Key Takeaways
- Model pembelajaran mesin baru berhalusinasi gambar penampilan kalimat dalam bahasa untuk membantu terjemahan.
- Sistem AI, yang disebut VALHALLA, dirancang untuk meniru cara manusia memahami bahasa.
- Sistem baru adalah bagian dari gerakan yang berkembang untuk menggunakan AI untuk memahami bahasa.
Metode manusia dalam memvisualisasikan gambar saat menerjemahkan kata-kata dapat membantu kecerdasan buatan (AI) memahami Anda dengan lebih baik.
Model pembelajaran mesin baru berhalusinasi gambar seperti apa kalimat dalam bahasa. Menurut sebuah makalah penelitian baru-baru ini, teknik ini kemudian menggunakan visualisasi dan petunjuk lain untuk membantu penerjemahan. Ini adalah bagian dari gerakan yang berkembang untuk menggunakan AI untuk memahami bahasa.
"Cara orang berbicara dan menulis itu unik karena kita semua memiliki nada dan gaya yang sedikit berbeda," Beth Cudney, seorang profesor analisis data di Universitas Maryville, yang tidak terlibat dalam penelitian, mengatakan kepada Lifewire dalam sebuah wawancara email. "Memahami konteks itu sulit karena seperti berurusan dengan data yang tidak terstruktur. Di sinilah pemrosesan bahasa alami (NLP) berguna. NLP adalah cabang AI yang membahas perbedaan cara kita berkomunikasi menggunakan pemahaman membaca mesin. Perbedaan utama dalam NLP, sebagai cabang dari AI, tidak hanya berfokus pada makna literal dari kata-kata yang kita ucapkan atau tulis. Ia melihat maknanya."
Pergi Tanya Alice
Sistem AI baru, yang disebut VALHALLA, dibuat oleh para peneliti dari MIT, IBM, dan University of California di San Diego, dirancang untuk meniru cara manusia memahami bahasa. Menurut para ilmuwan, menggunakan informasi sensorik, seperti multimedia, dipasangkan dengan kata-kata baru dan asing, seperti kartu flash dengan gambar, meningkatkan perolehan dan retensi bahasa.
Sistem ini meningkatkan kekuatan chatbot yang saat ini hanya dilatih dan mampu melakukan percakapan tertentu…
Tim mengklaim metode mereka meningkatkan akurasi terjemahan mesin dibandingkan terjemahan teks saja. Para ilmuwan menggunakan arsitektur encoder-decoder dengan dua transformator, sejenis model jaringan saraf yang cocok untuk data yang bergantung pada urutan, seperti bahasa, yang dapat memperhatikan kata kunci dan semantik kalimat. Satu trafo menghasilkan halusinasi visual, dan trafo lainnya melakukan translasi multimodal menggunakan output dari trafo pertama.
"Dalam skenario dunia nyata, Anda mungkin tidak memiliki gambar sehubungan dengan kalimat sumber," Rameswar Panda, salah satu anggota tim peneliti, mengatakan dalam rilis berita. "Jadi, motivasi kami pada dasarnya adalah: Alih-alih menggunakan gambar eksternal selama inferensi sebagai input, dapatkah kita menggunakan halusinasi visual-kemampuan untuk membayangkan adegan visual-untuk meningkatkan sistem terjemahan mesin?"
Pengertian AI
Penelitian yang cukup besar difokuskan untuk memajukan NLP, kata Cudney. Misalnya, Elon Musk mendirikan Open AI, yang bekerja pada GPT-3, model yang dapat berkomunikasi dengan manusia dan cukup cerdas untuk menghasilkan kode perangkat lunak dengan Python dan Java.
Google dan Meta juga bekerja untuk mengembangkan AI percakapan dengan sistem mereka yang disebut LAMDA. "Sistem ini meningkatkan kekuatan chatbot yang saat ini hanya dilatih dan mampu melakukan percakapan tertentu, yang kemungkinan akan mengubah wajah dukungan pelanggan dan meja bantuan," kata Cudney.
Aaron Sloman, salah satu pendiri CLIPR, sebuah perusahaan teknologi AI, mengatakan dalam email bahwa model bahasa besar seperti GPT-3 dapat belajar dari sangat sedikit contoh pelatihan untuk meningkatkan ringkasan teks berdasarkan umpan balik manusia. Misalnya, katanya, Anda dapat memberikan model bahasa besar masalah matematika dan meminta AI untuk berpikir langkah demi langkah.
"Kami dapat mengharapkan wawasan dan penalaran yang lebih besar untuk diekstraksi dari model bahasa besar saat kami mempelajari lebih lanjut tentang kemampuan dan keterbatasan mereka," tambah Sloman. "Saya juga berharap model bahasa ini menciptakan lebih banyak proses seperti manusia karena pemodel mengembangkan cara yang lebih baik untuk menyempurnakan model untuk tugas tertentu yang diminati."
Profesor komputasi Georgia Tech Diyi Yang memperkirakan dalam wawancara email bahwa kita akan melihat lebih banyak penggunaan sistem pemrosesan bahasa alami (NLP) dalam kehidupan kita sehari-hari, mulai dari asisten pribadi berbasis NLP hingga membantu dengan email dan panggilan telepon, untuk sistem dialog berpengetahuan untuk mencari informasi dalam perjalanan atau perawatan kesehatan."Serta sistem AI yang adil yang dapat melakukan tugas dan membantu manusia secara bertanggung jawab dan bebas bias," tambah Yang.
Model AI besar yang menggunakan triliunan parameter seperti GPT-3 dan DeepText akan terus bekerja menuju satu model untuk semua aplikasi bahasa, prediksi Stephen Hage, insinyur pembelajaran mesin di Dialexa, dalam sebuah wawancara email. Dia mengatakan bahwa juga akan ada jenis model baru yang dibuat untuk penggunaan tertentu, seperti belanja online dengan perintah suara.
"Contohnya mungkin seorang pembelanja yang mengatakan 'Tunjukkan eyeshadow ini dalam warna biru tengah malam dengan lebih banyak halo,' untuk menunjukkan bayangan itu pada mata orang tersebut dengan sedikit kontrol atas cara mengaplikasikannya, " tambah Hage.
