Преглед
Моделирането на маскиран език учи AI да попълва умишлено скрити думи, използвайки пълния заобикалящ контекст, както отляво, така и отдясно. Това е тренировъчният трик зад BERT и причината, поради която моделите могат да разберат дълбоко значението на изречението, вместо просто да предсказват какво следва.
Моделирането на маскиран език е част от стека език-AI, използван за четене, генериране, класифициране и трансформиране на текст и реч в мащаб.
Дълбоко гмуркане
При маскираното езиково моделиране (MLM) вие вземате изречение, скривате произволно около 15% от неговите токени със специален символ [MASK] и обучавате модела да отгатва оригиналите. Тъй като моделът вижда думи от двете страни на всяко празно място, той изгражда двупосочно разбиране на контекста. BERT, въведен от Google през 2018 г., популяризира това. Умен детайл: от маскираните позиции приблизително 80% стават [МАСКА], 10% се разменят с произволна дума и 10% остават непроменени. Това не позволява на модела да очаква само [MASK] токен по време на прогнозиране и налага устойчивост. След това предварително обучение моделът се настройва фино за задачи като класифициране, отговаряне на въпроси и разпознаване на именуван обект.
Техническа информация
MLM използва енкодер Transformer с двупосочно самонасочване, така че всеки токен се грижи за всички останали едновременно. Загубата се изчислява само върху маскираните позиции, като се използва кръстосана ентропия спрямо истинските идентификатори на токени. Тъй като вниманието не е причинно-следствено (без бъдещо маскиране), представянето за всяка дума слива левия и десния контекст в един плътен вектор. Тази двупосочност е точно това, от което следващите токени модели се отказват за способността да генерират.
Овладяване на моделирането на маскиран език
Моделирането на маскиран език учи AI да попълва умишлено скрити думи, използвайки пълния заобикалящ контекст, както отляво, така и отдясно. Това е тренировъчният трик зад BERT и причината, поради която моделите могат да разберат дълбоко значението на изречението, вместо просто да предсказват какво следва. Моделирането на маскиран език е част от стека език-AI, използван за четене, генериране, класифициране и трансформиране на текст и реч в мащаб. За да изградите дълбоко разбиране, третирайте моделирането на маскиран език като оперативен модел, а не като отделна функция: дефинирайте желаните резултати, изяснете предположенията и отделете това, което системата може да направи надеждно, от това, което все още изисква експертна преценка.
На практика силни екипи, използващи моделиране на маскиран език, проектират цикли за подкани, извличане и преглед като една интегрирана комуникационна система. Те документират изрични критерии за успех, тестват срещу реалистични данни и работни потоци и повтарят въз основа на наблюдавани модели на неуспех, а не на еднократни победи в бенчмарка. Това е мястото, където теоретичното разбиране се превръща в трайна способност за продукти, политики и операции.
Езиковите работни процеси могат да се движат по-бързо, без да се жертва последователността. В същото време халюцинираните факти могат тихо да влизат в отчети, поддържащи потоци или резултати от изследвания. Най-устойчивият подход е да се комбинира скоростта на експериментиране с дисциплината на управление: стартирайте пилотни проекти, събирайте доказателства, публикувайте регистрационни файлове за решения и непрекъснато актуализирайте предпазните мерки, докато поведението на модела, очакванията на потребителите и регулаторните изисквания се развиват.
Стратегическо въздействие
Езиковите работни процеси могат да се движат по-бързо, без да се жертва последователността.
Езиковите работни процеси могат да се движат по-бързо, без да се жертва последователността. При висококачествени внедрявания това се превръща в измерими правила за работа, граници на собствеността и повтарящи се ритуали за преглед, така че екипите да могат да мащабират доверието, вместо да мащабират неяснотата.
Той разширява достъпа между езици и стилове на комуникация.
Той разширява достъпа между езици и стилове на комуникация. При висококачествени внедрявания това се превръща в измерими правила за работа, граници на собствеността и повтарящи се ритуали за преглед, така че екипите да могат да мащабират доверието, вместо да мащабират неяснотата.
Екипите могат да отделят повече време за преценка, докато автоматизацията се справя с повторението.
