Uno de los problemas abiertos en el procesamiento del lenguaje natural es comprender una oración / párrafo / documento incluso cuando toda la información requerida para la comprensión no está presente en la oración / párrafo / documento.
Por lo general, completamos la información que falta usando nuestro “sentido común / conocimiento” en la mayoría de los casos ( o usando nuestros “modelos mundiales” en terminología de aprendizaje automático ).
Nuestros modelos actuales tienen modelos mundiales muy rudimentarios que limitan su capacidad de responder preguntas simples sobre la historia de un niño usando el “sentido común”.
- ¿Las imágenes generadas por computadoras que están imbuidas de aprendizaje automático profundo se consideran arte?
- ¿Cuál es realmente el significado del número 127 en CS?
- ¿Cuáles son las diferencias entre una supercomputadora y una informática distribuida (como Amazon Cloud o Google Data Center o Hadoop)?
- ¿Se puede usar la potencia informática de una GPU para alimentar gráficos integrados?
- ¿Por qué es difícil para una computadora obtener un número aleatorio?
Un artículo publicado este mes (abril) en ICLR 2017 ilustra el estado actual de los modelos de seguimiento del estado mundial con redes de entidades recurrentes
Uno de los objetivos finales es un modelo, con un modelo mundial suficientemente sofisticado para resolver una oración del Winograd Schema Challenge. Por ejemplo, para poder asociar el “eso” en las siguientes oraciones al objeto correcto ( trofeo en el primer caso y recuadro en el segundo ).
El trofeo no cabía en la caja porque era demasiado grande.
El trofeo no cabía en la caja porque era demasiado pequeño.