Google kunngjorde utgivelsen av kildekoden til "TAPAS" (TABELLERING), et nevralt nettverk (kunstig intelligens) utviklet internt for å svare på et spørsmål på naturlig språk og få svaret fra en relasjonsdatabase eller regneark.
For å oppnå optimale resultater i TAPAS, utviklerne med ansvar for prosjektet viet seg til å trene nevrale nettverk med 6.2 millioner par tabell til tekst hentet fra Wikipedia. For å verifisere måtte nevrale nettverk gjenopprette de manglende ordene både i tabellene og i tekstene der det ikke hadde blitt trent. Utvinningspresisjonen var 71,4% som en referansetest viste at nevrale nettverk gir nøyaktige eller sammenlignbare svar enn konkurrerende algoritmer i alle tre datasettene.
Om TAPAS
utgangspunktet fokus for dette prosjektet er å kunne konsultere, behandle og vise informasjon relatert til vilkårene i spørringen laget av brukeren på naturlig språk, noe som i stor skala letter innhenting av informasjon.
Et grunnleggende eksempel på bruk av TAPAS er hvis en bruker ønsker å evaluere salgsdata, inntekt, ber blant annet. Dessuten må du ta hensyn til det TAPAS er ikke bare begrenset til å skaffe informasjon fra en database, men det er også i stand til å utføre beregninger, ser algoritmen etter svaret i cellene i tabellene, både direkte og ved hjelp av tillegg, gjennomsnitt og andre operatorer, i tillegg til at den også kan se etter svaret mellom flere tabeller samtidig.
Google sier at Tapas overgår eller samsvarer med de tre viktigste åpen kildekodealgoritmene å analysere relasjonsdata. Tapas evne til å trekke ut spesifikke elementer fra store datalagre kan også være egnet til å forbedre responsfunksjonene.
Underhood, Tapas benytter en variant av BERT teknikk for naturlig språkbehandling brukt i søk utført av Google-motoren.
BERT gir større presisjon enn tradisjonelle tilnærminger fordi det tillater en AI å evaluere en tekstsekvens ikke bare fra venstre til høyre eller høyre mot venstre som vanlig praksis, men gjør begge samtidig.
Versjonen som Google implementerte for TAPAS, lar AI vurdere ikke bare spørsmålet fra brukerne og dataene de vil spørre, men også strukturen til relasjonstabellene der dataene er lagret.
Hvordan installere TAPAS på Linux?
Gitt at TAPAS er egentlig en BERT-modell og har derfor de samme kravene. Dette betyr at en stor modell kan trenes med en sekvenslengde på 512 som vil kreve en TPU.
For å kunne installere TAPAS på Linux vi krever protokollkompilatoren, som finnes på de fleste Linux-distribusjoner.
I Debian, Ubuntu og derivater av disse kan vi installere kompilatoren med følgende kommando:
sudo apt-get install protobuf-compiler
Når det gjelder Arch Linux, Manjaro, Arco Linux eller andre derivater av Arch Linux, installerer vi med:
sudo pacman -S protobuf
Nå for å kunne installere TAPAS, trenger vi bare å skaffe kildekoden og kompilere med følgende kommandoer:
git clone https://github.com/google-research/tapas
cd tapas
pip install -e .
Og for å kjøre testpakken bruker vi toksbiblioteket som kan kjøres ved å ringe:
pip install tox
tox
Herfra må AI trenes i interesseområdet. Selv om noen trente modeller tilbys i GitHub-depotet.
I tillegg kan du bruke forskjellige konfigurasjonsalternativer, for eksempel alternativet max_seq_length for å lage kortere sekvenser. Dette vil redusere nøyaktigheten, men vil også gjøre GPU-modellen trenbar. Et annet alternativ er å redusere batchstørrelsen (tog_batch_størrelse), men dette vil sannsynligvis også påvirke nøyaktigheten.
Endelig hvis du vil vite mer om det Om denne AI kan du sjekke detaljene om bruk, utførelse og annen informasjon I den følgende lenken.