A TERMÉSZETES EMBERI NYELVI INSTRUKCIÓK LEHETŐSÉGEI ÉS KORLÁTJAI A MEGERŐSÍTÉSES TANULÁST ALKALMAZÓ MESTERSÉGES INTELLIGENCIÁN ALAPULÓ MODELLEKBEN
Szerző: KŐRÖSI Gábor, adjunktus (imgaboy@gmail.com)
Intézmény: Szegedi Tudományegyetem, Természettudományi és Informatikai Kar, Informatikai Intézet, Számítógépes Algoritmusok és Mesterséges Intelligencia Tanszék, Szeged
A kutatás és fejlesztés terén a mesterséges intelligencia az utóbbi évtizedekben akkora növekedést mutat, hogy már a világ vezető kutatólaboratóriumai is jelentős erőforrásokat fektetnek az új modellek építésébe. Mivel a mesterséges intelligencia kutatása olyan mértékű és összetetté vált, hogy az egyszerű kutatók már nem képesek önállóan megfelelő erőforrásokat és energiaigényt biztosítani a kutatásukhoz. Ennek következtében egyre inkább felmerül a kérdés, hogy vajon az új struktúrák és modellek építése helyett nem kellene-e inkább a már meglévő megoldások hatékonyságát és összekapcsolási lehetőségeit jobban kiaknázni. Ezen a vonalon haladva, kutatásom célja az emberi nyelv gépi értelmezése terén történő hatékony megoldások felderítése, különös tekintettel a nyelvi és megerősítéses tanulási modellek alkalmazására.
A konkrét kutatási projektben az emberi nyelvi instrukciók gépi értelmezése a Minecrafthoz hasonló kockavilágban történő építési feladatok végrehajtására irányul. Ennek a felfogásnak megfelelően kutatásom célja, hogy az emberi nyelv és a megerősítéses tanulás modelljeit hatékonyan alkalmazva vizsgáljam meg a gépi értelmezett nyelvi parancsok hatékonyságát, valamint az ilyen megoldások korlátait.
Kulcsszavak: NLP, Reinforcement Learning, Deep Learning, Machine Learning
THE POSSIBILITIES AND LIMITATIONS OF NATURAL LANGUAGE INSTRUCTIONS IN REINFORCEMENT LEARNING-BASED ARTIFICIAL INTELLIGENCE MODELS
Author: Kőrösi Gábor, adjunktus (imgaboy@gmail.com)
Institution: University of Szeged, Faculty of Science and Informatics, Institute of Informatics, Department of Computer Algorithms and Artificial Intelligence, Szeged
In the field of research and development, artificial intelligence has shown such significant growth in recent decades that even the world’s leading research laboratories invest considerable resources in building new models. Due to the complexity and magnitude of AI research, individual researchers are no longer able to provide adequate resources and energy requirements for their work. As a result, the question of whether to better exploit the efficiency and interconnection possibilities of existing solutions rather than building new structures and models is becoming increasingly important. Following this line of thought, the aim of my research is to explore efficient solutions for the machine interpretation of human language, with particular emphasis on the application of language and reinforcement learning models.
In the specific research project, the machine interpretation of human language is aimed at executing building tasks in a block world similar to Minecraft. Accordingly, my research aims to examine the effectiveness of machine-interpreted language commands using human language and reinforcement learning models, as well as the limitations of such solutions.
Keywords: NLP, Reinforcement Learning, Deep Learning, Machine Learning