Trabajo en el Readware Institute, donde utilizamos nuestros hallazgos de la semántica profunda para informarnos sobre la actividad inteligente o el comportamiento de la comprensión lectora, definido como: – “los procesos de extracción y construcción simultánea de significado a través de la interacción y participación con el lenguaje escrito”.
Cuando comenzamos a principios de la década de 1980, estábamos interesados en crear un “lector” inteligente con la agencia para realizar los actos de leer varios textos en el mismo idioma o en diferentes idiomas. En el camino, aprendimos que la comprensión de lectura involucra tres componentes complejos e independientes: el lector, el texto y la actividad de lectura.
En 1999, el Departamento de Educación de los Estados Unidos encargó al Grupo de Estudio de Lectura RAND (RRSG) el desarrollo de una agenda de investigación para abordar los problemas más apremiantes en la alfabetización. Este Grupo Rand más tarde definió el problema de manera sucinta.
- ¿Es correcto que Martin Heidegger haya influido en el campo de la Inteligencia Artificial? ¿Si es así, cómo?
- ¿Qué salvaguardas existen para evitar que una IA rebelde emerja?
- ¿Qué necesito estudiar para contribuir a la inteligencia artificial?
- Cómo usar Python para crear una IA como Jarvis
- ¿Por qué el aprendizaje profundo / las arquitecturas solo usan la función de activación no lineal en las capas ocultas?
“El lector lleva al acto de leer sus capacidades cognitivas (atención, memoria, capacidad analítica crítica, proceso de inferir, visualización); motivación (un propósito para leer, interés en el contenido, autoeficacia como lector) “conocimiento (vocabulario y conocimiento de temas, conocimiento lingüístico y del discurso, conocimiento de estrategias de comprensión); y experiencias. Estos atributos varían considerablemente entre los lectores e incluso dentro de un lector individual en función del texto particular que se lee y la actividad de lectura”.
Hacia un programa de I + D en comprensión de lectura
Así que ahora, llevar a un lector a la agencia para realizar estos actos realmente describe el inmenso alcance del problema. ¿Cómo representa la atención del agente de lectura, la capacidad analítica crítica, la capacidad inductiva o el punto de vista? ¿Cuáles son los pasos para comprender (aprehender, asimilar, concebir, discernir, prever) o comprender la importancia de la información transmitida al involucrarse en la actividad de lectura? ¿Qué es de hecho “significado”? ¿Cómo está estructurado? ¿Cuáles son sus atributos? ¿Cómo sabe un lector qué es significativo y qué no? Estas son preguntas importantes en las que hemos estado trabajando durante las últimas décadas.
Una vez que haya asimilado todo lo anterior, debe descubrir cómo transformar su comprensión en datos tabulares donde sus características o representaciones se describen en términos de observaciones o instancias (filas) que están formadas por variables o atributos (columnas de la tabla ) Hoy, los profesionales en los campos de IA y aprendizaje automático, en los laboratorios de aprendizaje profundo de todo el mundo, están aprendiendo a apreciar la magnitud del problema:
“Es profundo. Si le va bien en el aprendizaje automático, incluso en inteligencia artificial en general, vuelve a los problemas de representación. Es algo difícil, tal vez incognoscible (o, en el mejor de los casos, intratable), conocer la mejor representación para usar, a priori ”.
Descubra la ingeniería de características, cómo diseñar características y cómo llegar a ser bueno: dominio del aprendizaje automático
Por definición, un lector aporta algo, algo de capacidad cognitiva para razonar, algo de comprensión o punto de vista. Esta capacidad es independiente y a priori de cualquiera de las actividades de lectura.
Entonces, en nuestro trabajo, estamos muy optimizados después de optimizar la mejor representación para usar a priori , lo que resulta ser un marco de las capacidades cognitivas de un lector. Esto se ha transformado en una tabla de los atributos e instancias de importancia que deben concebirse. Este reciente documento de posición de investigación describe cómo un marco de capacidades cognitivas está representado por un pequeño conjunto de atributos y procesos elementales involucrados en la extracción y construcción de hechos y relaciones importantes (importantes, relevantes) de los idiomas escritos:
Un marco de cognición y estructuras conceptuales basadas en semántica profunda
Hoy, estamos entusiasmados con las nuevas oportunidades para fusionar nuestro trabajo, conocimiento y experiencia en comprensión de lectura con las técnicas de aprendizaje y refuerzo y otros avances de la tecnología de aprendizaje profundo.
