Wofür werden in der künstlichen Intelligenz semantische Analysen verwendet?

Semantik bedeutet die Bedeutung und Interpretation von Wörtern, Zeichen und Satzstrukturen. Die Semantik bestimmt maßgeblich unser Leseverständnis, wie wir andere verstehen und sogar welche Entscheidungen wir aufgrund unserer Interpretationen treffen. Die Semantik kann sich auch auf den Studienzweig der Linguistik beziehen, der sich mit Sprache befasst und wie wir Bedeutung verstehen. Dies war ein besonders interessantes Feld für Philosophen, da sie über das Wesen der Bedeutung diskutieren, wie wir Bedeutung aufbauen, wie wir Bedeutung mit anderen teilen und wie sich die Bedeutung im Laufe der Zeit ändert. Wofür wird also in der künstlichen Intelligenz die semantische Analyse verwendet?

In Natural Language Processing (NLP) beschäftigen Sie sich mit Wissen / Absichten / ..., ausgedrückt in sprachlichen Strukturen. Wenn Sie beispielsweise ein Textverständnissystem haben, lesen Sie den Text normalerweise Satz für Satz, analysieren die syntaktische Struktur und dann die Bedeutung (bestehend aus der Wortbedeutung und der strukturellen Bedeutung sowie der pragmatischen Bedeutung (basierend auf der Situation / Kontext)); Mit anderen Worten, wenn Sie sich den semantischen Inhalt eines Satzes ansehen, können Sie besser verstehen, worum es geht. Ein KI-System kann dann den Inhalt verarbeiten, um den Text zu verstehen.

Bei der Erzeugung natürlicher Sprache wird eine semantische Darstellung in Text umgewandelt. Hier ist der Vorgang umgekehrt: Die Bedeutung des Satzes ist bekannt, aber die entsprechenden Wörter und Satzstrukturen müssen vom Generator ausgewählt werden.

Dies sind zwei Beispiele, bei denen die semantische Analyse in NLP verwendet wird. Es gibt viele andere, da die Bedeutung für die Verarbeitung der natürlichen Sprache von zentraler Bedeutung ist.

Beim überwachten Lernen wird die Semantik über das Überwachungssignal in das NN injiziert

Beispielsweise hat ein typischer Fußgängererkennungs-NN, der auf überwachte Lernweise trainiert wurde, keine Kenntnis darüber, was die Bezeichnung "Fußgänger" vor dem Training tatsächlich bedeutet. Diese Semantik wird während des Trainings mittels des Überwachungssignals injiziert

Dieser "Top-Down" -Ansatz (basierend auf einem Überwachungssignal auf hoher Ebene) ist jedoch nicht die einzige Möglichkeit, Semantik aus Daten zu gewinnen, da die Daten selbst in ihrem Darstellungsraum eine Struktur haben (wie eine Mannigfaltigkeit in ihrem Containerraum), die kann von NN auf unbeaufsichtigte Lernweise wie z

Unüberwachtes Lernen semantischer Audio-Repräsentationen

Unüberwachte Clustering Guided Semantic Segmentation