Программисты Google представили два новых приложения, в которых реализованы последние наработки компании в области понимания компьютерами естественного языка. В попытке разработать алгоритмы, которые лучше понимают язык человека, поисковый гигант сосредоточился на проектировании иерархических векторных моделей.

В этих моделях используются векторы, которые помогают программе самообучаться, понимать отношения между словами во фразах и идею высказывания. Кроме этого, софт-инженеры Google отмечают, что они уже начали использовать векторы для определения отношений между более крупными кластерами слов типа предложений и коротких абзацев. Иерархическая векторная модель – это та же модель машинного обучения, которая обеспечивает функциональность сервиса Smart Reply в Gmail.

Google Semantic Experiences

Ознакомиться с работой обоих приложений можно на сайте Google Semantic Experiences. Одно из них называется Talk to Books. Его задача – помогать пользователям искать литературу, отвечая на их вопросы. Алгоритм умеет анализировать содержимое книг и извлекать из них информацию, которая соответствует запросам пользователей. Однако Google предупреждает, что технология далеко не совершенна. Например, бывают случаи, когда программа вырывает информацию из контекста, вследствие чего теряется ее оригинальное значение. Кроме того, алгоритм может испытывать затруднение при понимании сложных вопросов и утверждений.

Игра в ассоциации для искусственного интеллекта

На той же странице, где находится Talk to Books, можно познакомиться со второй разработкой Google – игрой Semantris. Это игра в ассоциации, в которой машинное обучение используется для поиска связи между словами на экране и тем, что печатает пользователь. Semantris доступна в двух режимах – аркадный и блочный. В аркадном режиме необходимо действовать и думать быстро. Блочный не имеет временных ограничений, в нем игрок может реагировать не только на отдельные слова, но и на словосочетания.

Google надеется, что в ближайшем будущем этот алгоритм найдет применение в классификации данных, семантической кластеризации, а также в создании белых списков. Разработчики, заинтересованные в данной технологии, могут подключиться к экспериментам и разработать собственные приложения, используя адаптированную семантическую модель алгоритма с платформы TensorFlow.