدكتور تشو مينغ في قمة EmTech الصين

والدكتور تشو مينغ كما معالجة اللغة الطبيعية الواحد في الصين من أعلى العلماء ويشغل حاليا منصب نائب رئيس مايكروسوفت للبحوث آسيا، والرابطة الدولية لاللسانيات الحاسوبية (ACL) الرئيس المعين، جمعية الحاسبات الصين، مدير الصينية IT لجان خاصة، مصطلحات متعددة بوصفها لجنة العمل الرئيسية، المدير التنفيذي للمعلومات الصينية جمعية المعالجة، وما إلى ذلك، أو المعهد الدكتور هاربين للتكنولوجيا، جامعة تيانجين، جامعة نانكاى، جامعة شاندونغ وغيرها من المدربين المدارس.

في حوار مع الزعيمين في البرمجة اللغوية العصبية، وجدت DT الملك اثنين من أفراد العينة لديها خلافات حول بعض الموضوعات الساخنة، على سبيل المثال، في السنوات الأخيرة، والمنافسة المهنية الناري على نحو متزايد، دان روث أعتقد أن هذا السباق ليس على المدى الطويل لتعزيز قيمة البحث والتطوير العلمي، وعرض تشو مينغ هو أكثر إيجابية. وعند مقارنة تطوير معالجة اللغات الطبيعية والرؤية الحاسوبية، وهما نتفق على أن معالجة اللغات الطبيعية الرؤية الحاسوبية أكثر تعقيدا، لا يزال هناك لا تزال العديد من القضايا التي لم تحل بعد.

ومع ذلك، فإن نهاية المقابلة، أعرب دان روث وتشو مينغ أيضا من المتوقع أن تظهر الثقة في تقدم جديد في 2018 معالجة اللغة الطبيعية. ما يلي هو المقابلة كاملة:

لم نر كبيرة جدا من الشركات المبتدئة NLP

س: لماذا هو معالجة اللغة الطبيعية ليست كبيرة جدا من الشركات المبتدئة؟

تشو مينغ: من البحوث حول هذه المسألة هو يستحق كل هذا العناء. وبشكل عام، وذلك لأن التكنولوجيا هي من الصعب جدا معالجة اللغة الطبيعية، وتطبيق سيناريوهات معقدة للغاية.

هو الدافع وراء إنشاء وتطوير الشركة من قبل الطلب. احتياجات التعرف على الصور الضخمة، مثل الأمن والمصادقة على العديد من السيناريوهات، والكاميرات في كل مكان، الذين يمكن أن نرى، ولكن. لذا، فإن مجال الأمن كانت تتطلع إلى تقنية دام لتصل قيمة عتبة، وعلى الفور تكون قادرة على استخدام أي أنه استغرق عامين فقط لمعرفة عمق الرؤية الحاسوبية للارتقاء إلى مستوى عتبة. وبالإضافة إلى ذلك، كما ذكر أعلاه الجواب، نظافة مشكلة التعرف على الصور، إلى جانب الجاهزة ومشهد ضخم. لذلك، مجرد اختراق التكنولوجيا قليلا، جنبا إلى جنب مع المشهد الطبيعي، الشركة القيام به فجأة.

ولا سيما تطبيقات لغة طبيعية بحتة (وليس بما في ذلك البحث)، وذلك أساسا الترجمة الآلية . الترجمة الآلية من الطلب على المدى الطويل، ولكن لا يوجد الاحتياجات الأمنية والتوثيق كثيرا. وعلاوة على ذلك، كان مستوى الترجمة الآلية في المكان. حتى اليوم، فإنه من الصعب خلفية الترجمة الآلية من الجمل المعقدة.

وبالإضافة إلى ذلك، فإن تطبيق معالجة اللغات الطبيعية يعتمد أيضا على واجهة المستخدم. والتعرف على الصور حاجة أساسية UI، بعض تقنيات متكاملة مباشرة داخل النظام على الخط. جميع الشركات، بما في ذلك البرمجيات مايكروسوفت لقيام بالترجمة، لا تعمل إذا كان UI، تجربة المستخدم ليست كذلك، والناس لن تكون على استعداد لاستخدامها.

