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 mer

Startår

2022

Slutår

2024

Beviljade finansiering

Jörg Tiedemann Orcid -palvelun logo
469 608 €

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