인간의 언어는 악명 높을 정도로 복잡하며, 언어학자들은 인간처럼 음성과 단어 구조를 분석하는 방법을 기계에게 가르치는 것이 불가능할 것이라고 오랫동안 믿어 왔습니다.
그러나 McGill University, MIT 및 Cornell University의 연구원들은 이미 이러한 방향으로 한 걸음 나아갔습니다. 인간 언어의 규칙과 패턴을 스스로 학습할 수 있는 인공지능(AI) 시스템을 개발했다.
모델은 다양한 언어에 적용할 수 있는 고급 언어 패턴을 자동으로 학습하여 더 나은 결과를 얻을 수 있습니다.
시제, 격, 성별과 같은 언어의 다양한 문법 기능을 표현하기 위해 해당 단어가 어떻게 변경되는지에 대한 단어와 예가 제공되면 이 기계 학습 모델은 해당 단어가 변경되는 이유를 설명하는 규칙을 제시합니다. 발생하다.
연구원들이 인간 언어의 규칙과 패턴을 스스로 학습할 수 있는 인공지능 시스템을 개발했습니다. 출처: MIT Jose-Luis Olivares
예를 들어, 세르보크로아티아어의 남성형을 여성형으로 만들려면 단어 끝에 문자 "a"를 추가해야 한다는 것을 알 수도 있습니다.
연구원들은 이 시스템이 언어 이론을 테스트하고 다양한 언어가 단어를 변환하는 방식의 미묘한 유사점을 연구하는 데 사용될 수 있다고 말합니다. 공동 저자이자 MIT 언어학 교수인 Adam Albright는 "우리는 인간이 이 작업에 제공하는 지식과 추론을 모방할 수 있는지 확인하고 싶었습니다."라고 말했습니다.
"이 연구의 흥미로운 점은 인간 과학자와 어린이처럼 아주 작은 언어 데이터 샘플에서 일반화할 수 있는 알고리즘을 구축할 수 있는 방법을 보여준다는 것입니다."라고 O'Donnell 학과 조교수인 수석 저자 Timothy는 말했습니다. Mila의 McGill University에서 언어학 박사 – 캐나다 퀘벡 인공 지능 연구소의 CIFAR AI 의장.
자동화된 데이터 기반 과학 모델 및 이론의 구축과 평가는 인공 지능의 오랜 과제입니다.
우리는 인간 언어의 기본 부분인 형태음운론(소리에서 단어 형태를 구성하는 시스템)의 모델을 알고리즘적으로 합성하기 위한 프레임워크를 제안합니다. 우리는 베이지안 추론을 언어 이론과 학습 및 발견의 인지 모델에서 영감을 받은 프로그램 합성 및 표현과 결합합니다.
58개 언어의 70개 데이터세트에 걸쳐 우리 시스템은 각 언어에 대한 형태론적 음운론의 핵심 측면에 대한 인간이 해석할 수 있는 모델을 합성하며 때로는 인간 언어학자가 제안한 모델에 접근합니다. 70개 데이터 세트 전체에 대한 공동 추론은 해석 가능한 언어 간 유형 추세를 인코딩하는 메타 모델을 자동으로 합성합니다.
마지막으로, 동일한 알고리즘은 소량의 학습 역학을 포착하여 단 하나 또는 몇 가지 예로부터 새로운 형태론적 음성 규칙을 획득합니다.
이러한 결과는 언어학 및 기타 과학 분야에서 해석 가능한 모델을 발견하기 위한 더욱 강력한 기계 지원을 향한 길을 보여줍니다.
위 내용은 인간의 언어 패턴을 학습할 수 있는 인공지능의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!