困难的论文，现在AI很容易理解？

麻省理工学院的研究小组在专业期刊上阅读了一篇复杂的文章，并发布了一个人工智能，可以轻松地为没有科学背景的读者总结句子。

麻省理工学院的研究生Rumen Dangovski，李静和物理学家MarinSoljačić教授开发了一个AI，用一两句话总结了一些文章。人工智能可以生成的句子非常短，你不能把文章写成真正的科学作家。但是，在阅读许多论文时，初步掌握阅读内容可能会有所帮助。

研究人员最初打算使用AI来解决身体问题。它不专注于摘要的处理。然而，研究人员发现，该方法不仅可以应用于物理学，还可以应用于其他领域，包括自然语言处理。

通用神经网络通过学习模式来发展，适用于许多情况。例如，神经网络广泛用于识别照片中拍摄的物体或从照片和声音中提取某些物体的系统中。另一方面，神经网络不容易从长序列数据中选择和连接信息。这种能力是职业生涯所需的技能之一，例如总结和总结长篇论文所需信息的科学作家。 LSTM网络用于解决问题，但它们无法将自然语言处理带到实际水平。

该团队设计了一个基于矢量的系统，该矢量基于多维空间中的旋转矢量，而不是基于现有神经网络中使用的矩阵乘法的系统。该系统称为旋转存储单元（RUM）。

据说RUM可以有效地帮助神经网络记住元素并更准确地记住元素。 RUM最初设计用于解决复杂的物理问题，如光行为，但研究人员发现RUM在其他领域很有用，例如自然语言处理。

在自然语言处理中，RUM将出现在句子中的每个单词表示为多维空间中的向量。在一个句子中，单词是具有特定长度和特定方向的行。句子显示在具有数千个维度的理论空间中，并且最终向量输出该句子。

总之，使用LSTM网络进行人工智能，研究人员随后阅读并总结了一篇关于一种被动物感染的蛔虫的文章，名为“Baylisascariasis”。该摘要是重复的并且不实用。

让我们使用RUM阅读相同的文章。与使用LSTM网络的AI摘要相比，此摘要更具可读性和重复性。

专家指出，将人工智能在空间上分离的相关因素联系起来是一个基本而重要的问题，并说这项研究并没有解决所有问题，但它对问答，文本摘要等任务表现出积极的结果。和协会。欲了解更多信息，请点击这里。