site financier Nouvelles Récemment, AAAI 2020 (la 34e Conférence AAAI sur l'intelligence artificielle) a eu lieu à New York. Lors de cette réunion de haut niveau dans le domaine de l'intelligence artificielle, avec un total de deux documents Shield Technology « Amélioration Question génération sémantique Sentence niveau Matching et réponses Position Inférer » et « Repenser le cadre Bottom-Up pour la localisation vidéo basée sur la requête » est sélectionné , deux documents ont été, respectivement, en collaboration avec l'Université du Zhejiang et l'Université de la Floride comme orale (présentation orale) réponse aux questions de texte (QA) et le répondeur vidéo (VQA) la plupart des recherches de pointe dans des domaines connexes.
A partir de 2020, AAAI a été organisé avec succès 34 séances, est reconnu comme la conférence faisant autorité dans le domaine de l'intelligence artificielle, mais aussi diverses entreprises technologiques arène concurrentielle, mais est également une référence importante pour la direction du développement futur de l'industrie de l'intelligence artificielle.
Récemment, le ministère de la porte-parole de la technologie de l'industrie et de l'information, la technologie de l'information Xie Shaofeng Division du développement, a déclaré au cours de l'épidémie, l'utilisation de la technologie de l'intelligence artificielle a été efficace, selon des statistiques incomplètes, il y a 20 modèles de produits d'intelligence artificielle et des applications en matière de surveillance, aspects du diagnostic de la maladie, le développement de médicaments ont joué un rôle important. La ruée vers la ligne de sauvetage pour aider la lutte contre le SRAS au cours de la même bouclier systèmes de prévision intelligente et la plate-forme intelligente est également une visite de retour à l'épidémie.
Pendant ce temps, la « nouvelle infrastructure » est devenu l'un de l'orientation actuelle de l'économie nationale, la Chine devrait accélérer le 5G, les grands centres de données, l'intelligence artificielle et d'autres nouveaux progrès de la construction d'infrastructures, les industries de réseau, le développement numérique, intelligent est devenu une tendance.
L'Assemblée générale AAAI a reçu un total de 8843 soumissions, 7737 documents à l'examen, l'admission finale 1591 articles, dont seulement 453 (sur le taux d'acceptation de 5,9%) rapport comme une session orale. Documents de conférences portant sur des sujets dans la vision informatique, traitement du langage naturel, l'apprentissage machine, représentation des connaissances multiples fronts, raisonnement logique, avec le bouclier comme un important représentants des entreprises chinoises, ont fait la performance éblouissante sur la plus fine pointe de l'industrie de l'intelligence artificielle Sports Arena, derrière elle reflète une forte capacité de recherche scientifique.
Sélectionné au « Amélioration de la question génération sémantique Sentence niveau Matching et réponses Position Inférer » par exemple.
Questions et réponses système est une direction de recherche important dans le domaine du traitement du langage naturel au cours des dernières années, les grandes conférences internationales, des revues ont publié de nombreuses études liées au système de réponse aux questions, l'industrie réelle, il y a beaucoup de scénarios dans l'atterrissage, l'algorithme de base implique l'apprentissage de la machine , la profondeur de l'apprentissage des connaissances. Système Q (Q & A) comprenant un point principal de la construction du modèle, la question / réponse de codage, l'introduction de fonctionnalités sémantiques, en introduisant l'apprentissage sélection du contenu renforcement, le type de problème de modélisation, l'introduction des informations de contexte et la résolution des problèmes les scénarios d'application pratique.
Problèmes inverse avec un système de papier de protection se concentrant principalement Q (Q & R) --- problème de la génération (Question génération, Q et G). Le but est de générer des problèmes générés dans le contexte donné et la réponse appropriée à la question, problème sémantiquement lié est généré dans les systèmes de dialogue intelligents, scène de l'éducation, des quiz assistant, conseiller en placement intelligent, interrogation et d'autres applications médicales a un grand potentiel.
Les problèmes générés tâche peuvent être divisés en deux types: l'une est une règle basée sur l'approche, à savoir ne pas en profondeur la compréhension du contexte sémantique d'un cas où la règle de conception manuelle ou vocabulaire modèle, convertir contexte problématique. L'autre est basé sur réseau neuronal, un procédé consistant à générer un vocabulaire à partir du fragment d'énoncé de problème, comprenant une séquence - un modèle de séquence (SEQ-à-seq), le décodeur du codeur (-décodeur du codeur), et analogues. Décrit ici est un procédé de génération sur la base de réseaux neuronaux.
À l'heure actuelle, la question modèle généré basé sur les réseaux de neurones fait face principalement les deux questions suivantes: (1) les mauvais mots-clés et mots interrogatifs: modèle peut utiliser les mauvais mots-clés et des mots de question à se poser des questions, (2) le mécanisme de réplication médiocre: modèle la réponse n'a rien à voir avec la sémantique de copie de mots de contexte.
