AI Mendekati Pemahaman Semantik: Perbatasan Berikutnya dalam NLP
AI dekat mencapai pemahaman semantik sebagai langkah berikutnya dalam evolusinya
AI adalah sebutan yang salah, atau demikian sering disarankan. Huruf pertama — buatan — cukup tepat. Seperti kata kedua — nah, tidak ada yang cerdas padanya. Ambil semantik sebagai contoh, tidak ada yang cerdas, atau sebaliknya, tentang teknologi buatan yang memahami makna dalam kalimat, paragraf, dan buku dengan alasan sederhana, ia sangat buruk padanya.
Tapi apakah ini akan berubah? Baru-baru ini, kami duduk bersama Hadayat Seddiqi, direktur pembelajaran mesin di perusahaan legal tech InCloudCouncil. Menurutnya AI dekat mencapai pemahaman semantik sebagai langkah berikutnya dalam evolusinya. Kami bertanya: “kapan kemungkinan kita mencapai tonggak ini?”
SEO: jika Anda adalah penulis yang bangga dengan tulisan Anda, dalam menerapkan kosa kata Anda untuk mengungkapkan ide tanpa repetisi, maka Anda mungkin membenci SEO. Jika Anda suka membuat argumen kompleks, yang hanya dapat benar-benar diekspresikan melalui sebuah kalimat, sebuah bab, sebuah artikel atau bahkan sebuah buku, maka SEO, karena cara membuat Anda menyederhanakan argumen Anda menjadi dua atau tiga atau empat kata, seperti AI dan memahami semantik, adalah musuh. (Lihat apa yang kami lakukan, di sana?)
Bukan akan hebat jika pencarian, menggunakan AI untuk memahami semantik (di sana kita lagi) dapat membuat hasil pencarian berdasarkan pemahaman yang jauh lebih canggih — cerdas, jika Anda mau — menghapus kebutuhan akan repetisi yang melelahkan!
Pasar pemrosesan bahasa alami sebenarnya diprediksi mencapai $22,3 miliar pada 2025 — yang mengilustrasikan sejauh mana teknologi telah berkembang, terutama dalam cara kita berkomunikasi dan berbisnis.
Saat ini, teknologi ini digunakan untuk berbagai tujuan dalam organisasi, termasuk pemantauan reputasi merek untuk menentukan analisis sentimen, memberikan wawasan tentang pemasangan iklan melalui pencocokan kata kunci atau penyingkapan arti, dan bahkan dapat digunakan dalam kepatuhan peraturan untuk memastikan produk tidak menjadi beban.
Dalam hal itu, kekuatan sejati AI untuk merevolusi industri dan menentukan wawasan bisnis kunci, terletak pada kemampuannya untuk membaca teks dan memahami semantik (atau hubungan antara kata-kata) untuk membantu organisasi mengurangi risiko lebih lanjut dan mengungkap beban. Ini menciptakan nilai besar dalam pemrosesan bahasa alami.
Jadi, dalam cerita AI mengaktifkan pemahaman semantik, apa langkah berikutnya dalam evolusinya dan kapan kemungkinan kita mencapai tonggak ini?
Seddiqi mengatakan: “Mencapai pemahaman semantik dalam AI akan memerlukan beberapa tonggak kunci. Bermanfaat untuk memikirkan dalam hal kemajuan iteratif yang memandu kita ke pemahaman semantik dalam AI dan apa arti setiap tonggak.”
“Sebelumnya, tonggak,” kata Seddiqi adalah Vektor Kata: “Mari kita kerangka tonggak ini dalam hal kasus penggunaan umum yang sebagian besar orang kenal: fungsionalitas pencarian di komputer. Semua orang telah menggunakan Ctrl+F/Command+F untuk menemukan sesuatu di sistem mereka, yang menemukan apa yang Anda cari dengan mencocokkan kata kunci secara tepat. Selain itu, menggunakan mesin pencari seperti Google untuk menemukan informasi akan mencakup komponen ‘periksa ejaan’ untuk mengatasi kesalahan ejaan potensial.
“Tapi bagaimana dengan kata-kata yang terlihat sangat berbeda tetapi memiliki arti yang sama? Sekitar 2013, komunitas AI menemukan cara yang efisien untuk memodelkan ini yang disebut ‘vektor kata’. Anda dapat melakukan hal aljabar kata yang menyenangkan, seperti Raja + Wanita akan memberi Anda Ratu. Lebih praktis lagi, Anda sekarang dapat memperluas pencarian Anda untuk mencakup kata-kata yang berhubungan secara semantik.”
Tonggak mendatang dalam pemahaman semantik AI
“Vektor kata adalah pengubah permainan, tapi mereka masih meminta Anda untuk mengekspresikan ide Anda dalam hal satu atau beberapa kata kunci. Tapi bagaimana jika ide Anda memerlukan seluruh kalimat untuk diekspresikan? Itulah tonggak berikutnya, yang kami capai berkat dorongan besar dalam penelitian tahun lalu.
“Ide adalah bahwa Anda dapat mengambil sebuah kalimat, mengkodenya menjadi vektor kalimat (atau pemikiran) dan kemudian menemukan vektor kalimat yang serupa. Jika dikodekan dengan baik, fungsi pencarian Anda dapat menemukan kalimat yang terlihat sangat berbeda yang mengekspresikan ide yang sama.
“Tidak wajar untuk mengatakan bahwa teknologi ini akan matang dalam beberapa tahun mendatang, berdasarkan kemajuan penelitian saat ini.
Tonggak masa depan: pemahaman AI di luar kalimat
“Ada pola hierarki yang jelas muncul dalam perkembangan teknologi ini. Kami mendekati pemahaman AI tentang ide pada tingkat kalimat menggunakan teknik yang sama dari tingkat kata dan menskalakannya ke atas. Ini membuka aplikasi yang menarik bagi pemahaman AI tentang ide yang memerlukan paragraf, seluruh dokumen, atau bahkan seluruh buku.
“Lompatan terbaru AI dalam memahami kalimat dari kata tidaklah sepele karena kemampuan untuk melakunya sebagian besar telah terbatas oleh ukuran data dan daya komputasi. Kemampuan kami untuk menciptakan model untuk menangani masalah-masalah yang lebih besar sejauh ini telah ditunjukkan bergantung pada dua keterbatasan sumber daya ini.
“Saat biaya ini menurun dari kemajuan dalam perangkat keras AI, kita akan melihat diri kita mendekati model yang memahami kumpulan teks yang lebih besar. Ini cukup terbukti oleh model GPT-2 Open AI, yang menunjukkan bahwa menggunakan desain model pengkodean kalimat yang sama dengan sejumlah besar data, menghasilkan model yang sudah memahami konsep tingkat tinggi di seluruh banyak kalimat. Misalnya, GPT-2 memahami cukup untuk menulis seluruh artikel berita dengan kohesi yang menakjubkan.