صناعة التكنولوجيا الأكثر أهمية هو نموذج الأعمال التجارية، والتي هي كيفية جعل جعل التكنولوجيا المال. لم يتم تحديد نموذج التعرف على الصور للشركة لتصل إلى كسب المال، ولكن يدفعون أكثر صعوبة لترجمة. تكنولوجيا اللغة الطبيعية لذلك من البحوث لتسويق على الأرض، وتواجه سلسلة من التحديات.

الوضع الحالي هو لغة أكثر طبيعية التكنولوجيا تجهيز والتكنولوجيا الداخلية للشركة، مثل وظائف استقصاء معلومات الأعمال أو واجهة الإنسان والآلة الداخلية. ولكن هذا لا يعني أننا لا يمكن العثور على مثل هذه القنوات في المستقبل.

دان روث: في مجموعة متنوعة من التطبيقات المهنية، فمن الضروري اختيار الحق ونموذج اللغة الطبيعية، وليس هناك نموذج واحد يمكن أن تحل جميع المشاكل التي واجهتها في مجال اللغة الطبيعية، و معالجة اللغة الطبيعية لا يمكن أن تحل جميع المشاكل من وجود المربع السحري عليك ان تضع كل قاعدة المعارف ذات الصلة داخل منطقة الجزاء، واختيار خوارزمية والتعامل المستهدفة مع قضايا محددة، ثم مربع آخر يكون لها تأثير. وقد زاد هذا الوضع من صعوبة التقنية من الهبوط.

على سبيل المثال، وضعت رؤية الكمبيوتر إلى آخر ليس مجرد صورة بسيطة أو التعرف على الأشياء، ولكن لتكون قادرة على القيام بالخطوة التالية نفسها التنبؤ هذه الكائنات، على سبيل المثال، وضع زجاجة من الماء على الطاولة، ثم يدفع به إلى زجاجة ، ونظام الرؤية الحاسوبية المتقدمة غير قادرة على تحديد مسار الزجاجة قد يتم إسقاط الإجراء الأخير تحت الطاولة. ومع ذلك، وصلت تكنولوجيا معالجة اللغة الطبيعية هذا المستوى، فإنه لا يمكن التنبؤ بها. أنها ليست سوى على الجمع الحالية من النص، قاعدة بيانات لتحديد كل النص ينبغي أن يكون لها معنى.

الكائن الاعتراف دقة رؤية الكمبيوتر يمكن أن تصل بالفعل ما يقرب من مئة في المئة، واللغة الطبيعية القراءة حاليا دقة ولكن أيضا ما يقرب من 90، ومعالجة اللغة الطبيعية التي هي حاليا أكبر عائق للتسويق. إذا كنت ترغب في مجالات الخبرة، ودقة الحالية غير كافية بشكل واضح.

حتى لو كنا لا نعتبر الصعوبات البحوث الأساسية، حتى لو كان ذلك نتيجة للأبحاث تستند إلى معالجة اللغة الطبيعية الموجودة، لا يبدو أن تترجم بشكل جيد للغاية، العديد من المنتجات غالبا ما يؤدي في المؤتمر الصحفي والتأثير الفعلي هو مختلف تماما.

تشو مينغ: حاليا منتجات معالجة اللغة الطبيعية القضايا الناشئة، في كثير من الأحيان لا حول التكنولوجيا، ولكن من حيث تصميم المنتجات وUI بما فيه الكفاية ليست جيدة.

في القيام قراءة آلات الفهم والبحث والترجمة الآلية، ونحن تميل إلى أن تكون مجموعة ثابتة من التقييم، وأساليب التقييم مثل F- عشرات ودقة. ولكن هذه لا تمثل تجربة المستخدم، حتى إذا وصلت إلى درجة 100 في التجربة كذلك. التكنولوجيا هي مستقلة عن اتجاه تطبيقات المنتج، والناس المنتج تفعل عندما يكون تطبيق التكنولوجيا إلى الاستفادة من القاع رائع من القلب. لديهم للنظر، ما إذا كان 78 التقنية، أو 88 أو 98 من التكنولوجيا، وكيفية استخدام المنتج من أجل جعل أفضل تجربة للمستخدم.

