bt365手机平台-下载首页

  • 一个队在bt365手机app的科学家和其他地方的已开发出神经网络,人工智能(AI)的一种形式,可以阅读科学论文,并呈现一两句话的纯英文摘要。

    一个队在bt365手机app的科学家和其他地方的已开发出神经网络,人工智能(AI)的一种形式,可以阅读科学论文,并呈现一两句话的纯英文摘要。

    图片:切尔西特纳

    全屏
  • 插图描绘了所遵循的程序的新软件,它经过一个发表的论文,其内容转换成一系列的载体 - 在不同的方向指向线 - 多维空间,而这又是用来生成的文件的内容摘要。所示的页面是研究论文描述了该项目的第一页。

    插图描绘了所遵循的程序的新软件,它经过一个发表的论文,其内容转换成一系列的载体 - 在不同的方向指向线 - 多维空间,而这又是用来生成的文件的内容摘要。所示的页面是研究论文描述了该项目的第一页。

    图片:tsveta tomova

    全屏

可以科学写作实现自动化?

一个队在bt365手机app的科学家和其他地方的已开发出神经网络,人工智能(AI)的一种形式,可以阅读科学论文,并呈现一两句话的纯英文摘要。

神经网络可以阅读科学论文,并呈现一个纯英文摘要。


记者联系

卡尔·莉迪·让·巴蒂斯特
电子邮件: kjeanbap@mit.edu
电话:(617)253-1682
bt365手机app新闻

媒体资源

2个图像下载

媒体访问

媒体只能从本网站的桌面版本下载。

科普作家的作品,包括这一个,包括阅读充满了专业的技术术语期刊论文,并找出如何解释语言,没有科学背景的读者能理解其内容。

现在,一队在bt365手机app的科学家和其他地方的已开发出神经网络,人工智能(AI)的形式,也可以做同样的事情,至少在有限的范围:它可以读取科学论文和渲染平纹英语提要在一两句话。

即使在这种有限的形式,这样的神经网络可以帮助编辑,作家有用的,科学家们扫描了大量的文件,以获得他们是什么初步感觉。但团队开发的方法也能找到各种各样的除了语言处理等领域,其中包括机器翻译和语音识别应用。

工作描述 在日记 该协会为计算语言学的交易在瘤胃dangovski和李菁,既bt365手机app研究生的论文;马林·索亚奇奇,在bt365手机app物理学教授; preslav nakov,在卡塔尔首席科学家计算研究所,hbku;并MICOtatalović,在bt365手机app前Knight科学新闻研究员,前主编 新科学家 杂志。

从人工智能物理学自然语言

工作是约到无关的项目,其中涉及基于神经网络,目的是在物理学解决某些棘手的问题,开发新的人工智能方法的结果。然而,研究人员很快就意识到,同样的方法可以用来解决其他困难的计算问题,包括自然语言处理,在有可能超越现有的神经网络系统的方式。

“我们一直在做各种工作的AI了几年,”soljačić说。 “我们使用的AI,以帮助我们的研究,基本上都是做物理越好。当我们得到了更熟悉的AI,我们会发现,每过一段时间有从物理学添加到人工智能领域,因为东西,我们知道了一个机会 - 一定的数学结构或物理有一定的规律。我们注意到,哎,如果我们使用的是,它实际上与这个或那个特定的AI算法的帮助。”

这种方法可以在各种特定种类的任务是有用的,他说,但不是全部。 “我们不能说这是所有AI是有用的,但也有情况下,我们可以使用一个见解从物理学改善在一个给定的AI算法。”

在一般的神经网络是模仿人类学习一些新事物的方式,企图:在计算机检查许多不同的例子,“学习”那些关键的基本模式是。这样的系统被广泛用于模式识别,如学会识别照片中描绘的对象。

但在一般的神经网络具有数据的长字符串难度相关的信息,如在解释研究论文是必需的。各种招数都被用来改善这种能力,包括被称为长短期记忆(LSTM)和门经常性单位(GRU)技术,但这些仍远远低于所需的内容真正的自然语言处理,研究人员说。

