Uncertainty-aware neural language models
Bidragets beskrivning
Språk komprimerar information som återspeglar våra tankar och vår kunskap om världen. Nuvarande språkmodeller inkluderar inte uttryckligen den semantiska mångtydigheten som leder till olika tolkningar som är möjliga för vilket yttrande som helst. Därför föreslår vi att explicit lägga till osäkerhet som en parameter i moderna språkmodeller för att förbättra förmågan att förstå mänskliga språk med hjälp av en maskin och för att korrekt tolka dem med tanke på den variation som kan observeras och produceras. Vi planerar att utveckla nya tillvägagångssätt och effektiva algoritmer som fungerar väl i praktiska tillämpningar så som frågesvarssystem och maskinöversättning. Vi kommer att studera meningsrepresentationerna som en maskin kan lära sig från olika typer av data och inkludera flerspråkiga scenarier och experiment med lågresursspråk i vårt arbete. Vi förväntar oss att våra modeller kommer att bidra till förbättrad interaktiv AI och naturligare gränssnitt mellan människa och maskin.
Visa merStartår
2022
Slutår
2024
Beviljade finansiering
Finansiär
Finlands Akademi
Typ av finansiering
Akademiprojekt med särskild inriktning
Övriga uppgifter
Finansieringsbeslutets nummer
345999
Vetenskapsområden
Data- och informationsvetenskap
Forskningsområden
Tietojenkäsittelytieteet
Identifierade teman
languages, linguistics, speech