تجربة المستخدم ما يجب مراعاتها ذلك؟ والأكثر أهمية هو واجهة المستخدم. لأن النظام هو من الصعب تحقيق صحيحة 100، لذلك يجب على المستخدمين النظر في كيفية العمل، وكيفية المتسامحة، بحيث تقبل النتائج معيبة. على سبيل المثال، يعود محرك البحث أكثر بالبحث تصميم النتائج، في الواقع، ذكي جدا. لأن الجميع يعلم أن البحث لا يمكن أن تصل إلى هذا النوع من مستوى، ولكن عندما يعود نتائج متعددة، مستخدمي محرك البحث لا يشكو، إلا أن نتائج محرك البحث توسعت أفكاره، والشيء سيئ الى شيء جيد.

هذا بارعة تصميم واجهة المستخدم وتصميم تجربة المستخدم، والقيام اللغة الطبيعية المعالجة الناس بحاجة إلى التفكير فيه. أنظمة والبحوث قوية، لا يعني أن تجربة المستخدم يمكن القيام به. من وجهة نظر المستخدم من عرض، كيف أن التكنولوجيا الخاصة بك في كل المشاهد الأخرى، حل المشاكل العملية من المستخدمين.

أو في الترجمة الآلية، على سبيل المثال، في المختبر، كل الكلمات هي التجربة مرات عديدة، وليس هناك من الضوضاء، وآثار جيدة جدا. ولكن هل الوقت المنتج للنظر في الكلام، والضوضاء المحيطة، والضوضاء الخلفية، وتحديد حقل بعيد، الأسماء المناسبة، وكذلك لهجة وهلم جرا. إذا أحسنت، يمكن أن يؤدي إلى فوضى الترجمة.

ومع ذلك، من الضوضاء في الخلفية كيفية حلها؟ أولا اتخاذها لضبط UI، من أجل حل بعض المشاكل من التعرف على الكلام، فإنك قد ترغب في حل المشاكل البسيطة عدة جولات من الحوار، لضبط تلقائيا إلى المستخدم القيام به لهجة، وإذا كان للمستخدمين العثور عليه لا يترجم بشكل جيد، ولديهم وسيلة مريحة للتفاعل. هذا وسوف تسمح للمستخدمين أن يشعر، على الرغم من أن هذا النظام ليس على ما يرام، لكنه قدم لي أيضا حل الكثير من المشاكل. هذا هو واحد للنظر في قدرة مستوى التصميم.

لذلك، هذه ليست مشكلة التكنولوجية التي يتعين حلها، تم تصميم هذا المنتج على حل المشكلة.

عام 2018، ماذا يمكن أن نتوقع من التقدم NLP؟

Q: بالإضافة إلى هذه الصعوبات والمشاكل في اللغة الطبيعية بحوث تكنولوجيا معالجة والتطبيق، قد تظهر أكبر تقدم هذا العام أو في السنوات القليلة القادمة؟

دان روث: وسوف تستخدم قاعدة المعرفة، وتطبيق مستقبل معالجة اللغة الطبيعية تساعد الشركات على تحويل المعرفة إلى نموذج معين معالجة اللغة الطبيعية. باستخدام هذه النماذج، يمكن للتكنولوجيا معالجة اللغة الطبيعية تصبح وسيلة جيدة للتأثير على الحياة أعمق الإنسان.

تشو مينغ: حقل الرأسي لديه حواجز واقية (على سبيل المثال، بعض البيانات ليست عامة)، مما أدى إلى شركة كبيرة لا يمكن أن يدخل مباشرة. في مثل هذه المناطق نتمكن من القيام ببعض التنقيب على رسم خرائط المعرفة، ولكن أيضا للميزات الفن، والقيام ببعض البحوث واستهدفت تحسين خاص، بدلا من استخدام تكنولوجيا اللغة الطبيعية العامة . هذا قد ينتج خرائط المعرفة المهنية، وتكنولوجيا اللغة الطبيعية استنادا إلى خريطة خاصة لفهم. وأخيرا، لتعزيز إنتاجية الحقل بأكمله.

