Жасанды интеллект: Ақыл-ой қоры мен ConceptNet жобасы
Open Mind Common Sense
Жалпы білімді зерттейтін MIT Media Lab жобасы – Open Mind Common Sense (OMCS). 1 млн+ факт, ConceptNet желісі, AnalogySpace матрицасы бар. AI, білім базасы.
Ағылшыншамен салыстырыңыз: абзацты басыңыз — түпнұсқа терезеде ашылады. Абзац астындағы EN түймесі оны мәтін ішінде көрсетеді.
Мазмұны
Кіріспе
Жасанды интеллект жобасы
Artificial intelligence project
Open Mind Common Sense (OMCS) – Массачусетс технология институтының (MIT) Media Lab-те орналасқан жасанды интеллект жобасы. Оның мақсаты – Интернеттегі мыңдаған адамдардың үлесінен үлкен ортақ білім базасын құру және пайдалану. Ол 1999 жылдан 2016 жылға дейін белсенді болды. Құрылғанынан бері 15 000-нан астам адамнан ағылшын тілінде миллионнан астам факт жиналды, сондай-ақ басқа тілдердегі білім базалары да толықтырылды. OMCS бағдарламалық жасақтамасының көп бөлігі өзара байланысты үш түрде ұсынылған: адамдар тікелей өзара әрекеттесетін табиғи тіл корпусы, осы корпустан құрылған семантикалық желі ConceptNet деп аталады, ал ConceptNet матрицалық ұсынылымы – AnalogySpace – өлшемді азайту арқылы жаңа білімді қорытуға мүмкіндік береді. OMCS деректер қоры түпнұсқалық түрінде – жалпы білімді жеткізетін қысқа сөйлемдердің жиынтығы ғана. Бұл білімді есептеу арқылы пайдалану үшін оны құрылымдырақ ұсынуға түрлендіру қажет.
Open Mind Common Sense (OMCS) is an artificial intelligence project based at the Massachusetts Institute of Technology (MIT) Media Lab whose goal is to build and utilize a large commonsense knowledge base from the contributions of many thousands of people across the Web. It has been active from 1999 to 2016. Since its founding, it has accumulated more than a million English facts from over 15,000 contributors in addition to knowledge bases in other languages. Much of OMCS's software is built on three interconnected representations: the natural language corpus that people interact with directly, a semantic network built from this corpus called ConceptNet, and a matrix based representation of ConceptNet called AnalogySpace that can infer new knowledge using dimensionality reduction. In its native form, the OMCS database is simply a collection of these short sentences that convey some common knowledge. In order to use this knowledge computationally, it has to be transformed into a more structured representation.
ConceptNet (Концепт желісі)
ConceptNet – OMCS дерекқорындағы ақпаратқа негізделген семантикалық желі. ConceptNet – түйіндері түсініктер, ал қабырғалары осы түсініктер туралы жалпыға ортақ ақыл-ойының тұжырымдамалары болып табылатын бағытталған граф ретінде бейнеленеді. Түсініктер жақын мағыналас табиғи тілдік тіркестер жиынтығын көрсетеді, олар зат есімдер, етістіктер, сын есімдер немесе сөйлемдер болуы мүмкін. Ол бизнеске үлкен көлемдегі сапалық деректерді – сауалнамаларды, өнім туралы пікірлерді және әлеуметтік желілердегі ақпаратты түсінуге және олардан мәнді тұжырымдар жасауға көмектесу үшін ConceptNet-ті негізгі лексикалық ресурсы ретінде пайдаланады.
ConceptNet is a semantic network based on the information in the OMCS database. ConceptNet is expressed as a directed graph whose nodes are concepts, and whose edges are assertions of common sense about these concepts. Concepts represent sets of closely related natural language phrases, which could be noun phrases, verb phrases, adjective phrases, or clauses. It uses ConceptNet as its primary lexical resource in order to help businesses make sense of and derive insight from vast amounts of qualitative data, including surveys, product reviews and social media.
Машиналық оқыту құралдары
ConceptNet-тегі ақпаратты машиналық оқыту алгоритмдері үшін бастама ретінде қолдануға болады. АналогиSpace деп аталатын бір түрлі бейнелеу, ConceptNet-тегі білімдегі үлгілерді жалпылау және көрсету үшін жекеше мәнге жіктеуді пайдаланады, осылайша оны жасанды интеллект қолданбаларында қолдануға мүмкіндік береді. Оның авторлары Divisi деп аталатын Python машиналық оқыту жиынтығын ұсынады.
The information in ConceptNet can be used as a basis for machine learning algorithms. One representation, called AnalogySpace, uses singular value decomposition to generalize and represent patterns in the knowledge in
ConceptNet, in a way that can be used in AI applications. Its creators distribute a Python machine learning toolkit called Divisi