Künstliche Intelligenz und Machine Learning für bessere Chatbots

Bessere Bots bauen – Facebook stellt KI-Bibliothek fastText Open Source
Kommentare

Facebook stellt sein Chatbot-Programmbibliothek fastText auf GitHub Open Source. Mit der auf KI-basierten Library sollen Chatbots in die Lage versetzen, Sätze und Wörter, die von Nutzern eingegeben werden, schneller und besser zu analysieren.

Gute Zeiten für die Open-Source-Community. Nachdem Microsoft gerade sein Konfigurationsmanagement-Tool PowerShell für Linux und Mac OS X Open Source gestellt hat, gibt nun das Facebook AI Research (FAIR) Lab bekannt, die Programmbibliothek fastText auf GitHub Open Source zu stellen.

fastText Open Source: bessere Chatbots

Die Library ist darauf ausgerichtet, Texterkennung und -klassifizierung skalierbarer und effizienter zu machen. Einfach gesagt: Von Nutzern in Chatbots eingegebene Wörter und Sätze sollen so schneller und besser analysiert werden. Das Ziel von Facebook: Entwicklern soll es leichter gemacht werden, attraktive Chatbots für Facebook zu entwickeln.

Machine-Learning-Forschungsergebnisse veröffentlicht

Darüber hinaus hat FAIR seine fastText-Forschungsergebnisse veröffentlicht. Laut Facebook verbindet fastText erfolgreiche Konzepte, die in den letzten Jahrzehnten aus den Natural-Language-Processing- (der Verarbeitung von natürlicher Sprache) und Machine-Learning-Communitys hervorgegangen sind. Die verschiedenen Konzepte dienen einer effizienteren Textklassifizierung und dem Erlernen von sogenannten Wort-Vektor-Darstellungen.

Besser als Deep-Learning-Ansätze?

Darüber hinaus soll fastText ein bestimmtes Problem der Sprachverarbeitung lösen: Neurale Netzwerke (z.B.Googles Deep-Learning-System TensorFlow) sind derzeit noch relativ langsam, wenn es darum geht, sie zu skalieren, zu trainieren oder zu testen – insbesondere bei großen Datenbeständen. fastText soll in solchen Situationen die Performance verbessern, indem es hierarchische Klassifizierungen nutzt, anstatt einer flachen Struktur. Verschiedene Kategorien werden in einer Art binärem Baum organisiert, was den zeitlichen Aufwand beim Trainieren und Testen von Text-Klassifizierungen reduzieren soll.

Laut Facebook zeigen die bisherigen Experimente mit fastText, dass die Technologie mit gängigen Deep-Learning-Klassifizierungen in puncto Genauigkeit mithalten könne und erheblich schneller sei, was Training und Testing betrifft. Oftmals habe man die Trainingszeiten von einigen Tagen auf wenige Sekunden reduzieren können. So seien Chatbot-Modelle auf mehr als eine Milliarde Wörter in weniger als zehn Sekunden trainiert worden, und zwar mithilfe von herkömmlichen Mehrkern-CPUs. Ferner könne fastText eine halbe Million Sätze, verteilt auf über 300.000 Kategorien, in weniger als fünf Minuten klassifizieren.

Unsere Redaktion empfiehlt:

Relevante Beiträge

Meinungen zu diesem Beitrag

X
- Gib Deinen Standort ein -
- or -