Rijetki izazovi u računalstvu veći su od pokušaja da se shvati značenje jezika. Jedan od razloga zašto je tomu tako leži u činjenici da semantika, odnosno značenje riječi i izraza, ne ovisi samo o kontekstu nego i o znanju koje skupljamo tijekom života.

Istraživači sa sveučilišta Carnegie Mellon u Pittsburghu prilagođavaju i ugađaju računalo koje pokušava ovladati semantikom učeći više poput čovjeka. “Unatoč sjajnom napretku računalnih znanosti i dalje nemamo računalo koje zna učiti kao ljudi, kumulativno i dugoročno”, izjavio je voditelj istraživačkog tima Tom M. Mitchell, računalni znanstvenik i voditelj odsjeka za strojno učenje. Napredak sustava Trajnog učenja jezika (Never-Ending Language Learning ili NELL-a) uistinu je impresivan. NELL skenira na stotine milijuna internetskih stranica i analizira uzorke teksta koje zatim koristi za učenje činjenica. Do danas ih je naučio 390.000, a prosjek točnosti mu je 87 posto. Te su činjenice grupirane u semantičke kategorije gradovi, sportske momčadi, glumci, biljke i 276 drugih. Činjenice unutar kategorija imaju sljedeći oblik: “San Francisco je grad” ili “Suncokret je biljka”. NELL uči i činjenice koje čine poveznice između pripadnika dviju različitih kategorija. Primjerice, Peyton Manning je igrač američkog nogometa (kategorija). Indianapolis Colts je nogometna momčad (kategorija). Proučavanjem tekstualnih uzoraka NELL može zaključiti da Peyton Manning igra za Indianapolis Colts. “Igra za” je poveznica, a njih postoji 280 vrsta. Broj kategorija i poveznica s vremenom raste. Rastućoj bazi podataka NELL-a konstantno se dodaju nove činjenice. Doktor Mitchell tvrdi da će veća količina činjenica u bazi pomoći usavršiti njegove algoritme za učenje, pa će poslije točnije i vještije pronalaziti činjenice. NELL je samo jedan projekt u brzorastućem znantvenom polju. Mnogi od njih koriste se internetom kao škrinjom punom blaga kako bi skupili formalne opise pojmova i veza koji pomažu računalima da oponašaju način na koji ljudi shvaćaju stvari. Na primjer, IBM-ov stroj za “odgovaranje na pitanja” Watson pokazuje iznimno semantičko razumijevanje na područjima kao što su povijest, književnost i sport.

Google Squared, istraživački projekt ove tvrtke sa područja internetskih pretraživača, obuhvaća brojne semantičke kategorije dok pronalazi i predstavlja podatke s interneta. Pristup Carnegie Mellona se ipak u nečemu ističe. “Ono zbog čega je NELL uzbudljiv i iznimno važan jest kontinuirano učenje, kao da ga potiče vlastita znatiželja, uz vrlo malo ljudske pomoći”, objasnio je Oren Etzioni, računalni znanstvenik na sveučilištu Washington. Moguće primjene računala koja razumiju jezik sežu od pametnije pretrage do virtualnih osobnih pomoćnika koji znaju odgovarati na pitanja. “Tehnologija doista postaje sve zrelija, a sve više će se koristiti za shvaćanje pojmova i stvari”, smatra Alfred Spector, potpredsjednik istraživačkog odjela u Googleu. S NELLom istraživači grade bazu znanja, a svaku kategoriju ili poveznicu potkrepljuju sa 10 do 15 istinitih primjera. Zatim NELLovi programi izdvajaju i klasificiraju tekstualne izraze s interneta i traže uzorke i korelacije. Na primjer, kad računalni sustav pročita izraz “Pikes Peak”, on proučava strukturu dvije riječi, obje počinju velikim slovom, a zadnja riječ je Peak (vrh). Već ta struktura dovoljna je za zaključak da je Pikes Peak vjerojatno planina. No NELL će također opetovano paziti na tekstualne izraze koji okružuju Pikes Peak i slične imenične izraze.

Doktor Mitchell objašnjava da je NELL dizajniran za rad s riječima u različitim kontekstima, pri čemu upotrebljava hijerarhiju pravila koja za cilj imaju razriješiti višeznačnosti. Ovakva vrsta nijansi u značenju obično zbunjuje računala. “Ali čini se da ovakav sustav funkcionira mnogo bolje ako ga prisilite da odjedanput nauči mnoge stvari, na stotine njih”, objašnjava Mitchell. “Sam se ispravlja kad ima više podataka jer uči više”, dodaje doktor Mitchell. NELL i dalje treba ljudsku pomoć. Kad je doktor Mitchell nedavno provjeravao kategoriju “pečeni proizvodi”, primijetio je da je isprva postojao jasan uzorak. Ali stvari su pošle u krivom smjeru kad je NELL-ov klasifikator za imenične izraze odlučio da su “internetski kolačići” (cookies) pečeni proizvod. (U bazi podataka očito nije bilo činjenica kojima bi se ispravila ova pogreška.) NELL je pročitao rečenicu “Izbrisao sam svoje internetske kolačiće”. Stoga je, kad je pročitao “Izbrisao sam svoje dokumente”, zaključio da su i dokumenti vjerojatno pečeni proizvod. “A time je otpočela cijela lavina pogrešaka”, pripovijeda Mitchell. Ispravio je pogrešku s internetskim kolačićima i iznova započeo NELL-ovo pekarsko obrazovanje. Njegov ideal, kaže Mitchell, računalo je koje može učiti bez ljudske pomoći. “Još nismo došli do tog stupnja. Ali ni vi ni ja također ne učimo u izolaciji.”

Steve Lohr