في 24 آب (أغسطس) ، تحدثنا مباشرة مع تاتيانا لاندو ، المحللة اللغوية في Google. تعمل تاتيانا على مساعد Google وتشارك في مشاريع بين الإنتاج والتطوير. تستكشف كيف يتحدث الناس مع بعضهم البعض وما هي الاستراتيجيات التي يستخدمونها لاستخدام هذا في تعليم المساعد المزيد من السلوك الإنساني. جاء جوجل للعمل على مساعد للسوق الروسية واللغة الروسية. قبل ذلك ، عملت في Yandex لمدة 8 سنوات. كانت تعمل في التقنيات اللغوية ، واستخراج الحقائق من نص غير منظم. تاتيانا هي أحد مؤسسي AINL: مؤتمر الذكاء الاصطناعي واللغة الطبيعية.
نشارك معك نسخة من البث.
عندما أقول إنني لغوي ، يسألونني في أحسن الأحوال عما إذا كنت قد قرأت Strugatskys ، حيث كان الأمر يتعلق بـ "اللغويين البنيويين". في أسوأ الأحوال ، يُسأل عن عدد اللغات التي أعرفها. اللغويون ليسوا أشخاصًا يعرفون العديد من اللغات. يمكن للأشخاص الذين لديهم أي تخصص معرفة العديد من اللغات ، فهو غير متصل. اللغوي هو الشخص الذي يفهم كيف تعمل اللغة وكيف يعمل التواصل بين الناس. هذا تخصص علمي كبير ، وله جوانب كثيرة بجانب ما أفعله. هناك تحليل للنصوص لتأسيس التأليف ، وهناك علم اللغة في علم الطب الشرعي - عندما يحدد اللغويون ما إذا كان هناك تطرف في النص ، على سبيل المثال. هذا مثال.
اللسانيات الحاسوبية ، التي أقوم بها ، تهدف بشكل أساسي إلى تطوير واجهات الكلام بين التكنولوجيا وأجهزة الكمبيوتر والبشر من ناحية ، بالإضافة إلى إدخال الأساليب العددية في معالجة اللغة. هناك مجال كامل من علم اللغة المادي - عندما نحاول معالجة النصوص تلقائيًا بكميات كبيرة من أجل استخلاص استنتاجات حول كيفية عمل اللغة بناءً على البيانات التي تم الحصول عليها. أنا أعمل على مساعد Google - إنها واجهة صوتية بين الهاتف أو الكمبيوتر والشخص.
قبل الانتقال إلى لندن وبدء العمل في Google ، عملت في Yandex لمدة 7.5 سنوات ، حيث درست أيضًا اللغويات الحاسوبية. غطت المهام التي كنت منخرطًا فيها في Yandex مجموعة واسعة إلى حد ما من المهام في علم اللغة الحاسوبي. درسنا علم التشكل ، بناء الجملة - كيف تتغير الكلمات ، وكيف يتم دمج الكلمات ؛ في هذا الصدد ، تعتبر اللغة الروسية أكثر تعقيدًا من اللغة الإنجليزية ، حيث لا توجد حالات في اللغة الإنجليزية ، ولا يوجد سوى نوعين من الأسماء ، وكل شيء بسيط نسبيًا (في الروسية - 6-9 حالات ، صيغة جمع غريبة - حسنًا ، يعرف جميع المتحدثين الأصليين هذه الميزات). لذلك ، عندما تحولت إلى Google ، تم تعييني كمتخصص في اللغة الروسية ، على الرغم من أنني الآن أقوم بالفعل بشيء آخر.
هل هناك شواغر متعلقة بتطوير النسخة الروسية من Google Assistant؟ كيف تحصل على وظيفة مساعد جوجل؟
لا توجد شواغر خاصة مرتبطة بالنسخة الروسية من مساعد Google. تحاول Google تطوير منهجيات تهدف إلى الوصول إلى أقصى عدد من اللغات في وقت واحد ، ويجب تحديد خصوصية اللغات باستخدام البيانات ، وليس باستخدام منهجيات محددة. وهذا يعني أن خوارزميات الروسية والإنجليزية والألمانية والصينية - جميع اللغات المدعومة متشابهة ، وإن كان ذلك مع بعض الفروق الدقيقة. هناك الكثير من الأجزاء المشتركة ، والأشخاص الذين يدرسون لغة معينة يراقبون بشكل أساسي جودة البيانات ويضيفون وحدات خاصة للغات الفردية. على سبيل المثال ، بالنسبة للغة الروسية واللغات السلافية الأخرى ، هناك حاجة إلى علم التشكل (هذا ما تحدثت عنه للتو - الحالات ، تكوين الجمع ، الأفعال المعقدة). وفي اللغة التركية ، هناك مورفولوجيا أكثر تعقيدًا - إذا كان هناك 12 اسمًا فقط باللغة الروسية ،ثم في التركية هو أكثر من ذلك بكثير. لذلك ، نحتاج إلى نوع من الوحدات الخاصة التي تتعامل مع الأجزاء المعتمدة على اللغة. ولكن يتم ذلك بمساعدة اللغويين الذين يعرفون لغتهم ومهندسي اللغة العامة الذين يكتبون الخوارزميات باستخدام البيانات ؛ نحن نعمل معًا لتحسين جودة هذه الخوارزميات والبيانات. وفقًا لذلك ، ليس لدينا وظائف شاغرة خاصة باللغة الروسية ، ولكن هناك وظائف شاغرة في تطوير مساعد Google ، خاصة في زيورخ ، كاليفورنيا ، نيويورك ، قليلاً - لندن.ليس لدينا شواغر خاصة للغة الروسية ، ولكن هناك شواغر في تطوير مساعد جوجل ، بشكل رئيسي في زيورخ ، كاليفورنيا ، نيويورك ، قليلاً - لندن.ليس لدينا شواغر خاصة للغة الروسية ، ولكن هناك شواغر في تطوير مساعد Google ، بشكل رئيسي في زيورخ ، كاليفورنيا ، نيويورك ، قليلاً - لندن.
, ?
قبل 4 سنوات عندما انتقلت إلى لندن كانت لا تزال أوروبا. في الواقع ، هو الآن أوروبا ، وإن لم يكن الاتحاد الأوروبي. أنا حقًا أحب لندن ، الجميع يتحدثون الإنجليزية ، ولا حاجة لتعلم لغة أخرى. لا يعني ذلك أنني لم أرغب في تعلم لغة أخرى ، لكن مدخل الحركة كان ضئيلاً. هناك أيضًا مسارح ممتازة هنا ، أحب حقًا الذهاب إلى المسرح. بالطبع ، تم الآن تسوية جميع مزايا لندن بالثقافة والترفيه إلى حد ما ، لكن دعونا نأمل في الأفضل. بالإضافة إلى ذلك ، فإن التأشيرة هنا أسهل بكثير مما هي عليه في زيورخ - لسبب ما ، تتغير تشريعات التأشيرات في سويسرا بانتظام. اتضح أنه من الأسهل بكثير وضعي أنا وعدد قليل من الرجال الآخرين في لندن ، واستقرنا هنا. يعجبني هنا ، لا أريد أن أتحرك إلى أي مكان. دفعتني رحلات العمل إلى كاليفورنيا إلى الكآبة - هناك عليك أن تأخذ سيارة ، لمسافات طويلة. على الرغم من وجود المزيد من فرص العمل هناك.
