分类: 中文版

从我们上次谈到语言人工智能以来,这个领域在本月又迎来了很多新发展,但我们在上个月提到的很多核心观点仍在发酵。关于人工智能如何不断学习的问题,我们在研究类比的重要性时提到了这一点,上周 DeepMind 的一项新研究断言,从理论上看,强化学习足以训练人工智能实现做人类所能做到的一切。这篇论文的标题很简单,“奖励就足够了”,它着眼于 NLP(自然语言处理)以及其他类型的深层神经网络(DNN)如何有效地模仿刺激人类智能的自然进化学习机制,推导出人工智能对于周围环境的理解或日臻完整。

同样,卡内基梅隆大学的研究人员本周发表了一项研究,试图通过即时学习(强化学习的一种形式)为 NLP 定义一条前进的道路,强化学习可以在不使用标记数据的情况下将模型开发过程的数据效率提高 100 倍。据报道,这种方法在很大程度上依赖于人工专家的战略性工作,从而有效地引导机器朝着正确的方向学习。因此,既不需要人工训练的模型,也不需要大量的数据和标签来提高机器学习的效果。作为语言人工智能进步的一个例子,能够更好地利用机器的学习能力,这本身就是对语言专家在从机器翻译后编辑(MTPE)到开发越来越强大的 NLP 机制的各个方面所起关键作用的肯定。

相关阅读:视频本地化:字幕和配音在电影行业中的重要性

另外还有一件令人意想不到的事情真实发生了,AI 人工智能竟然被法院判决在一起专利案件中胜诉,成为专利获胜者。类似的胜诉案子还发生在了南非和澳大利亚。可能一般人很难想象人工智能居然能够在和真人的对抗中胜诉,不管我们愿不愿意承认,AI 人工智能在越来越多的领域已经发挥出远超人类发明其时所赋予的功能。

随着 AI 人工智能继续影响各个行业的通信,这种新型智能形式与人类对世界的理解互相结合已经取得了显著的进步——无论是从基本常识还是想象力方面来说。从支持技术提供商跨国界交付这些新产品到提供尖端技术驱动的翻译,CSOFT 华也国际始终致力于确保在不断变化的全球环境中提供超过 250 种语言的本地化服务。请访问 csoftintl.com 了解更多信息。

Related:  缺乏类比和联想:AI智能翻译为什么仍会如此挣扎?

Leave a Comment

评论