باحثو Google AI يجدو سببًا جديدًا غريبًا للعب Jeopardy

قام العلماء في وحدة AI التابعة لشركة Google باختبار شبكة عصبية عميقة حول أدلة من اللعبة الشهيرة Jeopardy !. ولكن على عكس انتصار شركة “واتسون” من “آي بي إم” كان هذا أقل عن الإجابات وأكثر حول الطريقة الغريبة التي يعيد بها الحاسوب صياغة السؤال.

عندما فاز جهاز كمبيوتر Watson من IBM على اثنين من أبطال العالم في عرض اللعبة Jeopardy! في عام 2011 كانت لحظة أن نتعجب كيف يمكن للآلة أن تستوعب لغة سؤال ما ويمكن أن تدمر ذاكرتها الواسعة من أجل استجابة مناسبة.

وجد علماء Google استخدامًا آخر ل Jeopardy! أسئلة ليس لها علاقة تذكر بفهم الكلام البشري والمزيد عن كيفية تواصل أجهزة الكمبيوتر مع بعضها البعض

وهذا الأسبوع جعلوا هذا العمل أداة برمجية مفتوحة المصدر متاحة على GitHub لأي شخص يستخدم إطار TensorFlow للتعلم الآلي.

“الإجابة الإيجابية على الأسئلة” أو “تأكيد الفعالية النشطة” كما تسمى حزمة TensorFlow ستعيد صياغة سؤال معين باللغة الإنجليزية إلى إعادة صياغة مختلفة متعددة وتجد البديل الأفضل في استرداد الإجابة من قاعدة البيانات

تم تطوير النظام عن طريق تغذية Jeopardy! القرائن في الشبكة العصبية “التعلم التعزيز أصبحت الشبكة أفضل وأفضل في إعادة صياغة الأسئلة حيث تمت مكافأتها لاستردادها بنجاح الإجابة الصحيحة.

لاحظ مؤلفو Google AI في مشاركة المدونة في المشروع أن مهمتهم الشهيرة للشركات هي “تنظيم المعلومات حول العالم” وتمشيا مع ذلك فهم “يتصورون أن هذا البحث سيساعدنا في تصميم أنظمة توفر إجابات أفضل وأكثر قابلية للتفسير ونأمل أن يساعد ذلك الآخرين على تطوير أنظمة يمكنها التفاعل مع العالم باستخدام لغة طبيعية”.

قدم هذا الربيع الماضي في المؤتمر الدولي لممثليات التعلم باحثون من Google AI كريستيان باك ,جانيس بوليان ، ماسيميليانو سياراميتا ، ووجيش جاجوسكي أندريا غيسموندو ، نيل هولسبي ، وى وى وانغ مبنية على مبادئ الترجمة الآلية فسروا مهمة تدريب جهاز كمبيوتر لإعادة صياغة الأدلة من Jeopardy! كونه أقرب إلى ترجمة اللغات الأجنبية كان الهدف إعادة صياغة jeopardy! القرائن في بناء الجملة الذي يحسن الاستعلام عن قاعدة البيانات

على سبيل المثال بالنظر إلى فكرة مثل “تأثر غاندي بشدة بهذا العدد الذي كتب” الحرب والسلام كان على الشبكة العصبية أن تتعلم وضع هذا الدليل في شكل سؤال من شأنه أن ينتج الإجابة الصحيحة وهو ليو تولستوي. (تم الحصول على أسئلة Jeopardy! من مشروع عام 2017 والذي أطلق عليه SearchQA والذي بناه باحثون في جامعة نيويورك و Carnegie Mellon. وقد تم تنفيذ مشروعهم من خلال الزحف إلى موقع “J! ​​Archive” موقع معجبين للعرض .)

تتضمن حزمة Active QA إصدارًا مخصصًا من شفرة TensorFlow من Google للترجمة الآلية. ويستند التقرير إلى أبحاث Google في عام 2014 بشأن ما يسمى “تسلسل التسلسل” للشبكات العصبية للترجمة بين الإنجليزية والفرنسية على سبيل المثال.

تتضمن حزمة التعليمات البرمجية أيضًا ما يسمى بنظام الرد على الأسئلة وقاعدة البيانات الفعلية التي تسترد الإجابات التي تقدّمها بواسطة Active QA. يعتمد هذا على نظام التعلم العميق الذي وضعه في عام 2017 باحثون في معهد ألن للذكاء الاصطناعي وجامعة واشنطن ، للإجابة على الأسئلة ودعا “BiDaf”.

الأمر الأكثر أهمية ربما في الورقة وفي مجموعة الأدوات الجديدة هذه ، هو أن الشبكة العصبية العميقة لا تتعلم كيفية التوصل إلى خطاب بلغة طبيعية مصاغة جيدًا ، كما أنها لا تتعلم الكثير عن طرح الأسئلة بالمعنى التقليدي للكلمة البشر يعني ذلك. إنها ليست مثل صحافي الروبوت في صحيفة واشنطن بوست ، التي تنتحل شخصية الإنسان.

بدلاً من ذلك ، يتعلم Active QA الحيل التي تعمل على تحسين كيفية البحث في قاعدة بيانات وغالبًا ما تبدو النتائج وكأنها رطانة لأذن بشرية على سبيل المثال يشير المؤلفان إلى أن الدليل أعلاه عن غاندي (“تأثر غاندي بشدة بهذا العدد الذي كتب” الحرب والسلام “) أعاد صياغته من قِبل Active QA بأنه” ما هو اسم غاندي غاندي الذي كتب تأثير السلام؟ ”

في حالة أخرى الأصلي jeopardy! فكرة “خلال فترة التعليم العالي ، حُفرت الهند في أوراسيا ، وتشكلت أعلى سلسلة جبال أعيد صياغته على أنه “ما هو اسم فترة التعليم العالي في الهند التي تحرث أوروبا؟” الذي نجح في إرجاع الإجابة الصحيحة: الهيمالايا هناك أمثلة عديدة العديد منها لها نفس الأنماط الغريبة من القواعد النحوية والكلمات المتكررة معروضة في التذييل في الجزء الخلفي من الورقة.

في حين أن الكتاب يتحدث عن اللغة الطبيعية إلا أن المؤلفين يرون عبارات مبنية على الكمبيوتر كتقدم حقيقي في مهارات الاستعلام لم تكن الشبكة العصبية لـ QA نشطة فقط لتعديل القرائن الأصلية بل اكتشفت بالفعل على تقنياتها الخاصة التي طالما كانت موجودة في علم استرجاع المعلومات أشياء مثل “stemming” حيث يتم تغيير الفعل ، على سبيل المثال من شكله المترافق إلى شكله الجذري.

“في بعض الأحيان ،” يكتبون “AQA يتعلمون لتوليد متغايرات لغويّة رواية متفرقة على المدى السطحي ؛ على سبيل المثال قد يحوّل الصفة الكثيفة إلى الكثيرين.” وخلص الباحثون إلى أن “المبرر الوحيد لذلك” هو أنها تقوم بعمل جيد “باستغلال” الطريقة التي قامت بها قاعدة بيانات BiDaf بتشفير الإجابات.

وكما قال المؤلفان “يبدو من الملحوظ أن منظمة AQA قادرة على تعلم سياسات إعادة صياغة غير تافهة … يمكن للمرء أن يفكر في السياسة كلغة لصياغة الأسئلة التي طورها العميل أثناء الانخراط في آلة آلهية التواصل مع البيئة “.

قد لا يكون اليوم بعيدًا عندما تعمل برامج الروبوت أكثر من مستخدمي Google.