?
إنه أصعب من اللغة الإنجليزية. في الواقع ، جميع اللغات تقريبًا أكثر تعقيدًا من الإنجليزية. هناك وجهان مختلفان لهذا التعقيد. أولاً ، التشكل المعقد للغاية. بالإضافة إلى ذلك ، تتمتع اللغة الروسية بترتيب مجاني للكلمات ، مما يعقد العمل عند إنشاء خوارزمية. إذا تم إصلاحه ، فبالنسبة لـ "إطار mama soap" الشرطي ، يلزم وجود جملة واحدة لتعليم النظام فهم "الموضوع - المسند - الكائن". ولكن إذا كان من الممكن أن تكون هذه الكلمات بأي ترتيب ، فستكون هناك حاجة إلى مزيد من البيانات. في الوقت نفسه ، هناك الكثير من الموارد الجاهزة للغة الإنجليزية ؛ العالم العلمي كله منخرط في اللغة الإنجليزية ، وجميع الشركات تعمل في اللغة الإنجليزية لأنها تنافس في السوق الأمريكية. وقليلًا من اللغات الأخرى ، هناك تمويل أقل وشركات أقل. إذا كانت لا تزال هناك أجزاء أو بيانات جاهزة للألمانية أو الفرنسية ،التي يمكن إعادة استخدامها ، فاللغة الروسية أسوأ. هناك حالات جاهزة لكنها صغيرة الحجم وليست مناسبة لكل شيء. أي أن البيانات المطلوبة للغة الروسية أكثر بكثير من اللغة الإنجليزية ، ولكن هناك بيانات أقل متاحة. بالإضافة إلى طبقات نحوية إضافية ؛ يمكنك محاولة فهم نفس التشكل بشكل منفصل ، ثم يمكنك تقليل كمية البيانات المطلوبة للعمل عالي الجودة للمحلل باللغة الروسية (مقارنة باللغة الإنجليزية).اللازمة لعمل المحلل اللغوي عالي الجودة باللغة الروسية (مقارنة باللغة الإنجليزية).اللازمة لعمل المحلل اللغوي عالي الجودة باللغة الروسية (مقارنة باللغة الإنجليزية).
لذلك ، اتضح أن اللغة الروسية صعبة للغاية ، مثل اللغات السلافية الأخرى. بل إن اللغات التركية أصعب ؛ تواجه اللغات الشرقية مشاكل أخرى: على سبيل المثال ، لا توجد فراغات بين الكلمات في اللغة الصينية ، تحتاج إلى فهم كيفية تقسيم مجموعة من النصوص إلى أجزاء لتحديد ما تقوله كل قطعة. بشكل عام ، كل لغة لها نكاتها الخاصة ، ولكن يمكن حل كل شيء بشكل أساسي بسبب الكميات الكبيرة من بيانات اللغة التي يتم حل المهام على أساسها. كل شيء يعتمد على حقيقة أنه لا يوجد الكثير منهم للغة الروسية ، وبالتالي يصعب التعامل معها ، وبالنسبة للغة الإنجليزية - العكس.
هل تستطيع اللغويات الحاسوبية إعادة بناء الأماكن غير المفهومة ، على سبيل المثال ، في مفاوضات الطيارين مع الأرض؟
بالطبع. في الأساس ، الخوارزمية التي من شأنها أن تفعل ذلك ستكون مشابهة لاقتراحات البحث. عند إدخال مصطلح بحث (لأي لغة) ، يقدم لك النظام عمليات البحث الأكثر شيوعًا ، مع بعض التصفية. الخوارزمية ، بالطبع ، أكثر تعقيدًا إلى حد ما ، لكننا سننسىها من أجل الوضوح. يقترح النظام مجموعات الكلمات الأكثر شيوعًا في الاستعلام ، بدءًا من تلك التي أدخلتها بالفعل. يمكن استخدام تقنية مماثلة لاستعادة الأماكن الغامضة. هناك الكثير من المفاوضات ، وهذه مجموعة ضخمة من النصوص ، ويمكنك تحليلها ومعرفة الأجزاء الأكثر شيوعًا. أنا نفسي لم أتعامل أبدًا مع موضوع المفاوضات بين الطيارين والأرض ، لكنني أظن أنه يجب أن يكون هناك العديد من المقترحات المماثلة ، وبنية المعلومات مقننة تمامًا ، وطريقة الاتصال قياسية - مثل هذه الأشياء من السهل جدًا التنبؤ بها ، بحيث يمكن استعادتها بسهولة.
أخبرنا عن الصوتيات وتنقية الإشارات الصوتية في المساعدين الصوتيين
حول هذا لا أعرف شيئًا تقريبًا ، أتعامل فقط مع النص المكتوب. الصوتيات ، الصوتيات ليست مجالاتي. لكنني متأكد من وجود طرق صوتية تساعد في مسح الإشارة ، وعند التقاطع بين الإشارات الصوتية والمحرك التنبئي ، يمكنك تصفية الفرضيات واستعادة النص.
ما هي أصعب لغة في المعالجة والفهم؟
كلها معقدة. لا يعني ذلك أن أيًا منهم أكثر تعقيدًا أو أبسط في حد ذاته ؛ هناك الكثير من البيانات الخاصة باللغة الإنجليزية ، لذلك من الأسهل التعامل معها ، والجميع يفعل ذلك.
اتضح أن حلقة مفرغة: عندما يريد الأشخاص في المؤتمرات تجربة خوارزمية جديدة ، فإنهم يأخذون مجموعات معروفة جيدًا ويشاهدون كيف تنمو الأرقام على المقاييس. لقياس الخوارزمية الخاصة بك ، أنت بحاجة إلى مجموعة جيدة ؛ هناك العديد من النصوص الجيدة باللغة الإنجليزية ، لذا فهم يقومون بتشغيل خوارزميات باللغة الإنجليزية عليها ، ويحصلون على زيادة ، وبالتالي يحفزون الباحثين الآخرين على تكوين المزيد من المجموعات من أجل إيجاد ثغرات في الخوارزميات. هذه مهمة يسهل الحصول على منحة من أجلها. على سبيل المثال ، هناك 10 خوارزميات للإجابة على الأسئلة تلقائيًا ؛ في المجموعة الحالية ، هذه الخوارزميات متشابهة إلى حد ما ، وقرر الباحثون إنشاء مجموعة جديدة لمعرفة الفرق بينهما. هذه مهمة جيدة ، فهي تسمح بضبط أفضل للخوارزميات. يفعلون ذلك ، وهناك المزيد من الكتيبات للغة الإنجليزية - وكلما زاد عدد المجموعات ، ظهر المزيد من الخوارزميات.إذا نظرت إلى العمل في مجال البرمجة اللغوية العصبية على مدى السنوات القليلة الماضية ، فإن المؤتمرات لا تقيس حتى النسب المئوية ، بل تقيس نسبة زيادة في الجودة.