Екипите могат да отделят повече време за преценка, докато автоматизацията се справя с повторението. При висококачествени внедрявания това се превръща в измерими правила за работа, граници на собствеността и повтарящи се ритуали за преглед, така че екипите да могат да мащабират доверието, вместо да мащабират неяснотата.
Внедряване в реалния свят
Захранване на BERT-базирано разбиране на Google Търсене на разговорни заявки за връщане на по-подходящи страници.
Генериране на вградени изречения за системи за семантично търсене и извличане на документи.
Фина настройка на BERT за анализ на настроението при прегледи на продукти или билети за поддръжка.
Разпознаване на именуван субект, което извлича хора, организации и дати от юридически или медицински текст.
Модели на изпълнение
Маскирано езиково моделиране на практика
Захранване на BERT-базирано разбиране на Google Търсене на разговорни заявки за връщане на по-подходящи страници.
Подхранване на базираното на BERT разбиране на търсенето на разговорни заявки за връщане на по-подходящи страници Екипите обикновено получават по-добри резултати, когато дефинират праговете за качество предварително, поддържат човешки път за ескалация за крайни случаи и проследяват както печалбите в производителността, така и разходите за грешки във времето.
Маскирано езиково моделиране на практика
Генериране на вградени изречения за системи за семантично търсене и извличане на документи.
Генериране на вграждания на изречения за системи за семантично търсене и извличане на документи Екипите обикновено получават по-добри резултати, когато дефинират праговете за качество предварително, поддържат човешки път за ескалация за крайни случаи и проследяват както печалбите в производителността, така и разходите за грешки във времето.
Маскирано езиково моделиране на практика
Фина настройка на BERT за анализ на настроението при прегледи на продукти или билети за поддръжка.
Фина настройка на BERT за анализ на настроенията при рецензии на продукти или билети за поддръжка Екипите обикновено получават по-добри резултати, когато предварително определят праговете за качество, поддържат път на човешка ескалация за крайни случаи и проследяват както печалбите в производителността, така и разходите за грешки във времето.
Маскирано езиково моделиране на практика
Разпознаване на именуван субект, което извлича хора, организации и дати от юридически или медицински текст.
Разпознаване на наименувани обекти, което извлича хора, организации и дати от юридически или медицински текстове Екипите обикновено получават по-добри резултати, когато предварително определят прагове за качество, поддържат човешка пътека за ескалация за крайни случаи и проследяват както печалбите в производителността, така и разходите за грешки във времето.
Рискове и предпазни огради
Халюцинираните факти могат тихо да влязат в отчети, потоци за поддръжка или резултати от изследвания.
Бързата чувствителност може да създаде противоречиви резултати при подобни заявки.
Чувствителните текстови данни могат да бъдат разкрити, ако контролите за достъп са слаби.
Пътна карта за изпълнение
Определете изходен формат, тон и стандарти за качество преди внедряване.
Определете изходен формат, тон и стандарти за качество преди внедряване. Отнасяйте се към всяка стъпка като към вход за доказателства: ако критериите не са изпълнени, поставете на пауза разпространението, запълнете празнината и едва след това разширете използването.
Наземни отговори с доверени източници винаги, когато точността има значение.
Наземни отговори с доверени източници винаги, когато точността има значение. Отнасяйте се към всяка стъпка като към вход за доказателства: ако критериите не са изпълнени, поставете на пауза разпространението, запълнете празнината и едва след това разширете използването.
Поддържайте контролна точка за човешки преглед за изходи с високи залози.
Поддържайте контролна точка за човешки преглед за изходи с високи залози. Отнасяйте се към всяка стъпка като към вход за доказателства: ако критериите не са изпълнени, поставете на пауза разпространението, запълнете празнината и едва след това разширете използването.
Проследявайте моделите на неуспехи и редовно обучавайте подкани или работни потоци.
Проследявайте моделите на неуспехи и редовно обучавайте подкани или работни потоци. Отнасяйте се към всяка стъпка като към вход за доказателства: ако критериите не са изпълнени, поставете на пауза разпространението, запълнете празнината и едва след това разширете използването.