Hispanopedia WikiEl sistema de aprendizaje de idiomas sin fin ( NELL ) es un sistema de aprendizaje automático semántico que en 2010 estaba siendo desarrollado por un equipo de investigación de la Universidad Carnegie Mellon , y apoyado por subvenciones de DARPA , Google , NSF y CNPq con partes del sistema ejecutándose en un clúster de supercomputación proporcionado por Yahoo !. [1]
Proceso y objetivos
NELL fue programado por sus desarrolladores para poder identificar un conjunto básico de relaciones semánticas fundamentales entre unos cientos de categorías predefinidas de datos, como ciudades, empresas, emociones y equipos deportivos. Desde principios de 2010, el equipo de investigación de Carnegie Mellon ha estado utilizando NELL las 24 horas del día, examinando cientos de millones de páginas web en busca de conexiones entre la información que ya conoce y lo que encuentra a través de su proceso de búsqueda, para hacer nuevas conexiones de una manera que pretende imitar la forma en que los humanos aprenden nueva información. [2] Por ejemplo, al encontrar el par de palabras "Pikes Peak", NELL notaría que ambas palabras están en mayúscula y deduciría de la segunda palabra que se trata del nombre de una montaña, y luego se basaría en la relación de palabras que rodean a esas dos palabras para deducir otras conexiones. [1]
El objetivo de NELL y otros sistemas de aprendizaje semántico, como el sistema Watson de IBM , es poder desarrollar medios para responder a preguntas planteadas por los usuarios en lenguaje natural sin intervención humana en el proceso. [3] Oren Etzioni , de la Universidad de Washington, elogió el "aprendizaje continuo" del sistema, "como si NELL ejercitara la curiosidad por sí solo, con poca ayuda humana". [1]
En octubre de 2010, NELL había duplicado el número de relaciones que tenía disponibles en su base de conocimientos y había aprendido 440.000 hechos nuevos, con una precisión del 87%. [4] [1] El líder del equipo Tom M. Mitchell , presidente del departamento de aprendizaje automático de Carnegie Mellon, describió cómo NELL "se autocorrige cuando tiene más información, a medida que aprende más", aunque a veces llega a conclusiones incorrectas. Los errores acumulados, como la deducción de que las cookies de Internet eran una especie de producto horneado, llevaron a NELL a deducir de las frases "eliminé mis cookies de Internet" y "eliminé mis archivos" que los " archivos de computadora " también pertenecían a la categoría de productos horneados. [5] Los errores claros como estos son [ ¿cuándo? ] corregidos cada pocas semanas por los miembros del equipo de investigación y se permite que el sistema continúe su proceso de aprendizaje. [1] Para 2018, NELL había "adquirido una base de conocimiento con 120 millones de creencias diversas y ponderadas por confianza (por ejemplo, servidoCon(té,galletas) ), mientras aprendía miles de funciones interrelacionadas que mejoran continuamente su competencia lectora con el tiempo". [6]
A partir de septiembre de 2023, los datos recopilados más recientemente por el proyecto datan de febrero de 2019 (según su cuenta de Twitter) [7] o septiembre de 2018 (según su página de inicio). [8]
Recepción
En su libro de 2019 " Human Compatible ", Stuart Russell comentó que "Desafortunadamente, NELL confía en solo el 3 por ciento de sus creencias y depende de expertos humanos para eliminar creencias falsas o sin sentido de manera regular, como sus creencias de que "Nepal es un país también conocido como Estados Unidos" y "el valor es un producto agrícola que generalmente se corta en base". [9] Un artículo de 2023 comentó que "si bien la parte interminable parece el enfoque correcto, NELL aún tenía el inconveniente de que su enfoque permanecía demasiado basado en descripciones de lenguaje objeto y dependía de páginas web como su única fuente, lo que influyó significativamente en el tipo de gramática, simbolismo, jerga, etc. analizados". [10]
Véase también
- Arquitectura cognitiva
- Modelos computacionales de adquisición del lenguaje
- Ciclista
- Darwin entre las máquinas
- La adolescencia de P-1
Referencias
- ^ abcde "Con el objetivo de aprender como nosotros, una máquina se enseña a sí misma". New York Times . 4 de octubre de 2010 . Consultado el 5 de octubre de 2010 .
Desde principios de año, un equipo de investigadores de la Universidad Carnegie Mellon —con el apoyo de subvenciones de la Agencia de Proyectos de Investigación Avanzada de Defensa y Google, y aprovechando un clúster de supercomputación de investigación proporcionado por Yahoo— ha estado afinando un sistema informático que está tratando de dominar la semántica aprendiendo más como un humano.
- ^ Descripción general del proyecto, Carnegie Mellon University . Consultado el 5 de octubre de 2010.
- ^ Trader, Tiffany. "Machine Learns Language Starting with the Facts", HPCwire, 5 de octubre de 2010. Consultado el 5 de octubre de 2010.
- ^ "NELL: aprendizaje de idiomas sin fin", Carnegie Mellon University . Consultado el 5 de octubre de 2010.
- ^ VanHemert, Kyle. "Right Now A Computer Is Reading Online, Teaching Itself Language", Gizmodo , 6 de octubre de 2010. Consultado el 5 de octubre de 2010.
- ^ Mitchell, T.; Cohen, W.; Hruschka, E.; Talukdar, P.; Yang, B.; Betteridge, J.; Carlson, A.; Dalvi, B.; Gardner, M.; Kisiel, B.; Krishnamurthy, J.; Lao, N.; Mazaitis, K.; Mohamed, T.; Nakashole, N. (24 de abril de 2018). "Aprendizaje sin fin". Comunicaciones de la ACM . 61 (5): 103– 115. doi : 10.1145/3191513 . ISSN 0001-0782.
- ^ "NELL (@cmunell) | Twitter". twitter.com . Consultado el 4 de septiembre de 2023 .
- ^ "Lea la Web:: Carnegie Mellon University". rtw.ml.cmu.edu . Consultado el 4 de septiembre de 2023 .
- ^ Russell, Stuart (2019). "3". Compatible con los humanos: la IA y el problema del control . Allen Lane.
- ^ de Jager, S. (11 de abril de 2023). "Ruido semántico en el desafío del esquema de Winograd de desambiguación de pronombres". Comunicaciones de Humanidades y Ciencias Sociales . 10 (1): 1– 10. doi : 10.1057/s41599-023-01643-9 . ISSN 2662-9992.
Enlaces externos
- Página de inicio del proyecto