بشكل عام ، هذا ليس مفيدًا جدًا في المشكلات العملية ، وهو ليس في الواقع لغويات حسابية. هذه هي الطريقة التي يتعامل بها المهندسون مع اللغة إذا كانوا لا يعملون مع اللغويين (أي إما متوسط المستوى أو نظري للغاية).
لماذا لا توجد بيانات كافية للغة الروسية؟
هذا السؤال يعذبني طوال سنوات دراسة اللغة الروسية ، من الجامعة التي درست فيها علم اللغة التطبيقي.
لا أدري، لا أعرف. ربما ببساطة لا يوجد ما يكفي من المال في العلوم الروسية ، وبالتالي يتم توفير القليل من البيانات الخاصة باللغة الروسية. عادة ما تكون المؤتمرات في روسيا قديمة بعض الشيء. هناك مؤتمرات حول اللغويات التطبيقية ، والمعالجة التلقائية للغة الطبيعية ، ولكن هناك عدد قليل جدًا من الفرق الكبيرة التي تشارك في ذلك. يذهب العلماء إلى الشركات الكبيرة - Yandex ، ABBYY ، والآن تستأجر MTS أيضًا اللغويين ؛ أصبحت المهنة أكثر طلبًا مع ظهور المساعدين الصوتيين. هم أيضا يسافرون إلى الخارج. يوجد العديد من اللغويين في الشركات الناشئة ، مثل أمازون وجوجل.
المجموعة الكبيرة الوحيدة هي المجموعة الوطنية للغة الروسية. هناك أيضًا مجموعة من الوثائق التي أعدها أصدقائي - المجموعة المفتوحة للغة الروسية ؛ لكن ، بشكل عام ، من الصعب جدًا الحصول على تمويل لهذا ، وقليل من الناس يهتمون به.
كانت هناك مسابقات للخوارزميات تم من أجلها إنشاء مجموعات صغيرة لمهام محددة - على سبيل المثال ، مقارنة كيفية إجابة النظام على الأسئلة باللغة الروسية أو فهم الأوامر باللغة الروسية - لكن هذه البيانات ليست كافية لتدريب أنظمة كبيرة. كما تبين أنها حلقة مفرغة في الاتجاه الآخر: لا يوجد شيء للتدريب ، لذلك لا يوجد شيء للتدريب ، لذلك لا يوجد شيء يمكن قياسه ، لذلك لا توجد بيانات. بالإضافة إلى ذلك ، هناك حاجة إلى بيانات أكثر من اللغة الإنجليزية. بعد حصولي على شهادتي ، ذهبت على الفور تقريبًا إلى Yandex ، لذلك يصعب علي أن أقول لماذا لا يعمل هنا.
ما هو النهج الذي تتخذه Google أكثر تجاه معالجة اللغة؟ الشبكات العصبية أو الخوارزميات؟
الشبكات العصبية هي أيضًا خوارزميات. لا أفهم الانقسام قليلاً ، لكنني سأحاول إخبارك ما (وبشكل عام) المناهج التي لدينا في المعالجة التحليلية للغة في علم اللغة الحاسوبي.
أكثر الأساليب القديمة تاريخيا هي النهج القائمة على القواعد. يكتب اللغويون القواعد يدويًا ، تقريبًا مثل لغة البرمجة. افترض ، في النص المدرك ، أن هناك الفاعل أولاً ، ثم الفعل ، ثم المسند ؛ إذا كان المسند في حالة واحدة ، إذن - نتيجة واحدة ، وهكذا. على سبيل المثال ، في الحالات التي يقول فيها المستخدم شيئًا مثل "Ok Google ، اضبط المنبه على الساعة 7 صباحًا" ، يمكنك عمل القاعدة التالية: ضع - أي كلمة - منبه - على - رقم - في الصباح. هذا قالب يمكن وصفه وتعليمه للنظام: إذا كنت تستخدم مثل هذا القالب وكان يعمل ، فأنت بحاجة إلى ضبط المنبه في الوقت المحدد في شكل رقم. بالطبع ، هذا نمط بدائي للغاية ، يمكنك القيام به بشكل أكثر تعقيدًا. يمكن دمجها: على سبيل المثال ، قالب واحد يستخرج التاريخ والوقت ، ثم يتم كتابة نموذج لضبط المنبه فوقه.
هذا نهج قديم جدًا ، عمره 70 عامًا بالفعل - هكذا كتبت إليزا ، أول روبوت محادثة يتظاهر بأنه محلل نفسي ، في عام 1966. ثم فوجئ الناس جدا. كانت هناك قصص قام منشئو برنامج الدردشة هذا بعرضها على زملائهم ، وقاموا بطردهم من الغرفة للتحدث إلى محلل نفسي "حقيقي". وقد تمت كتابة هذا الروبوت وفقًا للقواعد فقط - ثم كان أسلوبًا متميزًا. الآن ، بالطبع ، لا نريد القيام بذلك ، لأن هناك الكثير من القواعد المطلوبة - تخيل عدد العبارات المختلفة التي يمكنك استخدامها فقط لضبط المنبه ، إذا كنت تستخدم قواعد خالصة ، فسيتعين عليك وصف كل منها يدويًا. لقد تحولنا إلى الأنظمة الهجينة منذ وقت طويل: يمكنهم إدراك الأنماط ، ولكن بشكل عام نحاول استخدام الشبكات العصبية للتعلم الآلي وتطبيق أساليب خاضعة للإشراف للتعلم الخاضع للإشراف. بمعنى آخر،نقوم بترميز البيانات ونقول: حسنًا ، في هذه المجموعة من ما يمكن للمستخدم قوله ، هذا الجزء هو الوقت ، ويتم تطبيعه على هذا النحو ؛ هذا الجزء هو الجهاز الذي يريد المستخدم ضبط المنبه عليه ، وهذا الجزء هو ، على سبيل المثال ، اسم المنبه. بحيث يمكنك ضبط المنبه على iPhone الساعة 7 صباحًا باسم "المدرسة". بعد ذلك ، قمنا بتعيين مجموعة كبيرة ، وتدريب المحلل اللغوي عليها ، ثم يتم تطبيق المحلل اللغوي على طلبات المستخدم ، وبالتالي نتعرف عليها. هذه هي الطريقة التي يعمل بها مساعد Google الآن ، وهذا هو النهج الذي نستخدمه الآن.بعد ذلك ، قمنا بتعيين مجموعة كبيرة ، وتدريب المحلل اللغوي عليها ، ثم يتم تطبيق المحلل اللغوي على طلبات المستخدم ، وبالتالي نتعرف عليها. هذه هي الطريقة التي يعمل بها مساعد Google الآن ، وهذا هو النهج الذي نستخدمه الآن.بعد ذلك ، قمنا بتعيين مجموعة كبيرة ، وتدريب المحلل اللغوي عليها ، ثم يتم تطبيق المحلل اللغوي على طلبات المستخدم ، وبالتالي نتعرف عليها. هذه هي الطريقة التي يعمل بها مساعد Google الآن ، وهذا هو النهج الذي نستخدمه الآن.
