এআই কীভাবে ভাষা শিখতে পারে?


11

আমি এআইএস সম্পর্কে এবং তারা কীভাবে কাজ করবে সে সম্পর্কে ভাবছিলাম, যখন আমি বুঝতে পারি যে কোনও এআই ভাষা শেখানো যায় সে উপায়ের জন্য আমি ভাবতে পারি না। একটি শিশু ভাষা এবং ছবিগুলিতে কোনও বস্তুর সাথে সংযোগের মাধ্যমে ভাষা শিখায় (উদাহরণস্বরূপ, কুকুরের আশেপাশে থাকাকালীন লোকেরা "কুকুর" শব্দটি বলে, এবং পরে বুঝতে পারে যে লোকেরা "কুকুর" এবং "একটি গাড়ি" বলে এবং "কী" "অর্থ, ইত্যাদি)। যাইহোক, একটি পাঠ্য ভিত্তিক এআই শিখতে এই পদ্ধতিটি ব্যবহার করতে পারেনি, কারণ তাদের কোনও ধরণের ইনপুট ডিভাইসে অ্যাক্সেস থাকবে না।

আমি যে একমাত্র উপায়টি সামনে আসতে পেরেছি তা হ'ল প্রতিটি শব্দে প্রোগ্রামিং, এবং নিয়ম, ইংরাজী ভাষায় (বা যে কোনও ভাষাতেই "বলতে" বোঝাতে বোঝানো হয়েছে), তবে সম্ভবত এটি করতে কয়েক বছর সময় লাগবে।

এটি কীভাবে করা যায় সে সম্পর্কে কারও কোনও ধারণা আছে? বা যদি এটি ইতিমধ্যে সম্পন্ন করা হয়েছে, যদি তাই হয় কিভাবে?

যাইহোক, এই প্রসঙ্গে, আমি এআই ব্যবহার করে একটি মানবিক বুদ্ধি সহ একটি কৃত্রিম বুদ্ধিমত্তা সিস্টেম বোঝাতে, এবং ভাষার কোন পূর্ব জ্ঞান ব্যবহার করছি।

উত্তর:


12

সাধারণ গবেষণার ক্ষেত্রটি ব্যাকরণ অন্তর্ভুক্তি হিসাবে পরিচিত ।

এটি সাধারণত তত্ত্বাবধানে শেখার সমস্যা হিসাবে ফ্রেম করা হয়, কাঁচা পাঠ্য হিসাবে উপস্থাপিত এবং পছন্দসই ফলাফলটি পার্স ট্রি সহ উপস্থাপিত হয় । প্রশিক্ষণ সেটটি প্রায়শই ইতিবাচক এবং নেতিবাচক উদাহরণ উভয়ই নিয়ে থাকে।

এটি অর্জনের জন্য কোনও একক সেরা পদ্ধতি নেই, তবে আজ অবধি ব্যবহৃত কিছু কৌশলগুলির মধ্যে রয়েছে:


6

আপনার সমস্যার ছাতা শব্দটিকে প্রাকৃতিক ভাষা প্রক্রিয়াকরণ (এনএলপি) বলা হয় - কৃত্রিম বুদ্ধিমত্তার অধীনে একটি বিষয়।

ভাষা শব্দার্থবিজ্ঞান, ব্যাকরণগত বিশ্লেষণ, বক্তৃতা ট্যাগিং এর অংশ, ডোমেন নির্দিষ্ট প্রসঙ্গ বিশ্লেষণ ইত্যাদি সহ এই ক্ষেত্রটিতে অনেকগুলি সাবটপিক রয়েছে


5

কেবলমাত্র সম্পূর্ণতার স্বার্থে, আমি উল্লেখ করব যে পুনরাবৃত্ত নিউরাল জাল (অর্থাত্ পিছনের দিকের সংযোগগুলি সহ নিউরাল নেট) প্রায়শই প্রাকৃতিক ভাষা প্রসেসিংয়ের জন্য ব্যবহৃত হয় (এনএলপি)। এর মধ্যে বিডিরেশনাল, জর্ডান এবং এলম্যান নেটওয়ার্কের মতো রূপ রয়েছে। লং শর্ট-টার্ম মেমোরি (এলএসটিএম) একটি আরও পরিশীলিত নিউরাল নেট অ্যালগরিদম যা একই সময় এবং সিক্যুয়েন্স-ভিত্তিক কাজগুলি সম্পাদন করতে পারে তবে এটি ব্যাকপ্রপের মতো স্ট্যান্ডার্ড লার্নিং পদ্ধতিগুলি অর্জন করতে পারে যেহেতু এটি "বিলুপ্ত গ্রেডিয়েন্ট সমস্যার কারণে নয়"। এটি কারণ, এলএসটিএমগুলি "নিখুঁত সংহত" হিসাবে উজ্জ্বলভাবে ইঞ্জিনিয়ারিং করা হয়েছে, যা দীর্ঘ সময় ধরে ত্রুটি গ্রেডিয়েন্টস ইত্যাদি গণনা করা অনেক সহজ করে তোলে। বিপরীতে, আরএনএনগুলির সাথে শেখা এখনও তাত্ত্বিকভাবে ভাল ভিত্তিতে নয় এবং ব্যাকপ্রপাগেশন থ্রু টাইম (বিপিটিটি) এর মতো বিদ্যমান পদ্ধতির মাধ্যমে গণনা করা কঠিন। টাইম বিলম্ব নিউরাল নেটওয়ার্কগুলিতে (টিডিএনএন), ধারণাটি হ'ল সময় বা প্রশিক্ষণের ধারাবাহিকতায় প্রতিটি নতুন প্রশিক্ষণের উদাহরণের সাথে নতুন নিউরন এবং সংযোগ যুক্ত করা; দুর্ভাগ্যক্রমে, নেটওয়ার্কের আকার হাতছাড়া হয়ে যাওয়ার আগে বা আরএনএন-এর মতো এটি ভুলে যাওয়া শুরু করার আগে আপনি নেটগুলিতে কতগুলি উদাহরণ খাওয়াতে পারবেন তার ব্যবহারিক সীমাবদ্ধতা এটি রাখে। এলএসটিএম-এর অনেক দীর্ঘ স্মৃতি রয়েছে (বিশেষত যখন নিউরাল টিউরিং মেশিনগুলির সাথে সংহত করা হয়) যাতে আমার প্রথম পছন্দ হতে পারে, ধরে নিই যে আমি এনএলপি উদ্দেশ্যে নিউরাল নেট ব্যবহার করতে চাইছি। বিষয় সম্পর্কে আমার জ্ঞান সীমাবদ্ধ যদিও (আমি এখনও দড়িগুলি শিখতে চেষ্টা করছি) তাই অন্য গুরুত্বপূর্ণ স্নায়বিক নেট অ্যালগরিদম থাকতে পারে যা আমি উপেক্ষা করছি ...

আমাদের সাইট ব্যবহার করে, আপনি স্বীকার করেছেন যে আপনি আমাদের কুকি নীতি এবং গোপনীয়তা নীতিটি পড়েছেন এবং বুঝতে পেরেছেন ।
Licensed under cc by-sa 3.0 with attribution required.