آموزش زبان‌های جدید به مدل‌های زبانی هوش مصنوعی

متخصصان الکسا، زبان‌های جدیدی را از طریق یادگیری انتقالی به مدل‌های زبانی هوش مصنوعی آموزش می‌دهند.
یادگیری انتقالی یکی از مباحث مهم و قابل توجه در مبحث یادگیری عمیق است. در یادگیری انتقالی، از دانش مدلی که از قبل آموزش‌های لازم را دیده است، استفاده می‌کنند و این دانش  را در یک مسئله متفاوت ولی مرتبط به کار می‌بندند.
به عنوان مثال به یک مدل آموزش می‌دهیم که در یک تصویر، وجود کتاب را تشخیص دهد. وقتی این آموزش تکمیل شد، می‌توانیم از مدل بخواهیم، وجود خودکار را هم در یک عکس تشخیص دهد.
به گزارش ایتنا از شماران سیستم به نقل از ونچربیت، افزودن قابلیتی مانند پشتیبانی از زبانی جدید به دستیار صوتی الکسا، کار چندان ساده‌ای نبود ولی پژوهشگران آمازون، روشی را ابداع کردند که بتواند این کار را انجام دهد و این فرآیند را ساده کند.
آنها از تکنیکی استفاده کردند که بتواند با کمک مدل یادگیری ماشینی و با کمترین میزان داده یادگیری، زبان دیگری را آموزش دهد.
این روش که در واقع یادگیری انتقالی است می‌تواند این کار را آسان کند. جودیث کسپرز، دانشمند درک طبیعی هوش مصنوعی الکسا، اذعان داشت: «ما بر این باور هستیم که نخستین بار است که از یادگیری انتقالی بین زبانی برای ترجمه کلاسیفایر هدف-اسلات به یک زبان جدید استفاده می‌شود.»
سیستم‌های درک زبان گفتاری “SLU” معمولاً دو کار انجام می‌دهند. این دو کار، طبقه‌بندی هدف و برچسب‌گذاری اسلات است که در واقع هدف، کاری است که کاربر می‎‌خواهد به انجام برساند و اسلات، نهادهایی است که هدف در آن انجام می‌شود.
هدف یادگیری و کلاسیفایرهای اسلات در کنار هم عملکرد را بهبود می‌بخشند.
طبق آزمایش‌هایی که برای راه‌اندازی این سیستم انجام شد، پژوهشگران و دانشمندان به این نتیجه رسیدند که مدل “LSTM” یا «حافظه کوتاه و بلند مدت» بهترین کارایی را روی تست زبان انگلیسی دارد ولی این بدان معنا نیست که از ارائه بهترین نتایج توسط این مدل، اطمینان کامل حاصل شده است.
پژوهش‌ها کماکان در حال انجام است و فعالیت‌های مشابهی برای زبان آلمانی در حال انجام است.