GOOGLE TRANSLATE

Blogger Tips And Tricks|Latest Tips For BloggersFree BacklinksBlogger Tips And Tricks
English French German Spain Italian Dutch Russian Portuguese Japanese Korean Arabic Chinese Simplified
Powered By google

Translate

jueves, 12 de mayo de 2016

Conoce a Parsey McParseface, una herramienta de código abierto de Google

Conocer Parsey McParseface, herramienta de código abierto de Google para ayudar a las máquinas comprenden el lenguaje

El lenguaje humano sigue siendo una de las tareas más difíciles para los ordenadores de entender, uno que gigantes de la tecnología de Google a Microsoft, y muchas nuevas empresas e investigadores están luchando para resolver.

Hoy en día, Google está introduciendo una herramienta más en un creciente arsenal de herramientas de inteligencia artificial destinado para desbloquear los secretos de la comprensión del lenguaje natural . La compañía de búsqueda es la liberación de SyntaxNet, un sistema de red neuronal artificial para sistemas NLU, en código abierto.

Será parte de la biblioteca de código abierto TensorFlow de Google de código de software, lo que permite a los desarrolladores e investigadores para crear sus modelos de aprendizaje automático para que puedan crear sus propios servicios. SyntaxNet tiene el código necesario para formar a los nuevos modelos de lenguaje en una empresa o de los propios datos del investigador.

Más específicamente, SyntaxNet incluirá un Inglés analizador , un programa que analiza la estructura gramatical de las frases. Se llama-no es broma-Parsey McParseface. Eso es un despegue geek en el buque de investigación polar británica que iba a ser bautizado Boaty McBoatface a raíz de una encuesta en línea, antes de que las cabezas frías en el Ministerio de Ciencia lugar pusieron el nombre de naturalista David Attenborough. (Sí, al parecer Google estaba teniendo un poco de problemas para llegar a un buen nombre.)

De todos modos, SyntaxNet tiene el potencial de hacer la búsqueda propia, correo electrónico, traducción de Google y otros servicios más flexible y útil.También podría alimentar nuevos servicios y dispositivos-tal vez incluso su competidor recientemente rumoreado para el asistente de voz Amazon Eco, denominado Chirp . La versión de código abierto ahora abre esas posibilidades a otros investigadores y empresas.

Google afirma que el sistema es mejor que el mejor modelo anterior , también su propia. El nuevo modelo es del 94 por ciento de precisión en la determinación del verdadero significado de la frase, en comparación con lo que Google estima que es aproximadamente 96 a 97 por ciento para los lingüistas capacitados.

Al igual que otros programas de análisis, SyntaxNet predice qué parte de la oración es probable que sea así como las relaciones entre las palabras de cada palabra en una oración. Por ejemplo, cuando el analizador analiza el significado de la frase, "Alice, que había estado leyendo acerca SyntaxNet, vio a Bob en el pasillo de ayer" (en la foto), que permite a las preguntas relacionadas a ser respondidas, como por ejemplo "¿A quién Alice ver ? "o" ¿Qué había estado leyendo acerca de Alice? "

Pero el lenguaje humano puede ser frustrante ambigua. Una sentencia de 20 o 30 palabra puede tener tantos como decenas de miles de posibles estructuras sintácticas. Los seres humanos en general, puede ordenar a cabo sin pensar mucho más consciente, por lo que en una frase como "Alice conducía por la calle en su coche," nadie interpretaría esto significa que había una calle interior de su coche. Sin embargo, una máquina necesita para averiguarlo.

Ahí es donde utiliza el SyntaxNet red neuronal viene en. A medida que Google científico de investigación personal superior Eslava Petrov explica en su blog y en un artículo académico con los colegas, una frase se procesa de izquierda a derecha y de conexiones, o dependencias, entre las palabras se añaden como cada palabra se considera. Las puntuaciones de redes neuronales diferentes posibilidades de plausibilidad y, utilizando un algoritmo llamado de búsqueda en haz , sostiene, además, varias hipótesis parciales en cada paso, deshacerse de ellos sólo como se hacen hipótesis-alto en la clasificación. Para ver la forma en que funciona, haga clic en el archivo GIF animado a continuación:

Si suena complicado, lo es. Google dice que es uno de los más complejos modelos entrenados con TensorFlow hasta la fecha. Y todo esto es sólo el principio. Los modelos están cerca de la actuación humana sólo en texto relativamente sencillo, por lo que en una base de datos de frases extraídas al azar de la Web, Parsey golpea sólo el 90 por ciento de exactitud.

Sin embargo, incluso eso podría ser útil en muchas aplicaciones. Google no es el único aquí, por supuesto, Microsoft con Cortana, Apple con Siri, Facebook con su herramienta de chat de voz M y la nueva puesta en marcha Viv todos son contendientes en la comprensión del lenguaje natural.

FUENTE : WSJ.COM