Google AI acaba de anunciar la introducción de KELM (Knowledge-Enhanced Language Model Pre-training); un modelo de procesamiento de lenguaje que trabaja para reducir el sesgo y el contenido tóxico y aumentar la precisión fáctica en la búsqueda.
A diferencia de modelos de procesamiento de lenguaje natural como BERT, KELM extrae información de fuentes confiables como Knowledge Graphs y convierte los hechos en texto natural. Los Knowledge Graphs fueron creados para ayudar a Google a entender la relación entre entidades y permiten a las máquinas absorber fácilmente los hechos en KGs que fueron recopilados por fuentes de confianza.
Es importante entender que en este momento, Google no ha indicado si KELM está en uso, pero el impacto que tendrá en los sitios con contenido que carece de información fáctica es convincente para reflexionar.
Google anunció recientemente la introducción de MUM; un algoritmo creado para responder preguntas complejas a través del procesamiento de idiomas. Es probable que KELM pueda tener algunos vínculos indirectos con MUM y podría ser valioso en el desarrollo de su algoritmo.
¿Qué vas a leer?
¿Qué es KELM?
KELM es un acrónimo de Knowledge-Enhanced Language Model Pre-training. Los modelos de procesamiento de lenguaje natural como BERT se entrenan normalmente en documentos web y en otras fuentes. KELM propone añadir contenido fáctico de confianza al modelo lingüístico previo a la capacitación con el fin de mejorar la precisión fáctica y reducir el sesgo.
KELM utiliza datos confiables
Los investigadores de Google propusieron usar gráficos de conocimiento para mejorar la precisión fáctica porque son una fuente confiable de hechos.
anuncio
«Las fuentes alternativas de información son los Knowledge Graphs (KG), que consisten en datos estructurados. Los KGs son de naturaleza fáctica porque la información generalmente se extrae de fuentes más confiables, y los filtros posteriores al procesamiento y los editores humanos garantizan que se elimine el contenido inapropiado e incorrecto.»