وبالإضافة إلى ذلك، العصبية الترجمة الآلية الشبكة، القراءة والفهم، محادثات الدردشة، والتأليف الوصول وستكون هذه التطبيقات الأربعة هذا العام والعام المقبل سيكون هناك الكثير من شعبيته المحلية، وتطبيق سيناريوهات ذات الصلة بما في ذلك محركات البحث، مساعد شخصي، مساعد صوت، الترجمة الآلية، فضلا عن إنتاج الموسيقى الشخصية، والإنتاج الشخصي للأنباء، شبكة الكتابة الروائية، وأنظمة المسابقة، الخ .

تطبيق آخر مهم هو خدمة آلة . عموما لا أحد يريد أن يرى دليل المنتج، ولكن إذا ما تركت قراءة الكمبيوتر من خلال دليل المنتج، يمكنك أن تطلب يبدو أي قضايا المنتج اليدوي، ويمكن إنشاء تطبيق جيدة في خدمة العملاء، وخدمة ما بعد البيع في هذه المناطق. خدمة العملاء الذكية يمكن أن تساعد في تحسين الكفاءة وإنقاذ الناس. ويمكن أيضا أن اتهم النظام وفقا للوكيل، وهناك نماذج الأعمال.

وبالنسبة للشركات ناضجة، أولا وقبل كل محركات البحث يزال هناك مجال للتحسين. إذا كان محرك البحث قادر على القراءة والفهم، والنتائج التي تم إرجاعها على شاشة الهاتف دقيقة بشكل خاص، سيكون لها ميزة تنافسية هائلة. ثانيا، الآن تدفق المعلومات مهم جدا. على سبيل المثال تحتاج عناوين اليوم على فهم التكنولوجيا وراء النص التوصية، فهم المستخدم، ومن ثم مطابقتها. إذا زادت قدرتنا معالجة اللغة الطبيعية بعد المستويات الموصى بها ستزداد.

وبالنسبة للشركات المبتدئة، الفرصة الأولى هي الترجمة الآلية ولكنه جعل تجربة المستخدم ونموذج الأعمال. الفرصة الثانية هي خدمة العملاء. آخر واحد هو تطوير قطاعات الصناعة اللغة الطبيعية تكنولوجيا معالجة.

"معالجة اللغات الطبيعية الرؤية الحاسوبية أكثر تعقيدا بكثير"

Q: العام وتعلم الآلة، بحيث اتجاه مجال الذكاء الاصطناعي ورؤية الجهاز مقارنة معالجة اللغة الطبيعية لوجود تحديات فريدة خاصة بهم، ما هو الحل؟

دان روث: رؤية الكمبيوتر هي إلى حد كبير الكشف عن وجوه. على الرغم من أن العديد من التطبيقات رؤية الكمبيوتر، ولكن أساسا خوارزميات الأساسية هي الكشف عن وجوه لا يتجزأ في هذا الاتجاه، والمنطق وراء استخدام يتسق تماما.

وبالإضافة إلى ذلك، نظرا لنضج تكنولوجيا الرؤية الكمبيوتر أنها توصلت المعايير التجارية، لذلك يمكننا أن نرى الكثير من شركات مختلفة مزدهرة. لكن الوضع مختلف تماما معالجة اللغة الطبيعية. سيناريوهات مختلفة، لغات مختلفة، ومستويات مختلفة أو حتى معالجة اللغة الطبيعية المطلوبة للاستخدام المهني مختلفة، حتى الآن رؤية الكمبيوتر، اللغة الطبيعية مجمع المعالجة والتطبيق الحالي لا يزال صغيرا جدا، وعدد قليل من هذه التطبيقات من أجل تطوير الخوارزميات الخاصة بها وجديرة بالاهتمام.