يبدو الأمر بدائيًا ، ففي الأدبيات والأخبار غالبًا ما تتسرب المعلومات حول كيفية تعلم الشبكات العصبية من تلقاء نفسها في مجموعات ضخمة ، فهي تجيب على كل شيء وتدعم المحادثات. هذا ، بالطبع ، صحيح ، وهو رائع ، لكن مثل هذه الأساليب غير مجدية في الحالات التي تحتاج فيها إلى النظام ليس فقط للإجابة ، ولكن أيضًا لتغيير حالته - على الأقل مع ضبط المنبه. ومع ذلك ، فإن التمثيل الداخلي مطلوب ، والذي من الضروري تقديم ما قاله المستخدم بطريقة ما. حتى لو كان لدينا مجموعة كبيرة من النصوص التي يطلب فيها المستخدم ضبط المنبه ، ولن يتم تمييزه ، فلن نتمكن من تدريب المحلل اللغوي بحيث يغير النظام. سنكون قادرين على تدريبه ليقول "نعم ، أنا أضع المنبه" ولم يفعل شيئًا. ولكن لتدريب النظام بحيث يغير حالته باستخدام البيانات غير المسماة ،ليس ممكنا بعد. لذا فإن ما تم إصداره مؤخرًا بواسطة OpenAI و DeepMind - جزء من Alphabet ، الشركة الأم لـ Google - رائع ، فهي تقنيات روبوت محادثة جيدة تستجيب للبشر ، لكن لا توجد تقنيات تستبعد العمل اليدوي لتغيير حالة النظام. لذلك ، لسوء الحظ ، فإن الصناعة الآن لديها معايير منخفضة إلى حد ما بهذا المعنى - ليس فقط لمساعد Google ؛ يعمل جميع المساعدين على نفس النهج تقريبًا مع الكثير من العمل اليدوي - إما معالجة البيانات للمحللين أو كتابة القواعد (وهو ما لا نريد القيام به). نحاول القيام بالأعمال اليدوية بمساعدة الشركات الشريكة.باستثناء العمل اليدوي لتغيير حالة النظام ، لا. لذلك ، لسوء الحظ ، فإن الصناعة الآن لديها معايير منخفضة إلى حد ما بهذا المعنى - ليس فقط لمساعد جوجل ؛ يعمل جميع المساعدين على نفس النهج تقريبًا مع الكثير من العمل اليدوي - إما معالجة البيانات للمحللين أو كتابة القواعد (وهو ما لا نريد القيام به). نحاول القيام بالأعمال اليدوية بمساعدة الشركات الشريكة.باستثناء العمل اليدوي لتغيير حالة النظام ، لا. لذلك ، لسوء الحظ ، فإن الصناعة الآن لديها معايير منخفضة إلى حد ما بهذا المعنى - ليس فقط لمساعد Google ؛ يعمل جميع المساعدين على نفس النهج تقريبًا مع الكثير من العمل اليدوي - إما معالجة البيانات للمحللين أو كتابة القواعد (وهو ما لا نريد القيام به). نحاول القيام بالأعمال اليدوية بمساعدة الشركات الشريكة.نحاول القيام بالأعمال اليدوية بمساعدة الشركات الشريكة.نحاول القيام بالأعمال اليدوية بمساعدة الشركات الشريكة.
أخبرنا عن الاتجاهات الواعدة في تطوير مساعد جوجل.
في الواقع ، ما ناقشناه للتو. الاتجاه هو الخروج بنظام تدريب جديد يمكن أن يغير حالة النظام من البيانات دون الحاجة إلى معالجة البيانات اليدوية. هذا سيكون رائع. لكن حتى الآن ، على الرغم من أن لدي بالفعل خبرة كبيرة في العمل مع المساعدين ، إلا أنه من الصعب بالنسبة لي أن أتخيل حتى كيف سيعمل مثل هذا النظام من حيث المبدأ. أنا أفهم كيف أصبحت الشبكات العصبية ، وطرق التدريس ، والأساليب الهجينة أكثر تعقيدًا الآن ، وكيف أصبح إعداد البيانات للتدريب أكثر تعقيدًا - لكني لا أفهم كيفية إجراء اتصال مباشر بين البيانات بدون معلم وتغيير النظام. يجب أن يكون هناك نوع من التمثيل الداخلي يسمح بالقيام بذلك. إذا استطاع شخص ما إحداث ثورة في هذا الجزء وإعادة تخيله ، فسيكون ذلك رائعًا.
بالإضافة إلى ذلك ، يتم الآن استثمار الكثير في إنشاء هذا التمثيل الداخلي - أي ، إذا لم نتمكن من الانتقال مباشرة من البيانات دون الترميز إلى تغيير حالة النظام ، فنحن بحاجة إلى إنشاء خوارزمية تساعد في القيام بشيء ما بينهما. لنفترض إنشاء تمثيل للنظام من النص ، ثم يقوم الأشخاص بتنظيفه بدلاً من البناء من الصفر. هذا اتجاه واعد للغاية ، وعلى الرغم من عدم إحراز تقدم يذكر فيه ، إلا أن الباحثين يبحثون فيه بالضبط.
بالإضافة إلى - إشارات جديدة للإجابات ولتعقل المساعدين في المحادثة. وطرق التقييم. الآن (أي في الصناعة بشكل عام) ليس لدينا طريقة مناسبة واحدة لتقييم جودة أنظمة الحوار ، وليس مقياسًا واحدًا يمكن من خلاله مقارنة المساعد ، أليس ، أليكس ، سيري ، وما إلى ذلك. يمكنك استطلاع آراء المستخدمين ومحاولة حل سيناريوهات مماثلة مع مساعدين مختلفين واستخلاص النتائج من ذلك ، ولكن لا يوجد مقياس كمي مناسب. بالنسبة للترجمة الآلية ، هناك مقياس ، وهو طبيعي إلى حد ما ، ولكن لهذا - لا شيء ؛ هذه إحدى المشكلات التي تتم مناقشتها الآن في الصناعة في المؤتمرات. بدأت مجموعات المحادثة للغة الإنجليزية أخيرًا ؛ هناك أيضًا عدد قليل جدًا منهم. لا يوجد شيء لعد المقاييس ، ولا أحد وليس من الواضح كيف. إذا كان لدى أي شخص فكرة جيدة ،ثم يقوم هذا الشخص بجمع كل أمجاد المؤتمرات ، وإنشاء شركة ناشئة وبيعها في أي مكان. أود أن أمزق بيدي أي مشروع من شأنه أن يساعد من الناحية الكمية ، بالأرقام ، في قياس الفرق بين المساعدين.