Avec bouclier et collaborateurs Gators croient que le problème de la production existante basée sur le modèle de réseau de neurones a été le résultat de ce qui précède deux questions est parce que: (1) décodeur peut ne être intéressé par le mot local signifiant processus de génération sans tenir compte de l'problème global de la sémantique; (2) le mécanisme de réplication est la réponse à une bonne utilisation des fonctionnalités de géolocalisation, ce qui dans le contexte en double le mot n'a rien à voir avec les réponses de l'entrée.
Afin de résoudre ces deux problèmes, les chercheurs ont présenté avec un bouclier pour effectuer plusieurs tâches d'apprentissage (multi-tâches d'apprentissage, MTL) façon d'apprendre la sémantique de niveau de la phrase, ainsi que l'introduction de réponse géolocalisé, « Notre modèle » proposé dans les mêmes conditions expérimentales dans le modèle de cet article problèmes générés. La figure 1 montre, les réponses d'estimation de position et des problèmes neurologiques intégration gated pour générer une vue du modèle d'un niveau de phrase correspondant à la présente sémantique.
Au niveau de la phrase correspondant sémantique représenté sur la figure 2.
L'estimation de la position de réponse (Réponse Position Inférer): l'introduction d'un réseau de flux bidirectionnel pour en déduire la position de l'attention de la réponse, le montre la figure 3.
En utilisant la peine de question (phrase à la question, S2Q) attention aux problèmes et aux phrases (Question à peine, Q2S) attention à mettre l'accent sur l'association sémantique entre chaque mot de chaque phrase et mot chaque question, et en utilisant un même Notez que le mécanisme a été perçu problème de la caractérisation phrase H et de représentation problème de perception phrase S:
Puis, en utilisant deux couches LSTMs bidirectionnelle pour capturer l'interaction entre les mots dans les phrases condition de problème. L'indice de départ et de fin de réponse indice de la fonction de prédiction utilisée par la couche de sortie Softmax:
Dans lequel, f est une fonction de formation de réseaux de perceptron multicouche (MLP). En utilisant la valeur réelle y1 réponse négative début et une marque de fin pour calculer une perte de probabilité journal:
Pour l'apprentissage multi-tâches dans le modèle de génération de module de formation conjointe et a proposé une perte totale de la fonction du processus de formation appelé:
Les mêmes chercheurs dans le bouclier et MARCO SQUAD deux ensembles de données d'expériences, NQG ++, point générateur et le modèle de SOTA, l'attention du mécanisme de déclenchement en tant que modèles algorithme de comparaison de référence. Le tableau 3 présente les principaux indicateurs de différents modèles et ensemble de données MS-MARCO SQUAD, dans les conditions expérimentales de l'article, le modèle proposé dans tous les principaux indicateurs sont meilleurs que l'algorithme de comparaison de référence.
Résumé: Q avec les systèmes existants, le modèle de problème pour générer approche différente, cet article est de ne pas améliorer l'effet de l'introduction du modèle de réplication plus efficace lui-même ou améliorer les caractéristiques et similaires, mais directement dans la séquence classique - le modèle de séquence (seq- à-seq) ajouté deux modules: un module d'adaptation de niveau de phrase sémantique et réponses module en supposant la position. En outre, la réponse Mécanisme de commande de fusion pour améliorer la perception de l'état initial du décodeur, ce qui améliore encore le modèle d'effet de traitement.
avant la construction des salles du monde universitaire à l'infrastructure de l'économie numérique
En ce qui concerne l'application et le développement de produits scène connu avec le bouclier, est la première aspirations de réunion niveau supérieur à l'intelligence artificielle internationale, et avec le bouclier de la route de l'innovation ne sont pas arrêtés là, avec le bouclier a été engagé à la nouvelle économie numérique en construisant l'intelligence artificielle, les grandes données et d'autres moyens l'infrastructure, l'analyse intelligente et décision de devenir commis à l'infrastructure commune de l'ère numérique. Tout comme l'eau, l'électricité que la décision omniprésente, intelligente sera axée sur tout le développement commercial du noyau, toutes les entreprises et les organismes gouvernementaux doivent pouvoir compter sur un ensemble de systèmes d'analyse et de prise de décision.
À l'heure actuelle, avec le bouclier et une analyse intelligente de décision dans le contrôle des risques financiers, l'économie de crédit, entreprise transition numérique, ville intelligente et d'autres domaines jouent un rôle important.
Debout tournant historique, la capacité de prise de décision intelligente ou deviendra un indicateur important de la future mesure d'affaires, la ville et la force globale de la gouvernance sociale, l'avenir dépendra des entreprises de technologie de décision plus intelligente plonger dans la R & D et de l'innovation.
