211service.com
Google voor ontwikkelaars: hier leest u hoe u kunt stoppen met het maken van domme chatbots
Over het algemeen zijn computers nutteloos om een gesprek te voeren. Ze nemen de dingen gewoon een beetje te letterlijk. Maar Google leert computers de grillen van menselijke spraak en tekst te begrijpen.
Vanaf vandaag stelt Google die algoritmen open voor externe softwareontwikkelaars. De vrijgegeven tools zullen programmeurs helpen bij het bouwen van op taal gebaseerde apps en diensten die minder vatbaar zijn voor vervelende misverstanden dan veel van de huidige chatbots. En ze zouden ontwikkelaars moeten helpen om verslaafd te raken aan de krachtige machine learning-technieken die Google aan het scherpen is.
Google's eigen beheersing van grammatica en syntaxis helpt het bedrijf nauwkeurigere zoekresultaten te leveren, en het zal steeds belangrijker worden naarmate meer van zijn apparaten en services afhankelijk worden van spraakbesturing.
Smartphones op basis van de software van Google kunnen natuurlijk al spraakgestuurd zijn, en algemeen wordt aangenomen dat het bedrijf apparaten voor thuisgebruik ontwikkelt, vergelijkbaar met Amazon's Echo, die meer afhankelijk zijn van spraakinteractie. Dus het uitbrengen van een tool die het begrijpen van taal toegankelijker maakt, is strategisch zeer zinvol.
De meeste van onze gebruikers communiceren met ons via taal, zegt Fernando Pereira, die leiding geeft aan de inspanningen van het bedrijf op het gebied van het begrijpen van natuurlijke taal en machine learning. Ze stellen vragen, getypt of gesproken. Om de gebruiker dus goed van dienst te kunnen zijn, moeten we onze systemen laten begrijpen wat gebruikers willen.
Een van de tools die vandaag zijn uitgebracht, SyntaxNet genaamd, kan de betekenis van woorden en zinsdelen leren begrijpen gezien hun context en algemeen gebruik. Dit werkt met het deep-learning framework dat eerder door Google is uitgebracht, genaamd TensorFlow. En het is de meest complexe en geavanceerde component die tot nu toe met TensorFlow is gebouwd.
Google heeft ook een vooraf getrainde parser voor Engels uitgebracht, genaamd Parsey McParseface (een woordvoerder zegt dat het bedrijf problemen had met het bedenken van een naam toen iemand deze pakkende bijnaam voorstelde). Tekst die in de parser wordt ingevoerd, wordt automatisch opgesplitst in syntactische componenten zoals zelfstandige naamwoorden, werkwoorden, onderwerpen en objecten. Dit maakt het voor een computer gemakkelijker om dubbelzinnige query's of opdrachten correct te ontleden.
Google vertrouwt meestal op gegevens en machine learning - en inderdaad, sommige andere benaderingen, zoals die van Facebook, proberen computers te trainen om taal te ontleden door ze grote hoeveelheden grotendeels niet-gelabelde gegevens te geven (zie Leermachines om ons te begrijpen). Maar het taalbegrijpende project van Google, beschreven in een krant online, is in plaats daarvan gebouwd rond menselijke expertise. Al meer dan acht jaar werken professionele taalkundigen aan het annoteren van teksten voor het bedrijf. En recente vooruitgang is geboekt door die annotaties in een groot, diep lerend neuraal netwerk in te voeren.
Het begrijpen van taal is ongelooflijk moeilijk voor computers omdat taal vaak dubbelzinnig is. Een zoekopdracht zo eenvoudig als Vind mij katten met hoeden kan worden geïnterpreteerd als een verzoek voor katten met hoeden of katten die met hoeden zitten. Terwijl mensen algemene kennis gebruiken om dergelijke zinnen ondubbelzinnig te maken, maakt de technologie van Google gebruik van machine learning. Het diepgaande leersysteem, getraind met syntactische tekst, maakt een oordeel over de meest waarschijnlijke juiste structuur van een verklaring. In het geval van katten met hoeden veronderstelt het dat de zoeker geïnteresseerd is in modieuze katachtigen.
Dave Orr, de productmanager bij Google die verantwoordelijk is voor het vinden van commerciële toepassingen voor het onderzoek van het bedrijf naar taalbegrip, demonstreerde de technologie voor mij. Hij voedde verschillende artikelen van MIT Technology Review in een interne versie van de taalparser. Het maakte een paar triviale fouten - bijvoorbeeld het woord will aan het begin van een zin verwarren met mijn voornaam - maar over het algemeen leek het zinnen met indrukwekkende nauwkeurigheid te annoteren, waarbij syntactische structuren werden geïdentificeerd die de betekenis van de kop of lead correct weergaven. Het is de beste parser die iemand heeft gemaakt, zegt Orr. We denken dat het dicht bij het menselijk niveau ligt.
Intern combineert Google zijn natuurlijke taalsysteem met een database met semantische informatie, de Knowledge Graph. Hierdoor kan het bepaalde objecten, mensen, plaatsen en andere concepten herkennen en dienovereenkomstig reageren. Het systeem is ook vaak in staat om nieuwe woorden correct te classificeren door ze te vergelijken met andere woorden die in een vergelijkbare context voorkomen. Tot nu toe werkt de technologie voor 15 talen. Sommige talen zijn moeilijker linguïstisch te analyseren, waardoor training moeilijker wordt, zegt Orr.
De technologie is echter verre van in staat om het Engels perfect te begrijpen. Onze systemen werken het beste op goed gestructureerde, goed bewerkte tekst, zegt Pereira. De onregelmatigheid van sociale media en zoekopdrachten is een grotere uitdaging. We hebben daar vooruitgang geboekt, maar er is veel hoofdruimte.
Er zijn ook nog steeds veel dubbelzinnigheden die een menselijk niveau van gezond verstand vereisen - dingen die we leren uit ervaring en van instructies van onze leeftijdsgenoten en onze ouders, zegt Pereira. Dat soort zeer rijke vermogen om problemen op te lossen, is waar onze systemen volledig verloren gaan.
Noah Goodman, een professor aan de Stanford University die onderzoek doet naar taalbegrip, zegt dat verbeterd syntactisch begrip nog maar het begin is van wat computers nodig hebben om taal onder de knie te krijgen. Syntaxis is zeker een belangrijk onderdeel van taal, zegt hij. Maar het is een grote stap van dat naar semantiek en van oppervlakkige semantiek naar afgeleide betekenis.