بشكل منفصل ، هناك دراسة هجينة ، والتي أقوم بها الآن أكثر من غيرها - في العام الماضي تحولت من اللغة الروسية إلى هذا الموضوع. أقوم بمشروعات حول كيفية جعل المساعد أكثر محادثة وطبيعية. نشاهد الناس يتحدثون مع بعضهم البعض. لا يقتصر الأمر على الكلمات المستخدمة هنا ("ضبط / ضبط المنبه") ؛ في الواقع ، هذا الجزء بدائي وقد تم حله بالفعل ، على الرغم من أنه لا يزال هناك الكثير من الإجراءات الروتينية التي يتعين إكمالها. المهام التي لم يتم حلها ، على سبيل المثال ، عندما يقول المستخدم بأشكال مختلفة: "ضبط المنبه لي" ، "هل يمكنك ضبط المنبه؟" ، "هل يمكنك ضبط المنبه؟" نفس الشيء تقريبًا ، ولكن في حالة واحدة يتم تطبيق الأمر ، في حالات أخرى - أسئلة. نحن ننظر إلى هذا المستوى من اللغويات - البراغماتية ، أي ما يتجاوز المعنى - الدلالات. بالنسبة لأولئك الذين درسوا اللغويات أو اللغة ،الترميز الدلالي في النص ليس مصطلحًا جديدًا ، لكن البراغماتية تضيف سياقًا إضافيًا إليه ؛ هذا ليس فقط "ما يقولونه" ، ولكن أيضًا "كيف يقولون" ، "لماذا يقولون". بشكل تقريبي ، إذا قال المستخدم للمساعد "هل أنت غبي؟" ، فهو لا يريد إجابة بـ "نعم / لا" - فهذه إشارة أخرى ، وعليك أن تسأل عن الخطأ في سلوك النظام من قبل ؛ لا ينبغي تصنيف هذا على أنه سؤال ، ولكن على أنه شكوى.
تحاول مجموعتي - لدي الآن ثلاثة لغويين متبقيين بعد الانتقال إلى قسم آخر - فهم كيفية تفاعل الأشخاص مع بعضهم البعض ، وكيفية تفاعل الأشخاص مع المساعدين ، وكيفية تحويل ذلك إلى إشارات للتعلم الآلي وتدريب النظام حقًا على فهم الأشياء بشكل أفضل تنتقل بطريقة غير لفظية وغير مباشرة.
ماذا عن عدد المحاولات والأوتار فيما يتعلق بالسؤال في بيان المشكلة؟
يعد هذا مقياسًا جيدًا ، ولكنه ، للأسف ، يأخذ في الاعتبار عدد العبارات التي لم يفهمها المساعد المستخدم. لا يخبرنا مدى صعوبة هذه العبارات ، ومدى متعة تجربة المستخدم. اكتب لي لاحقًا بعد البث ، كل من لديه أفكار لمقارنة المساعدين ، يمكنك التحدث عن هذا بشكل منفصل - ولكن هناك حاجة إلى شيء معقد للغاية. من خلال أقسام منفصلة ، تعلمنا بالفعل أن نفهم شيئًا ما - على سبيل المثال ، النسبة المئوية لطلبات المستخدم التي لا يفهمها النظام ، أو يفهمها من الوقت N ، وحيث توجد أخطاء - في ترجمة الكلام إلى نص ، على النص نفسه ، في مكان آخر عند التغيير الأنظمة. لكن تقييم مدى استجابة النظام بشكل مناسب هو بالفعل أكثر صعوبة: في الواقع ، ما هو "الرد المناسب"؟ هناك أيضًا جميع أنواع "الكرز على الكعكة" مثل الحالات التي يخاطب فيها المستخدم النظام باسم "أنت"وهي تجيب "أنت" - هل هي جيدة أم سيئة؟ يبدو أنه أمر سيء ، المساعد شخصية ثانوية.
بشكل عام ، هناك الكثير من الرقائق الصغيرة التي يصعب أخذها في الاعتبار في القياسات الكمية.
هل هناك لغة وسيطة مشتركة للمعالجة المبسطة ثم التبديل إلى اللغة المطلوبة؟
هذا سؤال رائع ، لكن ليس أنا ، لكن ممثلي ABBYY الذين حاولوا القيام بذلك منذ سنوات عديدة. أي أنه توجد في علم اللغة فكرة مفادها أن جميع اللغات مبنية بطريقة مماثلة ، ويمكنك إنشاء قواعد عامة وقاموس وكل شيء آخر للحصول على رابط وسط بين جميع اللغات. ثم يمكن للمرء أن يترجم من لغة إلى لغة ما ثم إلى أي لغة أخرى. لقد تم قضاء الكثير من سنوات الإنسان في هذه المهمة ، ولكن اتضح - على الرغم من جمال الفكرة - أن اللغات لا تزال مختلفة تمامًا ، ويكاد يكون من المستحيل إجراء مثل هذا التعيين. وليس من الواضح كيفية القيام بذلك تلقائيًا - وليس باليد. نتيجة لذلك ، مات الموضوع.
اتضح أنه إذا قمت بسكب الكثير من البيانات وقمت بتشغيل شبكة عصبية ، فستتضح أن الترجمة الآلية ذات جودة كافية بدون لغة وصفية. الشبكات العصبية جيدة في حساب الأنماط ، بما في ذلك الأنماط النحوية ، لذلك ، إذا كان حجم البيانات كافياً ، فإنهم هم أنفسهم يتعاملون دون مطالبات من رابط وسيط. في الترجمة الآلية ، كل شيء يعمل بشكل جيد عندما تكون هناك نصوص موازية جيدة. على سبيل المثال ، هناك العديد من النصوص المتوازية بين الروسية والإنجليزية ، ولكن لا يوجد أي نص على الإطلاق بين الروسية وبعض اللغات الهندية الأمريكية - ولكن هناك العديد من النصوص المتوازية بينها وبين الإنجليزية ، أي أن اللغة الإنجليزية يمكن أن تلعب دور لغة وسيطة. غالبًا ما تتم الترجمة من اللغة الروسية أولاً إلى اللغة الإنجليزية ، ثم إلى لغة ثالثة ؛ هذه التقنية شائعة بدرجة كافيةبحيث تحل اللغة الإنجليزية عمليًا محل نفس اللغة الوصفية - بعد كل شيء ، فإن البيانات الأكثر ترجمة هي من وإلى الإنجليزية. الجودة تتضرر بالطبع ، لكنها أفضل من لا شيء. إذا لم يكن هناك شيء لتعليم النظام عليه ، فمن الأفضل التدريس على هذه الترجمة خطوة بخطوة بدلاً من عدم القيام بأي شيء.
بشكل عام ، من الناحية النظرية ، الفكرة جميلة ، ولكن في الممارسة يتم استخدام اللغة الإنجليزية.
