Big Things 2019 的自然语言处理

mitaromana2024@

大数据和人工智能等术语对我们来说并不陌生。它在交通、安全甚至健康领域的一些优势和对社会的贡献也没有。然而，围绕指导机器的道德规范的争论以及我们对机器形象的困惑也很明显。在接受 EFE Agency 采访时，知识工程研究所 (IIC) 首席数据科学家Álvaro Barbero建议避免将人工智能视为将取代我们工作的“终结者”。确实，机器将越来越多地自动化这些重复性任务，但它们无法在认知任务或需要人类技能的工作中取代我们。

大数据、物联网（IoT）和人工智能等尖 塞内加尔电话号码表 端技术是第八届Big Things的主题。在马德里举行的卓越技术会议上，阿尔瓦罗·巴贝罗 (Álvaro Barbero) 出席了会议，他谈到了技术世界的另一个趋势：自然语言处理(NLP)。商业语言模型如果我们对一组文本进行分类、标记它们或提取回答问题的信息，机器就可以学习自动执行此操作。这就是语言处理系统的开发方式，并且已经在许多领域使用。

Álvaro Barbero 在他的演讲“用稀缺数据解决自然语言问题”中解释了一些关键点以及在任何业务中应用自然语言处理时可能出现的问题。很多时候，在处理此类项目时，我们都会遇到现实：我们几乎没有数据来创建自动化感兴趣的流程所需的人工智能模型。从历史上看，这是一个难以克服的障碍，但在自然语言处理的背景下，最近的一项创新使克服它成为可能：语言模型。



语言模型是一个能够告诉我们一系列单词是否有可能在给定语言中形成正确句子的系统。这些系统是通过收集和分析大型书面文本数据库（例如整个维基百科或其他网页的摘录）而构建的，无需手动审查或注释过程。大事语言模型的应用包括手机的预测键盘，但它们也可用于处理任何区域的文本。通过称为迁移学习的过程，语言模型可以用作构建自然语言处理解决方案的基础，以解决非常具体的行业问题。这样，即使我们可以学习的数据很少，系统也可以依靠从语言模型转移的所有知识来获得良好的性能。

机器学习语言如何运作在西班牙 Radio Exterior 的A自助餐特别节目中，Álvaro Barbero 总结了他们试图通过这些语言模型实现的目标：“他们正在尝试构建人工神经网络，以理解语言的一般工作方式，一旦我们有了这些机器能够适应解决非常具体的文本分析问题，例如帮助我们编写电子邮件，”他解释道。我们谈论 PLN 西班牙外部广播电台对阿尔瓦罗·巴贝罗的采访。

他评论说，推进这项任务的障碍之一是，许多用于训练模型的资源都是英文的。“我们必须让机器理解西班牙语，这样我们用这种语言进行交互的系统才能逐渐做得更好”阿尔瓦罗·巴贝罗。因此，在 NLP 方面，机器正在不断进步，以更好地“理解”我们。阿尔瓦罗·巴贝罗 向 EFE 解释道：“新模型使我们能够了解观点、每个地方的典型表达方式、使用和交叉引用不同的来源或文本，甚至了解某些单词如何、在何处以及为何与其他单词相关联。

除了翻译和解释社交网络上的观点和评论之外，“新的自然语言处理系统使我们能够更好地了解句子中每个单词的上下文，”巴贝罗确定。这使得他们更容易捕捉到反讽或双重含义，因为这些是我们许多对话的特征，即使它们是句法复杂的结构。Big Things 2019汇聚了大型技术、电话或通信公司以及来自世界各地的多达 2,000 名专家，他们解释了如何集成新技术并使其适应业务。您可以阅读 Agencia EFE 的完整文章：“大数据”、“物联网”、“人工智能”以及甚至理解讽刺的搜索引擎。