Kontext, språk och resonemang i AI: tre nyckelutmaningar

Tillhandahålls av RAGE Frameworks

Idag växer artificiell intelligens (AI) snabbt ut ur FoU-labb och in i mainstream. Smart teknik förändrar alla aspekter av våra liv, från hur vi arbetar, till hälsovård, utbildning, resor och transporter. Ett exempel: de självkörande bilarna som produceras av Google och Tesla. Det finns också många framgångsrika applikationer i datorseendet.

Men hur är det med icke-visionsapplikationerna för AI: det vill säga områden inklusive icke-spatial data - viktigast av allt, text och siffror? IBM Watsons teknologiplattform har bekymrat över mänskliga schackstormästare och en Jeopardy-mästare och presenteras med kändisar i TV-reklam som förebådar ankomsten av en smartare planet. Googles AlphaGo slog nyligen en koreansk stormästare i en ännu mer komplex utmaning, det uråldriga spelet Go.

Betyder allt det att AI äntligen är här för icke-visionsapplikationer? Vi tror att svaret är ett bestämt ja – men inte med de nuvarande tillvägagångssätten som används av IBM och Google.

På grund av AI:s revolutionerande potential har dess tillämpningar i icke-visionsproblem väckt ett enormt intresse. Det har också gjorts försök att replikera det som fungerade med rumslig data och tillämpa det på text (och siffror). Jag syftar på vad som verkar vara en blind rusning av beräkningsbaserade, statistiskt baserade metoder för att bearbeta naturligt språk. Sådana metoder försöker omvandla text till data och sedan leta efter djupa mönster i den datan.

Den situationen påminner mig om när fysiker gick in på finansmarknaden och försökte skapa prediktiva modeller för finansiell data. Sådana ansträngningar kommer sannolikt att misslyckas, vilket redan har hänt flera företag. Så småningom kommer hypen och illusionen av tillämplighet att försvinna. Sedan kommer vi att ta itu med problemet genom att fokusera på de grundläggande egenskaperna hos datan och ta fram ett tillvägagångssätt som är mer begreppsmässigt sunt.

Att ta itu med en trio av utmaningar

AI-teknologier måste övervinna tre utmaningar för att bli framgångsrik i icke-visionsvärlden (och kanske till och med i visionvärlden): språk, sammanhang och resonemang.

En nyligen MIT Technology Review artikel, AI’s Language Problem, påpekar vältaligt den första utmaningen. Dagens AI-teknik, inklusive de IBM Watson och Google AlphaGo, kämpar för att bearbeta språk på det sätt som människor gör. Det beror på att den stora majoriteten av de nuvarande implementeringarna närmar sig text som data, inte som språk. De tillämpar samma tekniker som fungerade med rumslig data på text.

Den andra utmaningen – att förstå sammanhanget – är relaterad till språkproblemet, men är tillräckligt betydande för att jag tänker på det som en självständig fråga. Naturlig språktext behöver bearbetas i rätt sammanhang. Rätt sammanhang kan bara utvecklas om tekniken fokuserar på språkstrukturen, inte bara på orden i texten, som de flesta nuvarande teknologier verkar göra, enligt en 2014 artikel i IEEE Computational Intelligence Magazine . Sedan finns det den tredje utmaningen: spårbarheten av resonemang som lösningen använder för att nå sin slutsats.

Olika tekniker försöker hantera alla tre utmaningarna idag. Flera framgångsrika AI-lösningar för företag hanterar språk, sammanhang och resonemangstransparens effektivt.

Hantera naturligt språk: från bearbetning till förståelse

Nuvarande metoder för naturlig språkbehandling (NLP) drivs till stor del av beräkningsstatistik. Dessa metoder försöker inte förstå texten, utan konverterar istället texten till data och försöker sedan lära av mönster i den datan. I omvandlingsprocessen tappar vi allt sammanhang och mening i texten. Antagandet bakom sådana tillvägagångssätt är helt klart att, givet tillräckligt stora textsamlingar, alla möjliga permutationer och betydelsekombinationer måste finnas. Att upptäcka ordbaserade mönster bör alltså avslöja intelligensen i texten, som sedan kan ageras på. Tyvärr inträffar det resultatet inte i de flesta verkliga situationer.

För att ta itu med språkutmaningen inom AI måste vi gå från att mekaniskt konvertera naturligt språk till data genom till exempel ordförekomstbaserad logik. Vi kan då förstå språket genom att använda dess språkliga struktur och de principer vi har lärt oss för att uttrycka våra tankar. Jag ser detta som att gå från NLP till Natural Language Understanding (NLU). Enligt min åsikt har NLP kommit att symbolisera det mekaniska förhållningssättet till naturligt språk genom konvertering av text till data. Vårt verkliga mål inom AI är att ta fram mekanismer för att förstå innebörden av den skrivna texten.

