Begrip taal kan moeilijk van mens tot mens, laat staan ??voor machines proberen de ingewikkeldheden van menselijke spraak en tekst begrijpen. Google weet dit zo goed als iedereen die overweegt de talloze vragen die elk uur waarop een gebruiker waar ze moeten gaan, zelfs in het gezicht van de weerzinwekkende zinsbouw en ongelukkige spelfouten nemen. Vandaag de dag, Google is open-sourcen iets genaamd SyntaxNet en in het bijzonder een component voor het, Parsey McParseface. Met een vertederend verwijzing naar de ondervraagden naam Boaty McBoatface voor NERC’s onderzoeksschip eerder dit jaar, Google is het vrijgeven van de instrumenten die zij gebruikt om natuurlijke taal te begrijpen wanneer getypt in een doos of geïnterpreteerd via gesproken woord.
SyntaxNet is het algemene kader voor het ontleden van zinnen, een zogenaamde “syntactische parser.” Mr. McParseface is de Engels taal plugin voor SyntaxNet. Google beweert dat de plugin kan identificeren objecten, onderwerpen, werkwoorden en andere grammaticale bouwstenen van zinnen als of zelfs beter dan, geschoold personeel taalkundigen.
Begrijpen van taal is de sleutel in het helpen van machines op de juiste antwoorden een gebruiker zou op zoek gaan naar. Bijvoorbeeld, toen hem gevraagd werd over de “food in mexico”, zou de interpretatie ofwel over Mexicaanse gerechten, of specifiek restaurants zich in Mexico. Evenmin is per se onjuist, maar subtiele betekenis verschillen in taal is wat Google’s gereedschap zo krachtig.
Google is open source meer en meer met zijn machine leermiddelen. Na het openen van hun leerplatform TensorFlow vorig jaar, zijn ze het vrijgeven van de code die nodig is om nieuwe SyntaxNet modellen op individuele gegevens, alsmede analyseren Engels tekst te trainen.
SyntaxNet is het algemene kader voor het ontleden van zinnen, een zogenaamde “syntactische parser.” Mr. McParseface is de Engels taal plugin voor SyntaxNet. Google beweert dat de plugin kan identificeren objecten, onderwerpen, werkwoorden en andere grammaticale bouwstenen van zinnen als of zelfs beter dan, geschoold personeel taalkundigen.
Begrijpen van taal is de sleutel in het helpen van machines op de juiste antwoorden een gebruiker zou op zoek gaan naar. Bijvoorbeeld, toen hem gevraagd werd over de “food in mexico”, zou de interpretatie ofwel over Mexicaanse gerechten, of specifiek restaurants zich in Mexico. Evenmin is per se onjuist, maar subtiele betekenis verschillen in taal is wat Google’s gereedschap zo krachtig.
Google is open source meer en meer met zijn machine leermiddelen. Na het openen van hun leerplatform TensorFlow vorig jaar, zijn ze het vrijgeven van de code die nodig is om nieuwe SyntaxNet modellen op individuele gegevens, alsmede analyseren Engels tekst te trainen.