تشو مينغ: التعرف على الكلام والتعرف على الصور هو وسيلة المدخلات والمخرجات، والمشكلة هي نظيفة جدا وبسيطة. على سبيل المثال، إدخال الصورة لتحديد عدم وجود الزهور أو العشب، والحكم المباشر على الخط. هذه الاتجاهات مع عدم وجود جولات، أي التفاعل، عموما أقل اعتمادا على المعرفة ورسم الخرائط والحس السليم، كما تبين أن استخدام ايوجد تأثير كبير.

ومع ذلك، معالجة اللغة الطبيعية، وهناك ثلاثة اختلافات هامة تجعل من الصعب:

أولا، اللغة الطبيعية هي جولة متعددة، عقوبة لا يمكن عزله لرؤية، أو سياق، أو لديك العجلات الأمامية والخلفية الحوار. عمق الحالي للتكنولوجيا التعلم، والنمذجة والسياق عندما عدة جولات، أكثر بكثير من صعوبة وجود مشاكل المدخلات والمخرجات. وبالتالي فإن التعرف على الكلام يفعله الناس الطيبين لا يفعلون الناس الطيبين التعرف على الصور، واللغة الطبيعية قد لا تكون قادرة على القيام به.

ثانيا، اللغة الطبيعية ميزات أخرى من جولات متعددة، أنه ينطوي أيضا على معرفة خلفية ومعرفة الحس السليم هذا هو حاليا ليس من الواضح كيف غرار نحن، وليس من المفهوم تماما.

ثالثا، معالجة اللغة الطبيعية لقضايا وجه تخصيص. نفس الكلمة، والناس مختلفة مع وجهة نظر مختلفة وتعبير مختلفة، وليس ذلك بكثير تغيير الصورة العامة. هذه الشخصية، وتنوعت مشكلة صعبة للغاية لحلها.

لأن الذكاء الاصطناعي بما في ذلك إدراك الذكية (مثل التعرف على الصور، التعرف على الكلام والتعرف على الإيماءات، وما إلى ذلك)، والاستخبارات المعرفي (أساسا فهم اللغة والمنطق المعرفة)، واللغة لعبت دورا مركزيا في معظم المخابرات المعرفي. ولذلك، يمكننا أن نقول بثقة، إذا وضعنا يتم حل هذه القضايا، والذكاء الاصطناعي، والجزء الأصعب سيتم حلها أساسا.

Q: ثم كيفية حل هذه المشاكل؟

تشو مينغ: على الرغم من أنها ليست مضمونة لتحسين التكنولوجيا، ولكن هناك ثلاثة اتجاهات يستحق المحاولة:

أولا، السياق النمذجة الحاجة إلى بناء مجموعات البيانات على نطاق واسع. على سبيل المثال، عدة جولات من الحوار والتفاهم السياقية. تميزت البيانات في الوقت الالتفات إلى ما قبل وبعد النص. وبدون هذه البيانات، فمن الصعب تحقيق انفراجة.

ثانيا، تعزيز التعلم مهم جدا. نحن بحاجة إلى دفع إلى أسفل نموذج يقوم على ردود فعل المستخدمين وجعل المعلمات تصحيح لجعل النموذج أكثر الأمثل. الآن وقد بدأ تعزيز التعلم فقط في مجال اللغة الطبيعية، والأداء غير مستقر، ولكن في المستقبل فرصة جيدة.

ثالثا، وإدخال المعرفة والخبرة والمعرفة لبناء أفضل. حتى تتمكن من الإجابة على الأسئلة بشكل أكثر دقة. لا أحد يستطيع أن يثبت أن المعرفة الحس السليم للغة المستخدمة في الأسئلة والأجوبة والبحث في دور الآن كم. لذلك، نحن بحاجة إلى مجموعة من الاختبارات للتحقق من النتائج. هذه المجموعة اختبار لقياس السياق والمعرفة المتخصصة، يسمح لنا إما تعطيل النموذج الجديد (مثل تعزيز التعلم أو خريطة المعرفة) إلى التجربة والخطأ، ويمكن أداء النظام تحسين مظهر.

