Deep-Learning-Systeme verändern unseren Ansatz, eine Vielzahl von Prozessen zu verstehen und nachzuahmen. Einige dieser Anwendungen sind so vielfältig wie Videospiele und das Gesundheitswesen. Es hat sich auch als Instrument erwiesen, mit dessen Hilfe bestimmte Prozesse geklärt werden können, die schwer zu verstehen sind. Ein Forscherteam des MIT-Zentrums für Gehirn, Geist und Maschine (CBMM) und des Labors für Informatik und künstliche Intelligenz (CSAIL) hat eine Studie erstellt, die versucht, einige dieser Fragen zu beantworten, die sich auf das Erlernen von Sprachen konzentrieren bei kleinen Kindern. Die Verbesserung dieses Prozesses wird als semantische Analyse bezeichnet.
Der Prozess besteht darin, die Sprache in eine logische und messbare Form von Daten umzuwandeln. Es verwendet Deep-Learning-Algorithmen, um das Verfahren bei Kindern zu kopieren und Ergebnisse durch Beobachtung zu erzielen. Das Team, das hinter der Forschung steht, wird die Details in einem Artikel auf der diesjährigen Konferenz Empirical Methods in Natural Language Processing vom 2. bis 4. November in BrĂĽssel, Belgien, vorstellen. Das Team verwendete Video fĂĽr das Training, um die Ergebnisse zu erhalten. Candace Ross, Doktorandin am Institut fĂĽr Elektrotechnik und Informatik und CSAIL und Erstautorin des Artikels, sagte: “Es gibt zeitliche Komponenten, Objekte, die miteinander und mit Menschen interagieren, und Eigenschaften auf hoher Ebene, die dies nicht tun du wĂĽrdest es wissen. ” siehe in einem Standbild oder nur in der Sprache “.
Insgesamt wurden 400 Videos verwendet, die die Aufgaben demonstrierten, und 1.200 Untertitel wurden hinzugefĂĽgt. Mechanical Turk, eine Crowdsourcing-Plattform, half beim HinzufĂĽgen der Untertitel. Dann teilten die Wissenschaftler die Untertitel in zwei Gruppen ein. 840 Untertitel wurden fĂĽr Tuning- und Trainingszwecke verwendet, während die restlichen 360 nur zum Testen reserviert waren und einen optimierten Prozess boten. Der Co-Autor Andrei Barbu, Forscher am Labor fĂĽr Informatik und kĂĽnstliche Intelligenz (CSAIL) und am Zentrum fĂĽr Gehirn, Geist und Maschine (CBMM), sagte: „Fast genauso viele Daten werden nicht benötigt, obwohl dies der Fall war [the data]Es könnte auf groĂźe Datenmengen skaliert werden. “
Die Forschung bietet die Möglichkeit, das Verständnis einiger grundlegender Lernprozesse, an denen Kinder teilnehmen, zu vertiefen. Es gab einige offensichtliche Herausforderungen, denen sich Kinder aufgrund ihrer unterschiedlichen Entwicklungsstadien stellen mĂĽssen, um einige dieser Nuancen zu artikulieren. Die KI spielt in dieser Angelegenheit eine wichtige Rolle. Boris Katz, leitender Wissenschaftler und Leiter der InfoLab-Gruppe bei CSAIL, sagte: “Ein Kind hat Zugang zu redundanten und komplementären Informationen aus verschiedenen Modalitäten, einschlieĂźlich des Hörens von Eltern und Geschwistern, die ĂĽber die Welt sprechen, sowie zu taktilen Informationen und visuellen Informationen. [which help him or her] Die Welt verstehen Es ist ein erstaunliches Rätsel, all diese sensorischen Informationen gleichzeitig zu verarbeiten. Diese Arbeit ist Teil eines größeren StĂĽcks, um zu verstehen, wie diese Art des Lernens in der Welt stattfindet. “
Der Spracherwerbsprozess ist sehr komplex und erfordert einen multidisziplinären Ansatz, der die Welt berĂĽcksichtigt, in der Kinder leben. Ross fĂĽgte hinzu: „Kinder interagieren beim Lernen mit der Umwelt. Unsere Idee ist es, ein Modell zu haben, das auch die Wahrnehmung zum Lernen nutzt. ” Details zu diesem Dokument werden auch in seinem Dokument “Deep Sequential Models for Sampling-Based Planning” ĂĽber das Institut fĂĽr Informatik der University of Washington veröffentlicht.