هل يمكنك تقديم أمثلة على المهام التي تعمل عليها في Google؟ ما هي النسبة المئوية للمهام الشيقة والروتينية؟
عندما أطلقت المساعد الروسي ، كان هناك الكثير من المهام الروتينية - ببساطة لأن الخوارزميات عالمية ، وتم تقليص معظم العمل لإصلاح الأخطاء يدويًا وإعداد بيانات اللغة الروسية. تحققنا من الجودة ، وأحيانًا نكتب البيانات يدويًا ؛ يبدو الأمر محزنًا للغاية ، لكن لم نتمكن من استخدام بيانات المستخدم ، وكان علينا أخذها من مكان ما. لأخذ البيانات ، يمكنك أيضًا كتابة قاعدة وإنشاء البيانات ؛ أو البيانات المفتوحة. ومن المثير للاهتمام ، أنه كان من الممكن التعامل مع التشكل ، لمعرفة أن إنشاء النص وفهمه كانا أكثر ذكاءً ولم تكن هناك حاجة لكتابة جميع أشكال كلمة "المنبه" في عمود. لسوء الحظ ، كان هناك الكثير من دورات "التشغيل - انظر - الجودة - الإصلاح - مرة أخرى - تشغيل البيانات الصحيحة - وما إلى ذلك" ؛ كانت ممتعة في البداية ، لكنها سرعان ما أصبحت روتينية. الآن،بما أنني أكثر تخصصًا في البحث ، فإننا نصنع أجندتنا الخاصة ، بمعنى ما. أنا فقط أقوم بإنشاء بيانات جديدة يمكن أن تكون مفيدة في المستقبل للمقاييس ، وأبحث في كيفية تحدث الناس مع بعضهم البعض وللمساعدين لفهم الإشارات التي يمكن استخدامها لتدريب النماذج. نحن نحلل الجودة. جزء من العمل الذي أقوم به حاليًا هو المنتج ، نحاول إنشاء خارطة طريق للمشاكل في تفاعلات الحوار بين شخص ومساعد ، لفهم كيفية تصنيفها ، لفهم ما يمكننا حله الآن ، وماذا بعد ذلك. أي الآن لم يتبق لدي أي مهام روتينية تقريبًا ، وأنا راضٍ عن الإعداد الخاص بي.والتي يمكن أن تكون مفيدة في المستقبل للمقاييس ، والبحث في كيفية تحدث الناس مع بعضهم البعض وللمساعدين لفهم الإشارات التي يمكن استخدامها لتدريب النماذج. نحن نحلل الجودة. جزء من العمل الذي أقوم به حاليًا هو المنتج ، نحاول إنشاء خارطة طريق للمشاكل في تفاعلات الحوار بين شخص ومساعد ، لفهم كيفية تصنيفها ، لفهم ما يمكننا حله الآن ، وماذا بعد ذلك. أي الآن لم يتبق لدي أي مهام روتينية تقريبًا ، وأنا راضٍ عن الإعداد الخاص بي.والتي يمكن أن تكون مفيدة في المستقبل للمقاييس ، والبحث في كيفية تحدث الناس مع بعضهم البعض وللمساعدين لفهم الإشارات التي يمكن استخدامها لتدريب النماذج. نحن نحلل الجودة. جزء من العمل الذي أقوم به حاليًا هو المنتج ، نحاول إنشاء خارطة طريق للمشاكل في تفاعلات الحوار بين شخص ومساعد ، لفهم كيفية تصنيفها ، لفهم ما يمكننا حله الآن ، وماذا بعد ذلك. أي الآن لم يتبق لدي أي مهام روتينية تقريبًا ، وأنا راضٍ عن الإعداد الخاص بي.نحن نحاول إنشاء خارطة طريق للمشكلات في تفاعلات الحوار بين شخص ومساعد ، لفهم كيفية تصنيفها ، وفهم ما يمكننا حله الآن ، وماذا بعد ذلك. أي الآن لم يتبق لدي أي مهام روتينية تقريبًا ، وأنا راضٍ عن الإعداد الخاص بي.نحاول إنشاء خارطة طريق للمشاكل في تفاعلات الحوار بين شخص ومساعد ، لفهم كيفية تصنيفها ، لفهم ما يمكننا حله الآن ، وماذا بعد ذلك. أي الآن لم يتبق لدي أي مهام روتينية تقريبًا ، وأنا راضٍ عن الإعداد الخاص بي.
يبدو هذا التوازن مختلفًا باختلاف اللغويين. لقد احتفلنا مؤخرًا بالذكرى السنوية - 100 لغوي في الشركة ، والآن هناك المزيد. هذا رائع ، لأنه عندما انضممت إلى الشركة منذ 4 سنوات ، كان هناك 30 شخصًا منا ، ومطلوبنا في تزايد بالتأكيد.
هل تستخدم تعريف السياق لتحليل النصوص؟
لا أعرف ما إذا كان كاتب السؤال لا يزال يبحث - أعد الصياغة ، من فضلك ، لم أفهم.
نحن نستخدم السياق بالطبع. بدونها ، لا يوجد تفاعل حوار. بالطبع ، نحاول حل المشكلات بحيث لا يقول المستخدم ، على سبيل المثال ، "منبه" في كل مرة ، ولكن يمكنه استخدام الضمائر الطبيعية ("اضبط المنبه على 7 ، لا ، قم بتغييره إلى 8"). هذا بالفعل يعمل جيدًا للغة الإنجليزية ؛ لا أتذكر ما إذا كان قد تم إطلاقه بالفعل للروسية.
لماذا لم يتم إطلاق عمود اللغة الروسية؟
مما يمكنني قوله ، لدى Google الكثير من اللغات المختلفة. يجب ترتيب الأولويات وفقًا لحجم وقيمة الأسواق ، والسوق الروسي ليس الأكثر إثارة للاهتمام. من المثير بعض الشيء وجود Yandex في روسيا ، ويمكنك التنافس معه ، ولكن من الناحية العملية ، لا أحد يريد ذلك. بالإضافة إلى ذلك ، أغلقت Google مكاتب التطوير في روسيا بعد اعتماد قانون البيانات الشخصية.
هل توجد مكتبات مفتوحة للتعرف على الكلام وإنشاء مصفوفات بيانات لتدريب الشبكات العصبية؟ ما مدى انفتاح هذه التكنولوجيا؟
نعم ، مليئة بالخوارزميات مفتوحة المصدر. أطلقت Google مؤخرًا Bert ، مكتبة جديدة جدًا ؛ الآن المؤتمرات مليئة بالتحديثات التي تطرأ عليها ، والتي تسمى مختلف الكلمات المضحكة ، والتي يوجد بداخلها "بيرت" (ألبرت). هذا كله مفتوح المصدر ، صنعه علماؤنا الممتازون في برلين. يمكنك تدريب أي شيء. المجتمعات العلمية لديها بيانات لتدريب الشبكات العصبية ومعرفة ما سيحدث. كما قلت ، هذه البيانات ليست كافية للروسية ، وأكثر للغة الإنجليزية ، لذلك يستمتع الجميع معه.
