Come i robot stanno imparando a leggere e pensare

Parliamo continuamente di computer che ci capiscono. Diciamo che Google “conosceva” quello che stavamo cercando, o quello di Cortana “avuto” quello che stavamo dicendo, ma “comprensione” è un concetto molto difficile. Soprattutto quando si tratta di computer.

Un campo di linguistica computazionale, chiamato elaborazione del linguaggio naturale (PNL), sta lavorando su questo problema particolarmente difficile. È un campo affascinante in questo momento, e una volta che hai un'idea di come funziona, inizierai a vedere i suoi effetti ovunque.

Una breve nota: Questo articolo ha alcuni esempi di un computer che risponde al discorso, come quando chiedi a Siri qualcosa. La trasformazione del parlato udibile in un formato comprensibile al computer si chiama riconoscimento vocale. La PNL non è interessata a questo (almeno nella capacità di cui stiamo discutendo qui). La PNL entra in gioco solo quando il testo è pronto. Entrambi i processi sono necessari per molte applicazioni, ma sono due problemi molto diversi.

Definire Comprensione

Prima di entrare nel modo in cui i computer gestiscono il linguaggio naturale, dobbiamo definire alcune cose.

Prima di tutto, dobbiamo definire il linguaggio naturale. Questo è facile: ogni lingua usata regolarmente dalle persone rientra in questa categoria. Non include cose come linguaggi costruiti (Klingon, Esperanto) o linguaggi di programmazione per computer. Usi il linguaggio naturale quando parli con i tuoi amici. Probabilmente lo usi anche per parlare con il tuo assistente personale digitale.

Quindi cosa intendiamo quando diciamo comprensione? Bene, è complesso. Cosa significa capire una frase? Forse diresti che significa che ora hai il contenuto previsto del messaggio nel tuo cervello. Comprendere un concetto potrebbe significare che puoi applicare quel concetto ad altri pensieri.

Le definizioni del dizionario sono nebulose. Non c'è una risposta intuitiva. I filosofi hanno discusso su cose come questa da secoli.

Per i nostri scopi, stiamo per dire che la comprensione è la capacità di estrarre con precisione il significato dal linguaggio naturale. Per capire un computer, è necessario elaborare accuratamente un flusso di parole in entrata, convertire quel flusso in unità di significato ed essere in grado di rispondere all'input con qualcosa di utile.

Ovviamente questo è tutto molto vago. Ma è il meglio che possiamo fare con spazio limitato (e senza un grado di neurofilosofia). Se un computer può offrire una risposta umana, o almeno utile, a un flusso di input del linguaggio naturale, possiamo dire che capisce. Questa è la definizione che useremo andando avanti.

Un problema complesso

Il linguaggio naturale è molto difficile da gestire per un computer. Potresti dire, “Siri, dammi le indicazioni per Punch Pizza,” mentre potrei dire, “Siri, Punch Pizza, per favore.”

Nella tua dichiarazione, Siri potrebbe scegliere la frase chiave “dammi le indicazioni,” quindi eseguire un comando relativo al termine di ricerca “Pizza punch.” Nel mio, tuttavia, Siri deve scegliere “itinerario” come parola chiave e lo so “Pizza punch” è dove voglio andare, no “per favore.” E questo è solo un esempio semplicistico.

Pensa a un'intelligenza artificiale che legge le email e decide se potrebbero essere truffe. O uno che monitora i post sui social media per valutare l'interesse in una determinata azienda. Una volta ho lavorato a un progetto in cui dovevamo insegnare a un computer a leggere le note mediche (che hanno tutti i tipi di strane convenzioni) e raccogliere informazioni da loro.

Ciò significa che il sistema doveva essere in grado di gestire abbreviazioni, strane sintassi, errori ortografici occasionali e un'ampia varietà di altre differenze nelle note. È un compito estremamente complesso che può essere difficile anche per gli umani esperti, e ancor meno per le macchine.

Impostazione di un esempio

In questo particolare progetto, facevo parte del team che insegnava al computer a riconoscere parole specifiche e le relazioni tra le parole. Il primo passo del processo è stato quello di mostrare al computer le informazioni contenute in ciascuna nota, quindi abbiamo annotato le note.

C'era un enorme numero di diverse categorie di entità e relazioni. Prendi la frase “Il mal di testa della signora Green è stato trattato con ibuprofene,” per esempio. Sig.ra Green è stato taggato come una PERSONA, mal di testa è stato contrassegnato come SIGN OR SYMPTOM, ibuprofene è stato taggato come MEDICAZIONE. Poi la signora Green è stata collegata al mal di testa con una relazione PRESENTS. Infine, l'ibuprofene era legato al mal di testa con una relazione TREATS.

Abbiamo taggato migliaia di note in questo modo. Abbiamo codificato diagnosi, trattamenti, sintomi, cause sottostanti, co-morbidità, dosaggi e tutto ciò che potreste pensare di correlare alla medicina. Altri team di annotazione hanno codificato altre informazioni, come la sintassi. Alla fine, avevamo un corpus pieno di note mediche che l'AI poteva fare “leggere.”

Leggere è altrettanto difficile da definire come capire. Il computer può facilmente vedere che l'ibuprofene tratta un mal di testa, ma quando apprende quell'informazione, viene convertita in zero (a noi) e zeri privi di significato. Può certamente restituire informazioni che sembrano umane ed è utile, ma ciò costituisce la comprensione di ciò che l'intelligenza artificiale non è ciò che l'intelligenza artificiale non è intelligente, i robot senzienti stanno per conquistare il mondo? Non oggi - e forse non mai. Leggi di più ? Di nuovo, è in gran parte una questione filosofica.

