Künstliche Intelligenz, die menschliche Sprachmuster lernen kann

​Die menschliche Sprache ist bekanntermaßen komplex, und Linguisten haben lange geglaubt, dass es unmöglich sei, Maschinen beizubringen, Sprache und Wortstrukturen so zu analysieren, wie es Menschen tun.

Aber Forscher der McGill University, des MIT und der Cornell University haben bereits einen Schritt in diese Richtung gemacht. Sie haben ein System der künstlichen Intelligenz (KI) entwickelt, das die Regeln und Muster der menschlichen Sprache selbstständig erlernen kann.

Das Modell lernt automatisch Hochsprachemuster, die auf verschiedene Sprachen angewendet werden können, wodurch bessere Ergebnisse erzielt werden.

Wenn Beispiele für Wörter gegeben werden und wie sich diese Wörter ändern, um unterschiedliche grammatikalische Funktionen in einer Sprache auszudrücken – wie z. B. Zeitform, Groß- und Kleinschreibung oder Geschlecht –, erstellt dieses Modell des maschinellen Lernens Regeln, um zu erklären, warum diese Wörter so sind, wie sie sich ändern geschehen.

Forscher haben ein künstliches Intelligenzsystem entwickelt, das die Regeln und Muster der menschlichen Sprache selbstständig lernen kann. Bildnachweis: MIT Jose-Luis Olivares

Zum Beispiel könnte es wissen, dass der Buchstabe „a“ am Ende des Wortes hinzugefügt werden muss, damit die männliche Form im Serbokroatischen weiblich wird.

Die Forscher sagen, dass das System verwendet werden könnte, um Sprachtheorien zu testen und subtile Ähnlichkeiten in der Art und Weise zu untersuchen, wie verschiedene Sprachen Wörter konvertieren. „Wir wollten sehen, ob wir das Wissen und die Argumentation nachahmen können, die Menschen für diese Aufgabe mitbringen“, sagte Co-Autor Adam Albright, Professor für Linguistik am MIT.

„Das Spannende an dieser Arbeit ist, dass sie zeigt, wie wir Algorithmen erstellen können, die aus sehr kleinen Stichproben von Sprachdaten verallgemeinern können, eher wie menschliche Wissenschaftler und Kinder“, sagte der leitende Autor Timothy, Assistenzprofessor in der Abteilung O'Donnell. Doktor der Linguistik an der McGill University, Mila – Kanada, Lehrstuhl für CIFAR AI am Quebec Institute for Artificial Intelligence.

Induktive Synthese der Theorie der menschlichen Sprache mithilfe von Bayes'schen Verfahren

Die Konstruktion und Bewertung automatisierter, datengesteuerter wissenschaftlicher Modelle und Theorien ist eine seit langem bestehende Herausforderung in der künstlichen Intelligenz.

Wir schlagen einen Rahmen für die algorithmische Synthese von Modellen eines grundlegenden Teils der menschlichen Sprache vor: der Morphophonologie, dem System zur Bildung von Wortformen aus Lauten. Wir kombinieren Bayesianische Inferenz mit Programmsynthese und -darstellung, inspiriert von der Sprachtheorie und kognitiven Modellen des Lernens und Entdeckens.

Anhand von 70 Datensätzen aus 58 verschiedenen Sprachen synthetisiert unser System vom Menschen interpretierbare Modelle der Kernaspekte der morphologischen Phonologie für jede Sprache und nähert sich manchmal den von menschlichen Linguisten vorgeschlagenen Modellen. Durch die gemeinsame Inferenz über alle 70 Datensätze wird automatisch ein Metamodell synthetisiert, das interpretierbare, sprachübergreifende Typtrends kodiert.

Schließlich erfasst derselbe Algorithmus einen kleinen Teil der Lerndynamik und erwirbt neue morphologische phonetische Regeln aus nur einem oder wenigen Beispielen.

Diese Ergebnisse veranschaulichen den Weg zu einer leistungsfähigeren maschinellen Unterstützung für die Entdeckung interpretierbarer Modelle in der Linguistik und anderen wissenschaftlichen Bereichen.

Das obige ist der detaillierte Inhalt vonKünstliche Intelligenz, die menschliche Sprachmuster lernen kann. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!