2018 NAACL مسابقة في النمذجة تعلم اللغات له أهمية كبيرة في تقدم تكنولوجيا التعلم على التكيف، دعت منظمة العفو الدولية تقنية مراجعة الدكتور تشين لونغ، الذي تبادل معه أحدث نتائج البحوث في مجال التكيف المنافسة.

تقنية مراجعة AI حسب: وقد عقد الاجتماع السادس عشر لأمريكا الشمالية اللسانيات الحاسوبية NAACL في نيو أورليانز، لويزيانا الولايات المتحدة في أوائل يونيو حزيران. NAACL هي واحدة من معالجة اللغة الطبيعية واللغويات الحاسوبية في مجال مؤتمر أكاديمي على مستوى أعلى. في تعلم اللغة المنافسة النمذجة، والمؤسسات المحلية نذيرا التعليم الذكاء الاصطناعي في فازت الانجليزية المجموعة الاولى في البطولة. ومن بين المشاركين الآخرين أفضل الفرق البحثية في العالم من الأوساط الأكاديمية والصناعة، مثل جامعة كامبردج، جامعة نيويورك، جامعة كاليفورنيا.

الإنجليزية بطل تعليم فريق نذيرا التي لها المؤسس المشارك والمدير الدكتور تشين لونغ أدت المنافسة، وتشمل أعضاء الفريق أيضا كبير علماء تشن جين الصوت واللغة الطبيعية المعالجة عالم شو Shuyao. تخرج الدكتور تشين لونغ من جامعة كارنيجي ميلون، لديها 10 عاما من الخبرة في مجال صناعة الذكاء الاصطناعي. لأن هذا الحدث له أهمية كبيرة في تقدم تكنولوجيا التعلم على التكيف، دعت شبكة لى فنغ AI Yanxishe الدكتور تشين لونغ، الذي تبادل معه أحدث نتائج البحوث في مجال التكيف المنافسة.

الموقع الرسمي:

https://www.cs.rochester.edu/~tetreaul/naacl-bea13.html

ومن الجدير بالذكر أن البطولة الفوز أيضا التعليم هيرالد في شبكة لى فنغ: "AI عامل تأثير" للحصول على قاعدة بيانات المشروع الأكاديمي نقاط اضافية (الشبكة العامة رقم لى فنغ) قناة AI تقنية الاستعراضي.

AI Yanxishe: نحن جميعا نعرف NAACL هي أكبر مؤتمر أكاديمي دولي في مجال معالجة اللغة الطبيعية واللغويات الحاسوبية، تعلم اللغة لماذا NAACL عقد ما يقصد هذه المسابقة النمذجة؟

التعليم نذيرا CTO Qinlong: تطبيق تكنولوجيا معالجة اللغة الطبيعية إلى مناطق ذات الصلة التعليم كان قضية مهمة NAACL كل دورة NAACL حلقات دراسية BEA تكنولوجيا التعليم، وهذا العام هو 13TH. BEA هذا العام وهناك نوعان من المهام العامة، واحد هو تعقيد كلمة اعتراف (مجمع تحديد وورد)، وهو الثاني نموذج اكتساب اللغة (اكتساب اللغة الثانية النمذجة). اكتساب اللغة الثانية النمذجة الوسائل (اللغة الثانية) طالبا وطالبة على أساس الإجابة التاريخ الماضية، لا يمكن للطالب تقديم استجابة التنبؤ الصحيح لمشاكل المستقبل. هذا يمكن أن يجعل توصية ذكية لبناء نظام التعلم التكيفي هو من أهمية كبيرة، وذلك هو جوهر وحدة التعلم على التكيف.

(ويظهر في الصورة منظمي ملخص الجمعية العامة تقارير المنافسة SLAM)

يتم اختبار السلطة ETS المنافسة SLAM من القدرة اللغوية من أكبر التطبيق تعلم اللغة في العالم Duolingo تنظيمه. شارك فريق Singsound AI في جميع المهام الفرعية الثلاث المهمة: تعلم اللغة الإنجليزية، تعلم الاسبانية وتعلم اللغة الفرنسية. جعلت CLUF نموذج نذيرا التعليم في تعلم اللغة الإنجليزية نتائج جيدة الأولى حققت المركز الثاني في تعلم اللغة الإسبانية والفرنسية.

