人工智能开发解决物理问题非常擅长总结研究论文

麻省理工学院和其他地方的新研究正在制作一个可以阅读科学论文并生成一两句话的简明英语摘要的人工智能。

图片来源MikeThelwall,StefanieHaustein,VincentLarivière,CassidyR.Sugimoto(论文)。FinnÅrupNielsen(截图)。

我们在ZMEScience工作的很大一部分工作是通过科学期刊搜索看起来特别有趣或有影响力的论文。它们是用密集的技术术语编写的,然后我们以一种(我们希望的)愉快且易于遵循的方式呈现,任何人都可以理解,无论他们的教育背景如何。

麻省理工学院的研究人员要么为了让我的工作更轻松或让我失业,我不确定到底哪一个。他们与其他计算机研究人员,记者和编辑一起开发的新型神经网络可以阅读科学论文并提供简短的英文摘要。

Autoread

“我们一直在做各种各样的工作人工智能已经存在了几年,“麻省理工学院物理学教授,该研究的共同作者MarinSoljačić说道。

”我们使用人工智能来帮助我们的研究,基本上是为了更好地完成物理学。当我们对AI更加熟悉时,我们会注意到每隔一段时间就有机会增加AI领域,因为我们从物理学中知道某些东西-某种数学结构或物理学中的某些定律。我们注意到,嘿,如果我们使用它,它实际上可以帮助这个或那个特定的AI算法。“

它现在做的远非完美-事实上,神经网络的能力是相当的有限。即便如此,它可以证明是一种强大的资源,可以帮助编辑,作家和科学家扫描大量研究,以便快速了解其内容。除了语言处理之外,该系统还可以在各种其他领域找到应用程序,包括机器翻译和语音识别。

该团队没有着手为本文所述的目的创建AI。。事实上,他们正在努力创建新的基于人工智能的方法来解决物理问题。然而,在开发过程中,团队意识到他们正在研究的方法可以用来解决其他计算问题-比如语言处理-比现有彩61彩票网的神经网络系统更有效。

“我们不能说这对所有AI都很有用,但有些情况我们可以使用物理学的洞察来改进给定的AI算法,“Soljačić补充道。

神经网络通常试图模仿我们的大脑学习方式新的消息。计算机提供了许多不同的特定对象或概念的例子,以帮助它“学习”该元素的关键,底层模式。这使得神经网络成为模式识别的最佳数字工具,例如识别照片中的物体。然而,在关联来自大量数据(例如研究论文)的信息时,它们并没有做得那么好。

已经使用各种技巧来提高它们在后一领域的能力,包括称为长短期记忆(LSTM)和门控复发单位(GRU)的技术。总而言之,经典的神经网络仍然不适合任何类型的真实自然语言处理,作者说。

所以,他们所做的是将他们的神经网络建立在数学向量上,而不是矩阵的乘法(这是经典的神经网络方法)。这是一个非常深的数学领域,但实质上,系统通过向量表示文本中的每个单词-一定长度,方向和方向的线-在多维空间中创建和更改。大英百科全书将“数学中的向量定义为具有大小和方向但不具有位置的数量”,列出速度和加速度作为示例。

(责任编辑:彩61彩票网)

本文地址:http://www.ynhoutai.com/caijing/jijin/201909/3958.html

上一篇:在我们宇宙附近发现的古代星系

下一篇:没有了

相关阅读

留下评论

(必填)

(必填)