وهذا يعني أنه ليس لديك نصوص سجل المستخدم؟
لا يمكننا قراءة سجلات المستخدم. الاستثناءات الوحيدة هي تلك الحالات التي يشكو فيها المستخدمون ويطلب منهم على وجه التحديد الإذن لمشاركة البيانات العديدة الأخيرة. ولكن حتى في مثل هذه الحالات ، لا نرى سوى إعادة سرد للمشكلة من خلال دعم مدرب خصيصًا وإحصاءات مجمعة للنموذج "أجاب المساعد بأنه لا يفهم ، كذا وكذا نسبة مئوية من المرات". تأخذ Google بيانات المستخدم بعناية شديدة. جزء مما يفعله فريقي هو التفكير في كيفية إنشاء بيانات واقعية أو جمعها من أشخاص يتقاضون أجورًا خاصة. هذا اتجاه مهم لجميع الفرق الصناعية لأنه لا ينبغي أبدًا انتهاك الخصوصية. علينا البحث عن طرق جديدة لجمع البيانات ، وكتابة أدوات جديدة ؛لقد كنت أفعل هذا عن كثب خلال الأشهر الستة الماضية. لسوء الحظ ، لم يتم نشر التفاصيل بعد. أردنا كتابة مقال للمؤتمر ، لكن الوباء كان في طريقنا. عندما تعمل في شركة ، فأنت ، من حيث المبدأ ، تحتاج إلى مقال فقط من أجل الذهاب إلى مؤتمر على حساب الشركة والتسكع. والآن أصبحت جميع المؤتمرات على الإنترنت ، ولن تتمكن من الخروج - فقد اختفى الدافع لكتابة مقال بالفعل. الآن سينتهي الوباء وسنقوم بذلك.الآن سينتهي الوباء وسنقوم بذلك.الآن سينتهي الوباء ، وسنفعله على أي حال.
, , ?
لن أعرض لك أي عناصر اختبار ، لكن يمكنني إخبارك عن المقابلة. كما قلت ، لدينا الآن 100 لغوي ، وتتم المقابلات الآن بالشكل المعروف للمهندسين - مقابلة في المجمع. نجري مقابلات مع اللغويين على التوالي ، وعندما يكون هناك لغوي جيد ، فإننا نبحث عن مكان شاغر ونعينهم في فرق. لدينا لغويون من مختلف المجالات. شخص ما برامج ، شخص ما عمليا لا يبرمج. أنا من الفئة الثانية: أنا أكثر في الجزء المتعلق بالبحث ، ولا أقوم بتدريب العارضين بنفسي - هناك رجال في الفريق يقومون بهذا. لدينا الآن 8 فرق من اللغويين بأحجام مختلفة ، ولدينا أيضًا فريق استيعاب داخلي ، كنت متخصصًا فيه في اللغة الروسية: هؤلاء هم الأشخاص الذين يراقبون جودة المساعد (الآن أنا مجرد باحث لغوي وأقوم بمهام لا تتعلق بلغة معينة) ...اعتمادًا على ملفهم الشخصي ، يقع اللغويون في أحد هذه الفرق.
عندما تكون المهام للغة معينة ، هناك حاجة إلى متحدثين أصليين للغات معينة ؛ يتلقون مهام خاصة بهذه اللغة - نحاول معرفة ما إذا كان الشخص يفهم الميزات جيدًا. على سبيل المثال ، إذا كنا نوظف لمنصب باللغة الروسية (الآن لم يعد موجودًا) ، فسنسأل لماذا تعتبر اللغة الروسية أكثر تعقيدًا من اللغة الإنجليزية ، وما هي الأساليب الموجودة للتغلب على هذه الصعوبات ، وكيف تعمل مورفولوجيا الروسية ، وما هو المطلوب للكمبيوتر لفهم ذلك ، وكيف يؤثر ذلك من خلال كمية البيانات. إذا كان الدور عامًا ، فسنسأل عن مدى فهم الشخص للواقع الحالي لعلم اللغة ، ومدى تفكيره في الخوارزميات. على الرغم من أنني نادرًا ما أبرمج نفسي ، إلا أنني أفهم جيدًا كيف يعمل التعلم الآلي ، وما هو مطلوب لتدريب النظام ، وحول الإشارات ، والتعلم الخاضع للإشراف / غير الخاضع للإشراف ، وما إلى ذلك. في الواقع ، هذا ماالتي عادة ما أسألها في المقابلات. المثال الأكثر شيوعًا: "كيف تصلح الأخطاء الإملائية؟ هناك مبلغ لا حصر له من المال والمطورين ، ولكن لا يوجد منتج حتى الآن - كيف نبنيه من وجهة نظر لغوية ، ما هي الخطوات؟ " بشكل عام ، يمكن للمرء أن يسأل عن أي مكون يتضمن اللغة الطبيعية. كيف يتم بناؤها حسب المبحوث؟ كيف سيبني الشخص نفس الشيء ، ما هي المشاكل التي يراها؟ كيف تنقل التجربة من الإنجليزية إلى الصينية ، ومن الصينية إلى الروسية ، ومن الروسية إلى الهندية؟ كيف سينظم عمله بلغة لا يعرفها؟ هناك الكثير من الخيارات.ما هي الخطوات؟ بشكل عام ، يمكنك أن تسأل عن أي مكون يتضمن لغة طبيعية. كيف يتم بناؤها حسب المبحوث؟ كيف سيبني الشخص نفس الشيء ، ما هي المشاكل التي يراها؟ كيف تنقل التجربة من الإنجليزية إلى الصينية ، ومن الصينية إلى الروسية ، ومن الروسية إلى الهندية؟ كيف سينظم عمله بلغة لا يعرفها؟ هناك الكثير من الخيارات.ما هي الخطوات؟ بشكل عام ، يمكنك أن تسأل عن أي مكون يتضمن لغة طبيعية. كيف يتم بناؤها حسب المبحوث؟ كيف سيبني الشخص نفس الشيء ، ما هي المشاكل التي يراها؟ كيف تنقل التجربة من الإنجليزية إلى الصينية ، ومن الصينية إلى الروسية ، ومن الروسية إلى الهندية؟ كيف سينظم عمله بلغة لا يعرفها؟ هناك الكثير من الخيارات.
هل تراقب سلوك المستخدم: ما الأمر الذي أعطاه المستخدم ، وما الإجراء الذي اتخذه الجهاز؟
لا يمكننا مراقبة سلوك المستخدم. يمكننا فقط التوصل إلى طرق لمحاكاته واختبار كيفية استجابة النظام. هذا ما نقوم به بالفعل: محاولة معرفة كيفية قياسه ، ومحاولة جمع البيانات لتدريب الخوارزميات.
كيف يتم تعقب سياق المحادثة؟ ما مقدار الذاكرة المستخدمة لهذا؟ هل هناك ثبات بين الجلسات؟
هل هناك الكثير من استخدام الذاكرة - لا أعرف التفاصيل ، ولا حتى للقسم الذي أعمل فيه. يهتم قسمنا بالجودة بشكل أكبر ، ولكن هناك أقسام تبحث في ما إذا كانت هناك ذاكرة كافية ، وما إذا كانت هناك تسريبات ، وما إذا كان المساعد يتعثر بغباء لمدة 10 دقائق لضبط المنبه.