AI Yanxishe: ما هي أكبر صعوبة هو أن خلال المباراة؟

نذير التعليم CTO تشين لونغ: هناك نوعان من صعوبات رئيسية هي: أولا، دروس اللغة لتعلم الكلمات والعبارات مبلغ ضخم، والنحوي، مع المجمع هو معروف، هو الأكثر صعوبة الانضباط الهبوط التعلم التكيفي، بالإضافة إلى هذه الزيارة المنافسة لغات متعددة، منها الانكليزية والاسبانية والفرنسية، والثاني هو التعلم السلوكي فترة زمنية البيانات تصل إلى ثلاثة أشهر، وكمية كبيرة جدا من البيانات، وأكثر من مليون جمل، التي تغطي أكثر من 6000 طالب، ونموذج رياضي لتعلم السلوك هو أكثر تعقيدا.

مع دمج الإنترنت في السنوات الأخيرة، تكنولوجيا الذكاء الاصطناعي والتعليم، وزيادة تطبيقات الكمبيوتر، والتي تراكمت لديها قطاع التعليم يمكن استخدام عدد كبير من الطلاب البيانات تعلم قيادة التعلم الشخصية، وحاليا جعلت موضوع الرياضيات أيضا بعض التقدم. ولكن للغة التعلم والمعرفة وأكثر مكرا، التي تنطوي على معرفة المفردات التفاعلية، وتجهيز النحوي شكل أكثر تعقيدا، جنبا إلى جنب مع الحاجة إلى تحليل قاعدة بيانات كبيرة جدا لتدريب نموذج رياضي من صعوبة كبيرة.

AI Yanxishe: ونحن نفهم أنه في الوقت الراهن أكثر نظام التعلم التكيفي مثل هذا خريطة المعرفة القائمة على اكتساب اللغة الثانية مع المهام النمذجة المعرفة مثل خريطة هل هناك فرق؟

التعليم نذيرا تشين لونغ CTO: التعلم التكيفي يمكن تقسيمها إلى مرحلتين: 1) مرحلة الضحلة التكيف القائمة على النظام الموصى بها؛ 2) لدراسة النمذجة السلوكية مرحلة التكيف عمق القائمة. معظم الشركات المحلية لا تزال في مرحلة التكيف الضحلة، من النتائج الأولى لهذه المسابقة نظرة الإنجليزية، وقد يؤدي نذير النظام التعليمي على التكيف بنجاح في عمق المرحلة الأساسية من التعلم التكيفي.

نحن CLUF يستخدم فريق نذيرا التشفير، فك نموذج التعلم القائم على العمق، الذي يتكون من أربعة التشفير، تشفير والسياق سياق التشفير، وميزات لغوية التشفير اللغوي التشفير، المستخدم معلومات التشفير العضو التشفير، أسئلة المعلومات التشفير تنسيق التشفير، وأخيرا من قبل وحدة فك الترميز للتنبؤ مع ارتفاع الناتج ميزة التشفير الأبعاد.

التشفير السياق لترميز بيئة اللغة الجملة، والذي يتألف من التشفير مستوى الصف الرسالة وكلمة التشفير. الحروف والتشفير هو الهرمية دورة الشبكة العصبية، والتشفير مستوى الكلمة هو باختصار ثنائي الاتجاه وعلى المدى الطويل LSTM الذاكرة الشبكة العصبية، حيث التشفير هو بنية LSTM اللغوي، وذلك أساسا لاستخراج الخصائص اللغوية المشفرة ل يوفر سياقا التشفير حصول على معلومات إضافية، تكوين التشفير المستخدم هو مرتبطة ارتباطا كاملا، لتسجيل مستخدم والثاني التاريخ تعلم اللغة؛ أسئلة التشفير يستخدم على أسئلة معلومات ترميز، ووضع الإجابة وما شابه ذلك.

