گوگل کد منبع AI خود را "TAPAS" منتشر کرد

 

گوگل از انتشار کد منبع "TAPAS" خبر داد (TAble PArSing) ، یک شبکه عصبی (هوش مصنوعی) برای پاسخگویی به س questionالی به زبان طبیعی در داخل توسعه یافته است و پاسخ را از یک پایگاه داده رابطه یا صفحه گسترده دریافت کنید.

به منظور دستیابی به نتایج مطلوب در TAPAS ، توسعه دهندگان مسئول این پروژه خود را وقف آموزش شبکه عصبی با 6.2 میلیون جفت کردند جدول به متن گرفته شده از ویکی پدیا. برای تأیید ، شبکه عصبی باید کلمات گمشده را در جداول و متن هایی که در آن آموزش ندیده بود بازیابی کند. دقت بهبودی 71,4٪ بود به عنوان یک تست محک نشان داد که شبکه عصبی پاسخ های دقیق یا قابل مقایسه ای را نسبت به الگوریتم های رقیب در هر سه مجموعه داده ارائه می دهد.

درباره تاپاس

اصولاً هدف این پروژه امکان مشاوره ، پردازش و نمایش اطلاعات است مربوط به شرایط پرس و جو ساخته شده توسط کاربر به زبان طبیعی است ، و دستیابی به اطلاعات را در مقیاس وسیعی تسهیل می کند.

یک مثال اساسی از استفاده از TAPAS این است که اگر کاربر بخواهد داده های فروش ، درآمد ، درخواست ها ، از جمله موارد دیگر. علاوه بر این شما باید آن را در نظر بگیرید TAPAS نه تنها به کسب اطلاعات از یک پایگاه داده محدود نیست ، بلکه توانایی انجام محاسبات را نیز دارد، الگوریتم به دنبال پاسخ در سلولهای جداول است ، به طور مستقیم و با استفاده از جمع ، میانگین و سایر عملگرها ، علاوه بر این همچنین می تواند به طور همزمان بین چندین جدول جستجو کند.

گوگل می گوید Tapas عملکرد بهتری دارد یا سه الگوریتم منبع باز برتر را مطابقت می دهد برای تجزیه و تحلیل داده های رابطه ای. توانایی Tapas در استخراج عناصر خاص از مخازن بزرگ داده نیز می تواند به بهبود قابلیت های پاسخ کمک کند.

زیر سلطنت ، تاپاس از تنوع روش پردازش زبان طبیعی BERT استفاده می کند در جستجوهای انجام شده توسط موتور Google استفاده می شود.

BERT دقت بیشتری نسبت به رویکردهای سنتی ارائه می دهد زیرا به هوش مصنوعی اجازه می دهد توالی متن را نه تنها از چپ به راست یا راست به چپ طبق روال معمول ارزیابی کند ، بلکه هر دو را همزمان انجام می دهد.

نسخه ای که گوگل برای TAPAS پیاده سازی کرده است ، به AI اجازه می دهد تا نه تنها س posال مطرح شده توسط کاربران و داده هایی را که می خواهند پرس و جو کنند ، بلکه ساختار جداول رابطه ای که داده ها در آنها ذخیره می شود را نیز در نظر بگیرد.

چگونه TAPAS را روی لینوکس نصب کنیم؟

از آنجا TAPAS اساساً یک مدل BERT است و بنابراین همان الزامات را دارد. این بدان معنی است که می توان یک مدل بزرگ را با طول دنباله 512 که به TPU نیاز دارد ، آموزش داد.

تا بتوانید TAPAS را روی لینوکس نصب کنید ما به کامپایلر پروتکل نیاز داریم ، که در اکثر توزیعهای لینوکس یافت می شود.

در دبیان ، اوبونتو و مشتقات این موارد ، می توانیم کامپایلر را با دستور زیر نصب کنیم:

sudo apt-get install protobuf-compiler

در مورد Arch Linux ، Manjaro ، Arco Linux یا هر مشتق دیگر Arch Linux ، ما با موارد زیر نصب می کنیم:

sudo pacman -S protobuf

اکنون برای نصب TAPAS ، فقط باید کد منبع را بدست آوریم و با دستورات زیر کامپایل کنیم:

git clone https://github.com/google-research/tapas
cd tapas
pip install -e .

و برای اجرای مجموعه آزمایشی ، ما از کتابخانه tox استفاده می کنیم که می تواند با تماس بگیرید:

pip install tox
tox

از اینجا هوش مصنوعی باید در زمینه مورد علاقه آموزش ببیند. اگر چه برخی از مدلهای آموزش دیده در مخزن GitHub ارائه می شوند.

علاوه بر این ، می توانید از گزینه های مختلف پیکربندی مانند این گزینه استفاده کنید حداکثر_سق_ طول برای ایجاد توالی کوتاه تر. این باعث کاهش دقت می شود اما GPU مدل را نیز قابل آموزش می کند. گزینه دیگر این است که اندازه دسته را کاهش دهید (اندازه قطار_قسمت) ، اما این احتمالاً بر دقت نیز تأثیر می گذارد.

سرانجام اگر می خواهید در مورد آن بیشتر بدانید درباره این هوش مصنوعی ، می توانید جزئیات استفاده ، اجرا و سایر اطلاعات را بررسی کنید در لینک زیر.


محتوای مقاله به اصول ما پیوست اخلاق تحریریه. برای گزارش یک خطا کلیک کنید اینجا.

اولین کسی باشید که نظر

نظر خود را بگذارید

نشانی ایمیل شما منتشر نخواهد شد. بخشهای موردنیاز علامتگذاری شدهاند با *

*

*

  1. مسئول داده ها: میگل آنخل گاتون
  2. هدف از داده ها: کنترل هرزنامه ، مدیریت نظرات.
  3. مشروعیت: رضایت شما
  4. ارتباط داده ها: داده ها به اشخاص ثالث منتقل نمی شوند مگر با تعهد قانونی.
  5. ذخیره سازی داده ها: پایگاه داده به میزبانی شبکه های Occentus (EU)
  6. حقوق: در هر زمان می توانید اطلاعات خود را محدود ، بازیابی و حذف کنید.