Estamos utilizando un algoritmo alternativo llamado Calibrated Quantum Mesh para resolver el problema.
¿Por qué estamos incursionando en esto?
Somos una startup de automatización cognitiva que resuelve problemas empresariales del mundo real que se basan en el lenguaje. Creemos que a pesar de toda la investigación en la academia, los equipos empresariales todavía están luchando porque:
- ¿Dónde puedo encontrar artículos sobre los métodos utilizados para ganar las competencias de Kaggle?
- ¿Puede un autoencoder sobreajustar cuando tiene una cantidad mucho menor de neuronas de capa oculta que la capa de entrada y también se usa la deserción?
- ¿Cuándo las funciones coercitivas tienen un minimizador?
- ¿Crees que la tecnología 'block chain' es la próxima gran novedad en informática?
- ¿En qué año se desplaza una creciente masa de empleos a través de la automatización en los Estados Unidos?
- A menudo no tienen suficientes datos homogéneos para poder entrenar redes neuronales profundas. Percepción extrasensorial. En el mundo de la automatización cognitiva, encontramos que hay más excepciones a una regla que cosas que se ajustan.
- En la mayoría de los casos, no tienen los recursos para anotar los datos de capacitación utilizando expertos en la materia. Un cliente una vez me confió: “El costo real de los sistemas de aprendizaje profundo es el tiempo de su gente …”
- Incluso cuando cruzan estos obstáculos, la precisión del sistema es insuficiente para un uso comercial confiable. Por ejemplo, la experiencia del MD Anderson con IBM Watson.
Emulamos los procesos cognitivos de los humanos para resolver estos problemas. Significa que entrenamos máquinas no para todo el problema, sino pasos individuales de microsegundos que los humanos toman para resolverlo (Cómo hacer que una IA piense como un humano).
A medida que atendemos a más y más clientes, hemos comenzado a darnos cuenta de que el idioma no es solo texto escrito o hablado. Las imágenes también son una gran parte del lenguaje. Pensar en:
- ¿Cómo afecta el tamaño de fuente a su comprensión de la importancia de un concepto?
- ¿Cómo las etiquetas al lado de las imágenes contribuyen a su comprensión?
- ¿Cómo empezar a juntar significados de diferentes textos porque aparecen juntos en una imagen?
Creemos que estos aportes serán muy valiosos para nosotros para resolver problemas de lenguaje natural.
Nuestro enfoque
Nuestro algoritmo central se llama Malla Cognitiva Calibrada. Sus principios básicos son los siguientes:
- Un símbolo, palabra, texto o cualquier variable en el contexto humano puede tener múltiples significados, algunos más probables que otros.
- Todo está correlacionado entre sí y limita los posibles significados que cada par podría tener. Por ejemplo, en la frase “El informe”, “El” asegura que “informe” es más probable que sea un sustantivo que un verbo.
- Además de las restricciones de relación, se puede agregar secuencialmente otra información disponible para resolver la malla con un solo significado. Por ejemplo, “El informe de un arma”, prácticamente garantiza que “informe” es una onomatopeya en este caso.
Hemos encontrado que este enfoque es muy poderoso en caso de problemas de IA relacionados con el lenguaje natural. CIOReview: ¿Por qué NLS supera a Google Search Appliance?
No hay razón para que esto no funcione para imágenes o símbolos. El primer desafío que tenemos que resolver es que no tenemos nada parecido a la gramática como lo hacemos con el lenguaje natural. Solo tenemos que ser oportunistas al respecto.
Éxito hasta ahora
Solo estamos comenzando, pero esperamos anunciar algunas cosas a principios de 2018. Desafortunadamente, como una startup con problemas de arranque, no tenemos presupuestos significativos de I + D, pero estamos abiertos a colaborar con equipos que sí.
El sueño
Nuestra misión es crear una máquina que pueda ingerir todo el conocimiento de la humanidad ya disponible en forma de Internet (Primeros pasos para un cerebro de máquina). Dicha máquina podrá resolver una variedad de problemas sin ningún tipo de entrenamiento, y no solo tendrá la escalabilidad de una computadora, sino también el juicio de la experiencia colectiva de los humanos.
Cada vez más, nos damos cuenta de que el texto escrito es solo una parte de las capacidades que esta máquina necesita para desarrollar.