Si un modelo de PNL automatizado pudiera otorgar subvenciones, ¿qué haríamos con todos nuestros investigadores principales de alto nivel? Bromas aparte, el estado actual de PNL no puede escribir una subvención muy convincente. En particular, incluso los mejores modelos generativos (creo que este título todavía está en manos de redes neuronales profundas) a veces no tienen sentido.
Incluso si pudiéramos desarrollar un modelo de lenguaje perfecto que tuviera una gramática impecable, aún estaríamos muy lejos de ser un profesor-profesor de redacción de subvenciones en funcionamiento. La mayoría de los modelos actuales de lenguaje de redes neuronales están entrenados para recibir alguna entrada y predecir la salida dada la secuencia de entrada. En otras palabras, son supervisados por el corpus de datos. En este caso, generar datos que no solo estén bien escritos sino que sean lógicamente sólidos y que la investigación científica novedosa sea, como mínimo, descabellada.
Por desgracia, la IA tiene muchos más obstáculos que resolver antes de escribir subvenciones * buenas *.
- Si algún día una inteligencia artificial (IA) puede pasar una prueba de Turing, ¿será realmente una indicación de todas sus capacidades cuando está haciendo otras cosas?
- ¿Qué son las heurísticas y los esquemas?
- ¿Se ha acercado DeepMind a hacer pensar a AI, como lo habían imaginado?
- ¿Cómo se puede evaluar y comparar diversas aplicaciones de la inteligencia artificial?
- ¿Qué debo hacer si quiero trabajar en inteligencia artificial cuando sea mayor?
Actualización 1 (directamente agregada de los comentarios después de la discusión con el autor de la pregunta) : Ah, interpreté mal su pregunta. Mi respuesta anterior refleja el estado actual de la IA al componer una subvención original y estimulante con alta probabilidad sin intervención humana. Definitivamente, puede haber otros aspectos de una subvención que se pueden hacer de forma autónoma. Además, las acciones repetitivas consistentes también son generalmente más fáciles de modelar de manera supervisada (ya que estos puntos de datos aparecen a menudo y generalmente son más predecibles).
En términos de asistencia en la redacción de la subvención (en lugar de la autonomía completa desde el inicio hasta la presentación), una posible dirección a seguir es crear primero un modelo generativo y luego usar las líneas que genera como inspiración o planos para redactar la subvención real. El trabajo reciente ha demostrado que puede concatenar alguna representación vectorial semántica en una red LSTM y generar texto basado en ese vector semántico. Más concretamente, uno podría imaginar alimentarse en un vector de tema como una entrada concatenada a un modelo de lenguaje generativo (basado en un LSTM, LSTM bidireccional, GRU, etc.) entrenado de forma auto supervisada en un corpus de subvenciones etiquetado. Revisaría el artículo de mi colega sobre ‘Redes de concatenación generativas aprendidas conjuntamente a escribir y clasificar reseñas’ (puede encontrarlo en Arxiv).
