ห้องปฏิบัติการ Intel AI (Intel AI Lab) ได้เปิด opensource เครื่องมือ library สำหรับการพัฒนาการประมวลผลภาษาธรรมชาติหรือ Natural Language Processing (NLP) เพื่อช่วยให้นักวิจัยและนักพัฒนาระบบให้สามารถสร้างตัวแทนสนทนาอย่างเช่น แชทบอท (chatbot) หรือผู้ช่วยเสมือน (virtual assistant) โดยมีฟังก์ชันความสามารถที่จำเป็นอย่างชาญฉลาดเช่น การรู้จำชื่อเฉพาะ (name entity recognition) การสกัดความตั้งใจ (intent extraction) และการแยกแยะความหมาย เพื่อระบุสิ่งที่คนต้องการให้ดำเนินการโดยวิเคราะห์จากคำพูดได้อย่างแม่นยำ
เมื่อไม่กี่เดือนที่ผ่านมา Intel AI Lab มีแผนที่จะเปิด opensource เครื่องมือ library อีกหลายตัวเพื่อช่วยให้นักพัฒนาระบบสามารถเทรนและนำระบบปัญญาประดิษฐ์ (Artificial Intelligence) ไปใช้งานจริงได้ หรือตีพิมพ์เป็นงานวิจัย หรือทำซ้ำเทคนิคนวัตกรรมใหม่ๆ ล่าสุดจากสมาชิกของชุมชน community ที่ทำงานวิจัยด้าน AI เพื่อที่จะ “ผลักดันให้ AI และ deep learning เข้าสู่โดเมนที่ยังเข้าไม่ถึง”
“พวกเราต้องการที่จะสนับสนุนกลับไปยังชุมชน opensource ไม่ว่าจะเป็นสำหรับผู้เริ่มต้้นหรือว่าเป็นวิศวกรหรือว่าเป็นนักวิจัย คุณสามารถมองถึงสิ่งนี้เพื่อที่จะสามารถทำซ้ำและตรวจสอบ และยืนยันได้ว่าถูกต้อง แล้วสามารถนำไปใช้งานได้จริงสำหรับสิ่งที่คุณต้องการ” คุณ Yinyin Liu หัวหน้าห้องปฏิบัติการ Intel AI Lab กล่าว
Intel AI Lab ปัจจุบันได้มีนักวิทยาศาสตร์ข้อมูล (data scientist) และนักวิจัย ประมาณ 40 คน และทำงานร่วมกับหน่วยงานของบริษัทต่างๆ เพื่อพัฒนาผลิตภัณฑ์อย่างเช่น เฟรมเวิร์ก nGraph และฮาร์ดแวร์อย่างเช่น ชิป Nervana Neural Network เป็นต้น คุณ Liu กล่าว
“ในจุดนี้ พวกเรารวมโมเดลในด้าน NLP โดยพัฒนาจากระบบ deep learning มาส่วนหนึ่งไว้ด้วยกัน โดยที่มันไม่ได้เฉพาะเจาะจงสำหรับแอปพลิเคชันใดหรือโดเมนใด แต่ที่ Intel พวกเรากำลังทำงานร่วมกับพาร์ทเนอร์และนักพัฒนาระบบเพื่อมองหากรณี use case ที่มีศักยภาพ และนำบางส่วนมารวมไว้ใน library นี้” คุณ Liu กล่าวเพิ่มเติม
นอกจากนี้ ตั้งแต่เดือนธันวาคมที่ผ่านมา Intel AI Lab ยังได้ opensource เครื่องมือ library อื่นๆ อีก เพื่อช่วยให้คนสามารถทำระบบโครงข่ายประสาทเทียม (Neural Network) โดยใช้เทคนิค reinforcement learning ได้
โดยสำหรับ NLP Library นั้นมีชื่อว่า nlp-architect ซึ่งจะมีเครื่องมือต่างๆ ที่ใช้ข้อมูล dataset ที่มักจะมีคนนำไปเปรียบเทียบ benchmark กันอยู่แล้ว เช่น ข้อมูล Stanford Question Answering Dataset (SQuAD) เพื่อทดสอบระบบเครื่องสามารถอ่านได้เข้าใจมากน้อยแค่ไหน เป็นต้น นอกจากนี้ ยังสามารถเทรนโมเดลโดยใข้ข้อมูลอื่นๆ custom มา หรือข้อมูล dataset อื่นๆ ที่ใช้ benchmark กันทั่วไปเพื่อเทียบกับเฟรมเวิร์กที่ opensource อันเป็นที่นิยมอย่าง TensorFlow หรือ PyTorch ได้เช่นกัน หากใครสนใจสามารถ download ไปทดลองใช้งานได้เลย
Source : https://venturebeat.com/2018/05/24/intel-ai-lab-open-sources-library-for-deep-learning-driven-nlp/
