Semantics and other AI problems we can solve
Chatbots, speakers, vertaalmachines… Artificiële intelligentie die zich als mensen gedraagt is niets nieuws onder de zon. Vaak komt de machine zelfs zo dicht bij de menselijke realiteit te liggen dat je je afvraagt waar de grenzen nog liggen. Is er iets dat AI niét kan? Waarschijnlijk niet. Maar er zijn wel drempels die de route bemoeilijken en die we enkel met de sterkste middelen kunnen overbruggen. Eén zo’n drempel is semantiek.
Say what? Letterlijk definiëren we semantiek als “betekenisleer” of de wetenschap die zich bezighoudt met de betekenis van woorden. En dat gaat verder dan wat er naast dat woord in het woordenboek staat, zeker als je een woord in zijn context bekijkt in een geschreven of gesproken tekst. Kijk maar naar het woord ‘bank’, bijvoorbeeld. Als je zegt dat je op een bank zit, dan weten wij dat je even uitrust op een houten constructie en niet op een financiële instelling. Maar kan een AI zoiets ook afleiden? It’s not that easy. Want deep learning AI mag dan nog zo’n krak zijn in wiskunde, een talenknobbel heeft ‘ie niet meteen.
Meer dan een definitie
Het gaat bovendien niet alleen over de betekenis van wat je zegt, maar ook over hoe je het zegt. Draagt jouw zin een bepaalde emotie die belangrijk is voor de betekenis ervan? Voor ons als mensen lijkt het logisch dat we dit begrijpen, but it actually makes no sense. Kijk maar naar dit voorbeeld:
Net daarom is betekenis niet iets wat een machine zomaar uit data kan leren, wat Natural Language Understanding één van de belangrijkste én boeiendste onderdelen van AI maakt. Het is al jaren een uitdaging waar tech companies zich massaal aan hebben gewaagd, maar steeds blijkt ‘betekenis’ de drempel te zijn - zelfs voor giants zoals Open AI GPT-3 en IBM’s Watson.
Back to basics
Sommige wetenschappers stellen dat wat AI mist om betekenis te kunnen vatten geen code of data is, maar de prelinguïstische basiskennis waar wij als mensen mee worden geboren. Oerbeginselen die in ons instinct verweven zitten en ons een besef geven van ruimte, tijd en andere essentiële begrippen waardoor we - met of zonder taal - verbanden kunnen leggen. Verbanden die voor ons misschien logisch lijken, maar dat voor machines helemaal niet zijn.
Moeten we dan even alles vergeten wat we tot nu toe hebben opgebouwd en AI back to basics brengen? Naar een soort kinderlijke staat waaraan we die solide semantische basis kunnen aanleren? Misschien, vinden sommigen, die dan spreken van “infant metaphysics”.
“Training and evaluating machines for baby-level intelligence may seem like a giant step backward compared to the prodigious feats of AI systems like Watson and GPT-3. But if true and trustworthy understanding is the goal, this may be the only path to machines that can genuinely comprehend what “it” refers to in a sentence, and everything else that understanding “it” entails.”
Semantiek en AI: praktische toepassingen
Bij Nalantis hebben we de uitdagingen waar Natural Language Understanding voor staat met beide handen aangegrepen. Al meer dan tien jaar werken wij constant aan de verbetering van onze NLU-toepassingen, onder andere op vlak van semantische analyses van geschreven en gesproken tekst.
Daardoor kunnen we ondertussen zeggen dat onze next-gen taaltechnologie ingezet kan worden om teksten om te zetten naar betekenis, zodat machines ze kunnen begrijpen. Dankzij onze No Black Box AI-aanpak kunnen we dit ook transparant doen en met constante verbeteringen van het proces.
Klinkt misschien abstract, maar onze toepassingen zijn dat zeker niet. Zo wordt onze technologie bijvoorbeeld ingezet om opnames van gemeenteraden om te zetten naar data over wat er daar beslist is. Vervolgens kan die data geraadpleegd worden door gemeentemedewerkers én burgers die vragen hebben over bepaalde beslissingen. Openbaarheid van bestuur? Yes, please. And let’s make it easier while we’re at it.
Of kijk naar onze rol in het consortium Flying Forward 2020. De uitdaging hier is om menselijke wetteksten begrijpbaar te maken voor machines, zoals autonome drones. Als ons dit lukt, zal dit veel betekenen voor Urban Air Mobility en zal het makkelijker worden om stedelijk transport via de lucht op de Europese kaart te zetten.
Benieuwd naar wat de toekomst in petto heeft voor AI en semantiek? Houd ons dan zeker in de gaten.