AI Yanxishe: نذير من النماذج وأخرى محددة ما هي الفرق المختلفة للمشاركة، حيث يستفيد من ذلك؟

التعليم نذيرا CTO Qinlong: أكبر ميزة هي أن نموذج CLUF لدينا للاستفادة من البيانات نمط الكامنة من خلال تجميع أنواع مختلفة من الميزات، المشفرة باستخدام بنية الشبكة بما يتماشى مع خصائص المقابلة، حقق CLUF نتائج جيدة جدا، في فريق Singsound AI هزم من جامعة كامبردج، جامعة نيويورك، جامعة العاصمة طوكيو، جامعة كاليفورنيا فريق في مهمة.

في الفرق الأخرى، كما حققت جامعة نيويورك نتائج جيدة. على نظام استخراج تقوم على العلوم المعرفية، واللسانيات خصائص المستخدم، والمفردات والسياق وغيرها، ومن ثم استخدام التدرج تعزيز شجرة القرارات GBDT نموذج لنموذج. على الحصول على أفضل الدرجات في الإسبانية والفرنسية دراسة من السويد SanaLabs، فإنها اعتمدت نهج الفرقة هو استخدام عدد من نماذج مختلفة للتنبؤ، ومن ثم التنبؤ كانت النتائج من عدة نماذج مزيج مرجح من الطرق. في الواقع، والتنافس على مهام مماثلة، القائمون على الجمعية العامة ليست للترويج لاستخدام أسلوب الفرقة، لأنه لا يمكن تحديد ما إذا كان نموذج معين من هذه المهمة هو صالح. ولهذه الغاية، في التقرير النهائي للمنظمين، كان منظمو المؤتمر الفرقة تحليل نموذج الانصهار. من الواضح، وإدماج كل فريق النظم يمكن أن يحقق نتائج أفضل. وفي الوقت نفسه، فإن النظام الانصهار، مساهمة CLUF إلى نذير تعليم أكبر، يليه نظام جامعة نيويورك، وزن SanaLabs حق النظام الحد الأدنى.

(ويظهر في الصورة ومعالجة اللغة الطبيعية / زعيم اللسانيات الحاسوبية، جامعة ستانفورد أستاذ علوم الكمبيوتر كريستوفر D. مانينغ ونذيرا الفرق المشاركة التعليم مناقشة التفاصيل الفنية CLUF)

AI Yanxishe: جميع مداخل لهذه المسابقة أداء الفريق بشكل عام، لديك ما ترى أنه مستقبل تكنولوجيا التعلم على التكيف؟

التعليم نذيرا CTO Qinlong: من النتائج العامة للمسابقة أن نرى، في هذه المرحلة نتيجة للتكنولوجيا التعلم على التكيف أكثر تفاؤلا. في نفس معالجة اللغة الطبيعية / زعيم اللسانيات الحاسوبية، أستاذ عملية الاتصال في جامعة ستانفورد قسم جامعة الكمبيوتر كريستوفر D. مانينغ في، أستاذ مانينغ التعليقات وقال: "في مجال معالجة اللغة الطبيعية واللغويات الحاسوبية في السنوات الأخيرة لا تزال لديها أساليب جديدة تثار قضايا جديدة، مما تسبب في قلق واسع النطاق في هذه الصناعة، والأوساط الأكاديمية، وموظفي البحوث في المجالات ذات الصلة ينمو أيضا. NAACL SLAM المنافسة هذا العام، يمكنك أن ترى تأثير كبير من التكيف الطابق تكنولوجيا التعلم، ولكن أيضا نتطلع إلى لا بتكيف تقنيات التعليم عبر الحدود التعلم، وتطبيقها على مجموعة واسعة من المجالات ".

نذير المؤسس والرئيس التنفيذي لشركة التعليم لو يونجي لتنمية المشاريع والرؤية قال ذات مرة هذا: "ونذيرا شركة الذكاء الاصطناعي، كانت تخدم مئات من الشركات في هذه الصناعة، حرصنا على الحفاظ بعقل مفتوح، على استعداد تام لكل مرحلة البحث أكثر انفتاحا على الشركات المحلية والأجنبية، والمساعدة AI رفع مستوى قطاع التعليم. والأمل في المستقبل مع مزايا التكنولوجيا، مما يتيح المزيد من التجارة عبر الحدود، لتعزيز عصر ذكاء. "ستواصل منظمة العفو الدولية Yanxishe أيضا إلى التركيز نذيرا تكنولوجيا التعليم في تطوير التعليم على التكيف.