Kecerdasan Buatan Bisa Pelajari Pola Bahasa Manusia
Kamis, 01 September 2022 - 01:31 WIB
"Salah satu motivasi dari pekerjaan ini adalah keinginan kami untuk mempelajari sistem yang mempelajari model kumpulan data yang direpresentasikan dengan cara yang dapat dipahami manusia," kata Kevin Ellis '14, PhD '20, Asisten Profesor iImu Komputer di Cornell University.
"Alih-alih mempelajari bobot, dapatkah model mempelajari ekspresi atau aturan? Dan kami ingin melihat apakah kami dapat membangun sistem ini sehingga sistem ini dapat mempelajari seluruh rangkaian data yang saling terkait, untuk membuat sistem belajar sedikit tentang cara memodelkan masing-masing dengan lebih baik,” lanjutnya.
Untuk membangun model yang dapat mempelajari seperangkat aturan untuk merangkai kata, yang disebut tata bahasa, para peneliti menggunakan teknik pembelajaran mesin yang dikenal sebagai Pembelajaran Program Bayesia.
Dengan teknik tersebut, model memecahkan masalah dengan menulis program komputer. Dalam hal ini, program adalah tata bahasa yang menurut model merupakan penjelasan yang paling mungkin dari kata-kata dan makna dalam masalah linguistik
Mereka membangun model menggunakan Sketch, program synthesizer populer yang dikembangkan di MIT oleh Solar-Lezama. Tetapi Sketch membutuhkan banyak waktu untuk mempertimbangkan program yang paling mungkin.
Untuk menyiasatinya, para peneliti meminta model bekerja satu per satu, menulis program kecil untuk menjelaskan beberapa data, kemudian menulis program yang lebih besar yang memodifikasi program kecil itu untuk mencakup lebih banyak data, dan seterusnya.
Ketika mereka menguji model menggunakan 70 masalah buku teks, mereka dapat menemukan tata bahasa yang cocok dengan seluruh rangkaian kata dalam masalah dalam 60 persen kasus, dan cocok dengan sebagian besar perubahan bentuk kata dalam 79 persen masalah.
"Alih-alih mempelajari bobot, dapatkah model mempelajari ekspresi atau aturan? Dan kami ingin melihat apakah kami dapat membangun sistem ini sehingga sistem ini dapat mempelajari seluruh rangkaian data yang saling terkait, untuk membuat sistem belajar sedikit tentang cara memodelkan masing-masing dengan lebih baik,” lanjutnya.
Untuk membangun model yang dapat mempelajari seperangkat aturan untuk merangkai kata, yang disebut tata bahasa, para peneliti menggunakan teknik pembelajaran mesin yang dikenal sebagai Pembelajaran Program Bayesia.
Dengan teknik tersebut, model memecahkan masalah dengan menulis program komputer. Dalam hal ini, program adalah tata bahasa yang menurut model merupakan penjelasan yang paling mungkin dari kata-kata dan makna dalam masalah linguistik
Mereka membangun model menggunakan Sketch, program synthesizer populer yang dikembangkan di MIT oleh Solar-Lezama. Tetapi Sketch membutuhkan banyak waktu untuk mempertimbangkan program yang paling mungkin.
Untuk menyiasatinya, para peneliti meminta model bekerja satu per satu, menulis program kecil untuk menjelaskan beberapa data, kemudian menulis program yang lebih besar yang memodifikasi program kecil itu untuk mencakup lebih banyak data, dan seterusnya.
Ketika mereka menguji model menggunakan 70 masalah buku teks, mereka dapat menemukan tata bahasa yang cocok dengan seluruh rangkaian kata dalam masalah dalam 60 persen kasus, dan cocok dengan sebagian besar perubahan bentuk kata dalam 79 persen masalah.
Lihat Juga :