AI 및 이해 의미론 - NLP 진화의 다음 단계가 가깝습니다.

AI는 진화의 다음 단계로 의미론에 대한 이해에 가까워지고 있습니다.

AI는 잘못된 이름이거나 종종 제안됩니다. 첫 번째 글자인 인공 글자가 거의 맞습니다. 두 번째 단어에 관해서는 - 글쎄, 그것에 대해 지적인 것은 없습니다. 의미론을 예로 들면 원격으로 지능적인 것은 없습니다. 그렇지 않으면 단순한 이유로 문장, 단락 및 책의 의미를 이해하는 인공 기술에 대해 끊임없이 나쁩니다.

그러나 이것이 바뀔 수 있습니까? 최근에 우리는 법률 기술 회사 InCloudCounsel의 기계 학습 이사인 Hadayat Seddiqi와 함께 했습니다. 그는 AI가 진화의 다음 단계로 의미론에 대한 이해에 가까워지고 있다고 생각합니다. 우리는 "언제 이 이정표에 도달할 것 같습니까?"라고 물었습니다.

SEO:자신의 글에 자부심을 갖고 어휘를 적용하여 반복 없이 아이디어를 표현하는 작가라면 아마도 SEO를 싫어할 것입니다. 문장, 장, 기사 또는 심지어 책을 통해서만 표현할 수 있는 복잡한 주장을 하고 싶다면 SEO를 사용하세요. 그 이유는 멍청한 주장을 두세 단어로 압축하기 때문입니다. AI와 같은 의미를 이해하는 것은 적입니다. (우리가 무엇을 했는지 보셨죠?)

의미론을 이해하기 위해 AI를 사용하는 검색(다시 설명하겠습니다)이 훨씬 더 정교하고 지능적인 이해를 기반으로 검색 결과를 생성하고 지루한 반복의 필요성을 제거한다면 좋지 않을까요!

자연어 처리 시장은 실제로 2025년까지 223억 달러에 이를 것으로 예상되며, 이는 특히 우리가 의사 소통하고 비즈니스를 수행하는 방식에서 기술이 얼마나 발전했는지를 보여줍니다.

현재 이러한 기술은 감정 분석을 결정하기 위한 브랜드 평판 모니터링, 키워드 일치 또는 센스 명확화를 통해 광고 게재위치에 대한 통찰력 제공, 규정 준수를 포함하여 조직 내에서 다양한 목적으로 사용되고 있습니다. 책임을 지지 않습니다.

이 경우 AI가 산업을 혁신하고 핵심 비즈니스 통찰력을 결정하는 진정한 힘은 텍스트를 읽고 의미 체계(또는 단어 간의 관계)를 이해하여 조직이 위험을 더욱 완화하고 책임을 밝힐 수 있도록 돕는 능력에 있습니다. 결과적으로 이것은 자연어 처리에서 막대한 가치를 창출합니다.

의미론의 이해를 가능하게 하는 AI의 이야기에서 진화의 다음 단계는 무엇이며 언제 이 이정표에 도달할 것 같습니까?

Seddiqi는 “AI에서 의미론적 이해에 도달하려면 몇 가지 주요 이정표가 필요합니다. AI의 의미론적 이해와 각 이정표가 의미하는 바를 이해하도록 이끄는 반복적인 진행의 관점에서 생각하는 것이 도움이 됩니다."

"이전의 이정표"라고 Seddiqi는 Word 벡터라고 말합니다. 누구나 Ctrl+F/Command+F를 사용하여 시스템에서 키워드를 정확히 일치시켜 원하는 것을 찾습니다. 또한 정보를 찾기 위해 Google과 같은 검색 엔진을 사용하면 잠재적인 맞춤법 오류를 해결하기 위한 '맞춤법 검사' 구성 요소가 포함됩니다.

“그러나 매우 다르게 보이지만 비슷한 것을 의미하는 단어는 어떻습니까? 2013년경 AI 커뮤니티는 '단어 벡터'라고 불리는 이를 모델링하는 효율적인 방법을 찾았습니다. King + Woman이 당신에게 Queen을 줄 것 같은 재미있는 단어 대수학을 할 수 있습니다. 보다 실질적으로 이제 의미적으로 관련된 단어를 포함하도록 검색을 확장할 수 있습니다.”

AI 이해 의미의 다가오는 이정표

“워드 벡터는 게임 체인저였지만 여전히 하나 또는 몇 개의 키워드로 아이디어를 표현해야 했습니다. 하지만 아이디어를 표현하는 데 전체 문장이 필요하다면 어떻게 될까요? 이것이 우리가 작년에 대대적인 연구를 진행한 덕분에 달성한 다음 이정표입니다.

“아이디어는 문장을 가져와서 문장(또는 생각) 벡터로 인코딩한 다음 유사한 문장 벡터를 찾을 수 있다는 것입니다. 인코딩이 잘 되면 검색 기능에서 같은 생각을 표현하는 매우 다른 문장을 찾을 수 있습니다.

"현재의 연구 진행 상황을 기반으로 이 기술이 향후 몇 년 내에 성숙할 것이라고 말하는 것은 무리가 아닙니다.

미래의 이정표:문장을 넘어선 AI 이해

“이 기술의 발전 과정에서 나타나는 명확한 계층 구조 패턴이 있습니다. 우리는 단어 수준에서 유사한 기술을 사용하여 문장 수준에서 아이디어를 이해하고 확장하는 AI에 가까워지고 있습니다. 이것은 단락, 전체 문서 또는 전체 책이 필요한 AI 이해 아이디어를 위한 흥미로운 응용 프로그램을 엽니다.

“AI가 단어에서 문장을 이해하기 위한 최근의 도약은 데이터 세트 크기와 계산 능력에 의해 크게 제한되기 때문에 사소한 것이 아닙니다. 이러한 더 큰 문제를 처리하기 위해 모델을 생성하는 우리의 능력은 지금까지 이 두 가지 리소스 제약에 달려 있는 것으로 나타났습니다.

“AI 하드웨어의 발전으로 이러한 비용이 감소함에 따라 더 많은 텍스트 컬렉션을 이해하는 모델에 더 가까워지는 것을 보게 될 것입니다. 이것은 Open AI의 GPT-2 모델에 의해 어느 정도 입증되었습니다. 동일한 문장 인코딩 모델 설계를 많은 양의 데이터와 함께 사용하면 이미 많은 문장에서 높은 수준의 개념을 이해하는 모델이 생성된다는 것을 보여줍니다. 예를 들어, GPT-2는 뉴스 기사 전체를 놀라운 일관성으로 작성할 만큼 충분히 이해합니다.