ماشین هایی که از کودکان بهتر زبان را فرا می گیرند
در سالیان اخیر تلاش بسیاری برای طراحی مدل های کامپیوتری گردیده است که توانایی بهبود تعامل بین انسان ها و ماشین ها را داشته باشند . یکی از اهداف تعامل بین انسان ها این بوده است که ماشین ها توانایی یادگیری زبان را بیابند . یادگیری ماشین در سالیان اخیر توسعه زیادی یافته است و ماشین های خودیادگیر گسترش زیادی داشته اند . امّا محققان به دنبال ماشین های سخنگو هستند تا توانایی برقراری ارتباط بین انسان و ماشین افزایش یابد .
ماشین های زبان آموز
محققان MIT یک تجزیه کننده معنایی (Semantic Parser) ، (مراجعه به پاورقی پست برای دریافت اطلاعات بیشتر درباره تجزیه کننده ها) که از طریق مشاهدات خود فرآیند یادگیری زبان در کودکان را تقلید می کند و زبان های جدید را می آموزد . این تکنولولوژی می تواند باعث توسعه توانایی های یادگیری ماشین گردد و هوشمندی تجهیزات رایانه ای را افزایش دهد .
کودکان در یک محیط طبیعی و بوسیله گوش دادن به اصوات اطراف شان ، دیدن اشیاء مختلف و نیاز به برقراری ارتباط با دیگران یک زبان را می آموزند . سوژه های گوناگون و متنوع در زندگی کودکان (حس کنجکاوی کودک) او را به سمت فراگیری زبان های گفتاری سوق می دهد .
در حوزه محاسباتی ، یادگیری زبان به دو بخش معنایی و نحوی مرتبط می شود . یعنی این که برای یادگیری یک زبان باید هم به ساختار زبانی تسلط یافت و هم معانی کلمات را درک کرد .
تجزیه کننده ها (Parser) ها قبل از این در جستجوهای وب ، پرس و جوهای پایگاه داده ها و سیستم های تشخیص صدا به طور فزآینده ای به کار رفته اند . امّا واقعیت این است که به زودی شاهد حضور تجزیه کننده ها در ربات های خانگی هم خواهیم بود .
محققان MIT یک تجزیه کننده ای را ایجاد کرده اند که از طریق مشاهده فرآیند یادگیری زبان را طی می کند . این تجزیه کننده برای یادگیری ساختار زبان کلمات را با اشیاء و اقدامات هر شی مرتبط می نماید . تجزیه کننده به مرور زمان ساختار زبانی آموخته شده خود را تقویت می کند و پیش بینی های خود را درباره معنای یک جمله دریافتی بهبود می دهد .
تجزیه کننده طراحی شده توسط MIT به اطلاعات محدود آموزشی نیاز دارد . این تجزیه کننده با این اطلاعات محدود سعی به یادگیری زبان می نماید و دانش خود را تکمیل می نماید . دقیقا مانند یک کودک که رفتار محیط اطراف خود را دریافت کرده و تلاش به تقلید از آن می کند . این تجزیه کننده در آینده نزدیک برای بهبود تعامل بین انسان ها و روبات های شخصی مورد استفاده قرار خواهد گرفت .
یادگیری بصری
یادگیری بصری
محققان MIT از فیلم آموزشی برای فرآیند آموزش این تجزیه کننده استفاده می کنند . آنها در حدود ۴۰۰ فیلم را برای آموزش ابتدایی تهیه کرده اند . در این فیلم ها مفاهیم ساده اولیه با تکرار کلمات آموزش داده می شود . آنها از الگوریتم های پردازش تصویر و صوت برای یادگیری بهره برده اند .
تجزیه کننده از طریق مشاهدات خود یاد می گیرد . بنابراین برای آنکه تجزیه کننده متوجه درست بودن (صادق) ویدئو پخش شده بشود ، نیاز به الگوریتم های معناشناسی دارد . الگوریتم های معناشناسی کمک زیادی به شناخت دستور زبان و معنای کلمات می نمایند . محققان امیدوارند که در چند سال آینده بتوانند بهبود مناسبی را در مدل ها و الگوریتم های خود بوجود آورند .
این پروژه توسط شرکت تویوتا و مجموعه مغز هوشمند MIT/IBM مورد حمایت قرار گرفته است .
تهیه و گردآوری : مسعود معاونی
منبع : موسسه فناوری ماساچوست
پ.ن : تجزیه کننده یا همان Parserابزاری است که هدف آن تجزیه کلمات و عبارات به بخش های مختلف می باشد . تجزیه کننده از طریق آنالیز هر کلمه رابطه آن کلمه را با معنای کلی جمله بدست می آورد . تجزیه در کامپیوتر و ماشین به معنای تقسیم کلمات به واحدهای قابل درک برای یک ماشین سخت افزاری می باشد . یک تجزیه کننده بایستی توانایی تشخیص جملات دارای مفهوم از جملات بدون مفهوم را داشته باشد . تجزیه کننده ها از الگوهی مشخص برای تشخیص مفاهیم کلمات استفاده می کنند .