Il vero apprendimento

A questo punto, il computer ha esaminato le note e applicato un numero di algoritmi di apprendimento automatico. 4 Algoritmi di apprendimento automatico che modellano la tua vita 4 Algoritmi di apprendimento automatico che modellano la tua vita Potresti non rendertene conto ma l'apprendimento automatico è già tutto intorno a te, e può esercitare un sorprendente grado di influenza sulla tua vita. Non mi credi? Potresti essere sorpreso. Leggi di più . I programmatori hanno sviluppato routine diverse per etichettare parti del discorso, analizzare dipendenze e circoscrizioni e etichettare ruoli semantici. In sostanza, l'IA stava imparando “leggere” le note.

I ricercatori potrebbero eventualmente testarlo dandogli una nota medica e chiedendo di etichettare ogni entità e relazione. Quando il computer riproduceva accuratamente annotazioni umane, potevi dire che imparava a leggere le note mediche.

Successivamente, si trattava solo di raccogliere un'enorme quantità di statistiche su ciò che aveva letto: quali farmaci sono usati per trattare quali disturbi, quali trattamenti sono più efficaci, le cause alla base di specifici insiemi di sintomi, e così via. Alla fine del processo, l'IA sarebbe in grado di rispondere a domande mediche basate su prove di effettive note mediche. Non deve fare affidamento su libri di testo, aziende farmaceutiche o intuizioni.

Apprendimento approfondito

Diamo un'occhiata ad un altro esempio. La rete neurale DeepMind di Google sta imparando a leggere articoli di notizie. Come l'IA biomedica di cui sopra, i ricercatori volevano che estrasse informazioni rilevanti e utili da parti di testo più grandi.

Addestrare un'intelligenza artificiale su informazioni mediche era abbastanza difficile, quindi puoi immaginare quanti dati annotati avresti bisogno per rendere un'IA capace di leggere articoli di notizie generali. Assumere un numero sufficiente di annotatori e analizzare abbastanza informazioni sarebbe proibitivo e dispendioso in termini di tempo.

Quindi il team di DeepMind si è rivolto a un'altra fonte: i siti Web di notizie. In particolare, la CNN e il Daily Mail.

Perché questi siti? Perché forniscono riepiloghi puntati sui loro articoli che non tirano semplicemente le frasi dall'articolo stesso. Ciò significa che l'intelligenza artificiale ha qualcosa da cui imparare. I ricercatori hanno fondamentalmente detto all'IA, “Ecco un articolo e qui ci sono le informazioni più importanti.” Poi gli hanno chiesto di estrarre lo stesso tipo di informazioni da un articolo senza punti salienti puntati.

Questo livello di complessità può essere gestito da una rete neurale profonda, che è un tipo particolarmente complesso di sistema di apprendimento automatico. (Il team di DeepMind sta facendo alcune cose incredibili su questo progetto. Per ottenere le specifiche, dai un'occhiata a questa fantastica panoramica dal MIT Technology Review.)

Cosa può fare un AI di lettura?

Ora abbiamo una comprensione generale di come i computer imparano a leggere. Prendi una quantità enorme di testo, comunica al computer cosa è importante e applica alcuni algoritmi di apprendimento automatico. Ma cosa possiamo fare con un'IA che estrae informazioni dal testo?

Sappiamo già che è possibile estrarre informazioni specifiche dalle note mediche e riassumere articoli di notizie generali. C'è un programma open-source chiamato P.A.N. che analizza la poesia tirando fuori temi e immagini. I ricercatori utilizzano spesso l'apprendimento automatico per analizzare grandi volumi di dati sui social media, che vengono utilizzati dalle aziende per comprendere i sentimenti degli utenti, vedere di cosa parlano le persone e trovare modelli utili per il marketing.

I ricercatori hanno utilizzato l'apprendimento automatico per ottenere informazioni sui comportamenti e-mail e sugli effetti del sovraccarico della posta elettronica. I provider di posta elettronica possono utilizzarlo per filtrare lo spam dalla posta in arrivo e classificare alcuni messaggi come prioritari. Leggere le IA è fondamentale per creare chatbot efficaci per il servizio clienti 8 Bot da aggiungere alla tua app Facebook Messenger 8 Bot da aggiungere alla tua app Facebook Messenger Facebook Messenger si è aperto ai chat bot, consentendo alle aziende di fornire assistenza clienti, notizie e altro direttamente a te tramite l'app. Ecco alcuni dei migliori disponibili. Leggi di più . Ovunque ci sia del testo, c'è un ricercatore che lavora sull'elaborazione del linguaggio naturale.

E poiché questo tipo di apprendimento automatico migliora, le possibilità aumentano. I computer sono migliori degli umani a scacchi, a go e ai videogiochi ora. Presto potrebbero essere più bravi a leggere e imparare. È questo il primo passo verso una forte intelligenza artificiale Ecco perché gli scienziati pensano che dovresti essere preoccupato per l'intelligenza artificiale Ecco perché gli scienziati pensano che dovresti essere preoccupato per l'intelligenza artificiale Pensi che l'intelligenza artificiale sia pericolosa? L'intelligenza artificiale può rappresentare un serio rischio per la razza umana. Questi sono alcuni motivi per cui potresti voler essere preoccupato. Leggi di più ? Dovremo aspettare e vedere, ma potrebbe essere.

Che tipo di usi vedi per un'IA di lettura e apprendimento del testo? Che tipo di apprendimento automatico pensi che vedremo nel prossimo futuro? Condividi i tuoi pensieri nei commenti qui sotto!

Crediti immagine: Vasilyev Alexandr / Shutterstock

Scopri di più su: Intelligenza Artificiale, Futurologia.