نحن نتتبع السياق. حتى الآن ، للأسف ، خلال جلسة واحدة فقط. هذه إحدى المهام التي سيحلها قسمنا - فريقي والفرق الهندسية المجاورة - خلال العام المقبل. مهمة رائعة ومثيرة للاهتمام: كم من الوقت يجب الاحتفاظ بالسياق ، وفي أي نقطة يجب اعتبار أن المحادثة قد انتهت ، وما إذا كان سيتم الاحتفاظ بسياق المستخدم دائمًا ، وما هي المعلومات حول المستخدم التي سيخزنها النظام في حد ذاته. بشكل نسبي ، إذا قال أحد المستخدمين "أنا أكره البيتزا" ، فمن الجيد على الأرجح الاحتفاظ بهذا السياق إلى الأبد والسؤال مرة واحدة سنويًا عما إذا كان الوضع قد تغير. وإذا رد المستخدم بأنه لم يتغير ، فلا تعرض توصيل البيتزا. بينما لا يعرف المساعدون كيفية القيام بذلك - لسوء الحظ ، لا يزالون بعيدين جدًا عن الكمال ، سيحتاجون إلى العديد من السياقات المختلفة.
الآن نحن قادرون على فهم الضمائر خلال جلسة واحدة ("اضبط المنبه ، اضبطه على الساعة 8 صباحًا"). نحن نعمل على توسيع هذا السياق ، وإجراء بحث منفصل لفهم السياق المفيد ، ومقدار الحاجة إليه ، ومكان تخزينه ومقدار تخزينه. بالطبع ، لدى Google العديد من الخوادم ، لذلك لا داعي لتوفير المال ، لكننا نريد من المساعد عدم معالجة كل طلب لمدة 3 ساعات. إنه سريع جدًا الآن ، لكنه ليس مثاليًا ؛ وإذا جعلناها مثالية ، نود أن تستمر في العمل بسرعة.
هل لديك منافسة بين الفرق؟
نعم و لا. بالطبع ، وفقًا لكيفية ترتيب العمل داخل Google ، يمكنك إجراء بث منفصل. لدينا الكثير من المبادرات المحلية. يمكن للناس محاولة عمل نماذج أولية لأي شيء ، واقتراح ذلك على الرؤساء - الرؤساء دائمًا منفتحون للغاية ، وسوف يقترحون على الرؤساء الكبار. ينشأ عدد غير قليل من المشاريع من حقيقة أن شخصًا ما حاول القيام بشيء ما ، فقد نجح ، وتقرر القيام بذلك بجودة مناسبة للإصدار. بالطبع ، هناك مواقف عندما يأتي الأشخاص إلى نفس الفكرة في 5 أماكن في نفس الوقت ، ويتم الحصول على 10 نماذج أولية. في مثل هذه اللحظة ، يتعين عليك أحيانًا اختيار أحد النماذج الأولية ، لكن عادةً ما يحاولون توحيد الأشخاص في فريق حتى يتمكنوا من تطوير ميزة جديدة معًا ، وإطلاقها في الإنتاج ، وكان الجميع سعداء.
إذاً ، هناك منافسة ، لكننا نحاول الحفاظ على المنافسة صحية ، بحيث لا يكون هناك الكثير من السياسة. بشكل عام ، الجو رائع. نحن الآن نجلس بين البحث والإنتاج ، ونقدم الأفكار ، ونحن في بؤرة مع مديري المنتجات ، ومع المشاريع ، ومع الجميع - الجميع منسق ومتعاون. فوضى ، ولكن كل شيء روحي.
ماذا سيحدث بشكل أسرع - هل سيصنعون مساعدًا صوتيًا ذكيًا لن يفهم ما هو أسوأ من الشخص ، أم سيبتكر Elon Musk واجهة عصبية؟
لا أعرف أي شيء عن المرحلة التي تكون فيها الواجهة العصبية. لكن المساعد الصوتي الذكي الذي سيفهم مثل الشخص لا يزال بعيدًا جدًا. حتى الآن ، لا أحد يفهم كيفية جعل المساعد يفهم. كل الدردشة على الشبكات العصبية القوية تقليد. رأيت سؤالًا حول اختبار تورينج - هذا أيضًا اختبار للتقليد ، لمدى جودة تظاهر النظام بأنه شخص ويتظاهر بأنه يفهم ، ولكن بعد كل شيء ، لا يوجد نظام يفهم أي شيء. كان هناك chatbot Eugene Goostman ، الذي فاز بأحد الاختبارات - اجتاز نسبة معينة من الحكام الذين تعرضوا للخداع. تظاهر بأنه صبي يبلغ من العمر 15 عامًا من أوديسا مع والده ، طبيب أمراض النساء وخنزير غينيا (ليست مزحة - كان يتحدث عن نفسه). احتفظ الروبوت بالسياق قليلاً ، متسائلاً: "من أين أنت؟" - وتذكرت المدينة من الجواب ،ثم استخدم الحفظ بعد فترة ، مما تسبب في تأثير مذهل. على الرغم من أنه ليس من الصعب الآن إنشاء تأثير wah مع المساعدين الصوتيين ؛ هم ليسوا مثاليين. بالإضافة إلى ذلك ، نظرًا لأن المسابقة كانت باللغة الإنجليزية ، فقد نُسبت المخالفات في خطاب الروبوت إلى حقيقة أنه "من أوديسا" - كانوا يؤمنون بصبي أجنبي.
السؤال هو ماذا نسمي "الفهم" ، وما هو "الفهم جيد مثل الإنسان" ، وما نريده أساسًا من برامج الدردشة الآلية. لا أحد يعرف الإجابة على هذا السؤال أيضًا. هل نريده أن يتحدث معنا كأفضل صديق ، أو أن يتحكم بثبات في المنزل الذكي والسيارة ويضبط أجهزة الإنذار؟ ماذا يمكن أن يفعل؟ هل يستطيع أن ينادينا بأسماء ويسخر منا؟ ليس الأمر أن أعز أصدقائنا يطلقون الأسماء ويسخرون ، ولكن هناك طرقًا خاصة للتواصل مع أحبائهم. ربما لا نريد أن يتحدث النظام إلينا بلطف ويطارد الحكايات؟
ماذا حدث من قبل
- إيلونا بابافا ، كبير مهندسي البرامج في Facebook - كيفية الحصول على تدريب داخلي والحصول على عرض وكل شيء عن العمل في شركة
- Boris Yangel ، Yandex ML-Engineer - كيف لا تنضم إلى صفوف المتخصصين الأغبياء إذا كنت عالم بيانات
- , EO LastBackend — , 15 .
- , Vue.js core team member, GoogleDevExpret — GitLab, Vue Staff-engineer.
- , DeviceLock — .
- , RUVDS — . 1. 2.
- , - . — .
- , Senior Digital Analyst McKinsey Digital Labs — Google, .
- «» , Duke Nukem 3D, SiN, Blood — , .
- , - 12- — ,
- , GameAcademy — .
- , PHP- Badoo — Highload PHP Badoo.
- , CTO Delivery Club — 50 43 ,
- , Doom, Quake Wolfenstein 3D — , DOOM
- , Flipper Zero —