的团队提出了一种替代的系统,其中,而不是被基于矩阵的乘法,因为大多数现有的神经网络,基于在多维空间旋转矢量。的关键概念是他们调用存储器(RUM)的旋转单元的东西。

基本上,该系统表示由多维空间中的向量文本中的每个字 - 在特定方向上的线的一定长度的指示。每个后续字摆动这种载体在一些方向上,能够最终有成千上万尺寸的理论空间表示。在这个过程中,最终的矢量或一组矢量的该端被转换回成单词的其对应的字符串。

“朗姆酒有助于神经网络做两件事情非常好,” nakov说。 “它可以帮助他们记住更好,这使他们能够更准确地召回信息。”

开发朗姆酒系统,以帮助某些艰难的物理问题,如复杂的工程材料光的行为后,“我们意识到,我们认为这种方法可能是有用的将是自然语言处理的地方之一,”说soljačić,召回谈话tatalović,谁指出,作为一个编辑试图决定写这论文这样的工具将是他的工作是有用的。 tatalović当时科学新闻为探索他的AI 骑士奖学金项目.

“所以我们尝试了那几个自然语言处理任务,”soljačić说。 “一个我们试图总结了文章,这似乎是合作得非常好。”

证明是在读

作为一个例子,它们进食相同的研究论文通过常规的基于LSTM神经网络,并通过其基于朗姆酒系统。所产生的总结有较大差异。

该LSTM系统产生这种高度重复的和相当的技术概要: “baylisascariasis,”杀死老鼠,已经危及阿勒格尼woodrat并引发疾病如失明或严重的后果。这种感染,称为“baylisascariasis,”杀死老鼠,已经危及阿勒格尼woodrat并引发疾病如失明或严重的后果。这种感染,称为“baylisascariasis,”杀死老鼠,已经危及阿勒格尼woodrat。

基于相同的纸,朗姆酒系统产生的更可读摘要,和一个没有包括短语的不必要的重复: 城市浣熊可能超过此前假设感染人。接受调查的人的7%呈阳性浣熊蛔虫抗体。在圣巴巴拉浣熊的90%以上做东这种寄生虫。

目前,基于朗姆酒的系统已经扩大,所以能在整个研究论文,而不仅仅是摘要“读”,制作自己的内容摘要。这个新闻故事试图总结纸 - 用自己的研究论文描述了这些发现系统中的研究人员甚至尝试。

这里是新的神经网络的总结: 研究人员已经开发朗姆酒的旋转单元,可被用来解决在自然语言处理的神经革命的广谱复发性存储器上的新的表示过程。

它可能不是优雅的散文,但它至少创下信息的关键点。

恰拉尔gülçehre,在英国AI公司deepmind技术,谁没有参与这项工作的科学家说,这项研究铲球神经网络中的一个重要问题,具有相关的在时间上或空间上广泛分离信息做。 “这个问题已经在AI很基本的问题,由于需要做主持序列预测任务时间长,延误理由,”他说。 “虽然我不认为这纸完全解决了这个问题,它显示了长期依赖的任务,如问题回答,文本摘要,和联想召回有希望的结果。”

gülçehre补充说,“由于实验进行,并按照本文提出的模型被释放作为开源GitHub上,因此,许多研究人员将有兴趣尝试它自己的任务。 ...更具体,可能在本文所提出的方法可以对自然语言处理和强化学习,在那里长期依赖是非常关键的领域非常高的冲击。”

研究由美国陆军研究办公室获得支持,美国国家科学基金会,人工智能的MIT-sensetime联盟,半导体研究公司。球队也有帮助,从每日科学网站,他们的文章在训练中的一些人工智能模型在这项研究中使用。


主题: 研究, 物理, 人工智能, 机器学习, 语言, 算法, 骑士奖学金, 科学写作, 科学通讯, 技术与社会, 美国国家科学基金会(NSF), 科学学院, 人文艺术和社会科学学院

回到顶部