En djup förståelse av den lingvistiska strukturen i text skulle innebära att man tillämpar flera principer från beräkningslingvistik för att bryta ner texten tillbaka till de begrepp och ordspråk som används för att koppla ihop dem i texten. Detta är i huvudsak en omvänd konstruktion av texten tillbaka till dess grundläggande idéer för att förstå hur dessa idéer kopplades samman för att bilda meningar och stycken.

RAGE AI har visat så djupt språkligt lärande, och RAGE Frameworks har använt denna metod för att skapa och framgångsrikt distribuera flera AI-applikationer i globala företag.

Förstå sammanhang

NLU innebär också att förstå sammanhanget som språket används i. Men att förstå sammanhang innebär flera utmaningar.

För det första, på många språk kan vissa ord användas i flera betydelser. Det gör det viktigt att eliminera tvetydigheten hos alla sådana ord så att deras användning i ett visst dokument kan förstås korrekt. Disambiguering av ord och mening är en pågående fråga inom lingvistik, men forskare har gjort betydande framsteg mot att ta itu med det.

För det andra använder textdokument ofta domänspecifika diskursmodeller som juridiska kontrakt, nyhetsartiklar, forskningsrapporter och liknande. Vissa egenskaper hos sådana domändiskursmodeller bör införlivas i AI-tekniken för att förbättra NLU.

För det tredje använder vi många ord som fullmakter i dokumentet för andra begrepp. Till exempel, oftast säger vi Xerox för kopia, FedEx för övernattning och så vidare. AI-teknik måste kunna känna igen och förstå dessa proxyservrar.

Slutligen kan dokumentet hänvisa till kunskap som inte uttryckligen ingår i texten. Vi kan bara förstå det om vi har den förkunskapen.

AI måste skapa ett arkiv med sådan global kunskap som kan hämtas, i sammanhanget, för att komplettera texten i dokumentet för att få full förståelse för textens betydelse. The Automated Knowledge Discoverer i RAGE AI är ett sådant exempel på denna idé, som jag förklarar mer ingående i min senaste bok, The Intelligent Enterprise in the Era of Big Data (John Wiley & Sons, 2016). Denna teknik kan automatiskt upptäcka idéer relaterade till en föreställning och uttryck med olika retoriska relationer till begreppet intresse.

Under en period kan sådan kunskap och globala sammanhang behöva förfinas av mänskliga experter. Men på kort tid har vi funnit det möjligt att skapa tillräckligt med kunskap i maskinen för att den ska prestera med bättre än 90 procents återkallelse. Till exempel skapade vi en AI-applikation för att kategorisera relevant innehåll för ett globalt konsultföretag inom 20 av dess verksamhetsområden. Tanken var att ge, i realtid, destillerad kunskap till alla dess konsulter, med hjälp av information från varje praktikområde. Automatiserad kunskapsupptäckt användes för att utöka detta till en mer global förståelse. Nu kategoriserar denna applikation 40 miljoner artiklar i månaden med mer än 90 procents noggrannhet genom djup språklig inlärning.

Resonemang

Den sista utmaningen vi måste inse är synligheten för resonemanget som används av AI-teknik. Nästan all AI-teknik som använder beräkningsstatistik är svarta lådor. Det är inget fel med det i sig – förutom att när vi får en rekommendation från AI-tekniken och den inte är intuitiv, har vi inget sätt att förstå det. Vi vet inte heller om det verkligen är kausalt eller falskt. Vi måste bara blint lita på det.

Naturligtvis finns det applikationer där sådan synlighet kanske inte spelar någon roll. Till exempel, i exemplet som involverade spelet Go, var det inte viktigt att förstå resonemanget som användes av maskinen för sina rörelser. Ett annat exempel: Även om vi alla skulle föredra att internetsökningar är mer relevanta, stör de falska positiva oss inte så mycket.

Å andra sidan tror vi att för många ansökningar kommer sådan synlighet att vara avgörande för adoption. I vissa verksamhetskritiska tillämpningar där människor hålls ansvariga – som medicin och företag – måste användarna utveckla förtroende för att motorns resonemang är sunda. Sikten skulle också göra det lättare att förbättra motorn i händelse av falska positiva eller falska negativa. Med en svart låda måste vi hitta tillräckligt många fall av falska positiva eller falska negativa för att återuppbygga den svarta lådan. Vi har inget sätt att veta om alla variationer eller permutationer av det felet har åtgärdats.

De goda nyheterna: Med antagandet av djup språklig inlärning kan vi bibehålla full och fullständig synlighet för resonemanget.

Venkat Srinivasan är grundande VD för RAGE Frameworks och en framgångsrik serieentreprenör. Han är också tidigare docent vid College of Business Administration vid Northeastern University i Boston. Han har publicerat mer än 30 artiklar i prestigefyllda peer-reviewade tidskrifter och bidragit till nyhetspublikationer som t.ex. Wall Street Journal. Han har fem patent inom området kunskapsbaserad automation och lingvistik. Han är författare till The Intelligent Enterprise in the Era of Big Data (John Wiley & Sons, 2016).

Dölj