المنافسة فهم ما الآلة فعلا يستحق؟

الشكل شو فرقة تقف على ستانفورد Q & A مجموعة البيانات (ستانفورد سؤال الإجابة الإدراجات)، وقد وضعت في تجهيز مختبر لمجموعة البيانات والمباراة اللغة الطبيعية جامعة ستانفورد. بيانات فرقة من مقالة ويكيبيديا. طرد رجال علامات البيانات المقال بعض الكلمات، والسماح للفرق استخدام النموذج لإعادة ملء الفراغ، وذلك للنظر في مدى فهم نموذج من هذه المادة

Q: 2017، مايكروسوفت للبحوث آسيا، علي بابا ومعهد هاربين للتكنولوجيا تم الإعلان iFly مختبرات مشتركة، تطوير نموذج فهمهم للنص قد تجاوز مستوى عضوا الشرح البشري، مما تسبب في استجابة كبيرة والجدل. على غرار فرقة هذه المسابقة هي بعض النصائح Shuafen؟ مسابقات مماثلة لها أهمية كبيرة لهذه الصناعة؟ نحن بحاجة إلى أي نوع من مجموعة البيانات والمباراة؟

دان روث: وهذه المسابقة لتحسين البنية التحتية التقنية يكون هناك بعض المساهمات، ولكن على المدى الطويل، لتعزيز البحث العلمي والتطوير وليس هناك قيمة كبيرة .

على سبيل المثال، إذا حددت نفس البيانات للتنافس لمدة عام أو اثنين، اللعبة نفسها سوف تضيع تماما معناها. السبب الرئيسي هو أنه إذا كان الناس فقط إلى المنافسة على بيانات التدريب، وليس المشكلة الحقيقية التي ينبغي حلها نشعر بالقلق بشكل عام عنها، ثم أخيرا أننا لن نرى التقدم التقني الحقيقي، ولكن فقط من أجل الحصول على مختلف المسابقات نصائح والتنمية.

خريطة | البروفيسور دان روث مقابلات DT يونيو

تشو مينغ: بعض الإعدادات فرقة يمكن أن تمنع بشكل فعال Shuafen. على سبيل المثال، مجموعة البيانات كبيرة، وأيضا لم يكشف عن مجموعة الاختبار. وعموما، يمكن القول ستانفورد التشكيلة التي معالجة اللغات الطبيعية والابتكار معلما. وكان للقيام الاستيعاب القرائي، هي العموميات لا نعرف أبدا في النهاية إلى أي مستوى. ولكن الآن جعلت ستانفورد على نطاق واسع، ليس من السهل لتحسين الأداء من خلال صقل (غرامة تصل قيمتها) مجموعات البيانات. في الواقع، على نحو فعال جدا لتعزيز هذا المجال.

فرقة ولكن هناك مشاكل. ولكن الموقف الصحيح يجب أن تكون مصممة بذكاء مجموعة جديدة وصعبة من الاختبارات، واحدا تلو الآخر على الفهم القراءة من الصعوبات الفنية العاملة في مجال البحوث لهذه الصعوبات واحدا تلو الآخر. مع مرور الوقت، سيكون لدينا فهم القراءة ككل سيرتفع إلى ما لا نهاية، الواقع على مقربة من المستوى المتوسط من آخر رجل.

مقابلة DT الدكتور تشو مينغ يونيو | خريطة

على سبيل المثال، والتشكيلات لا تنطوي على الكثير من المنطق القدرة، يمكننا أن نفعل مجموعة اختبار خاص لقدرة اختبار المنطق. ويمكن أيضا عدة مستويات الاستدلال: المنطق البسيط لا يمكن أن تعتمد على المنطق أعلاه، يمكن أن يستند المنطق معقدة على النص الكامل للتفكير، وحتى أكثر تعقيدا المنطق يجب أن تستخدم لخلفية ومعرفة المجال. حتى اذا كنا نستطيع القيام بذلك طبقة بعد طبقة، وصعوبة الحال، هناك نصف النجاح.

نجاح البحث المستقبل، وهناك نوعان من العوامل الهامة، هو نموذج، وهو السباق يمكن استخدامها لمجموعات البيانات المراجعة.