LORA网关MQTT服务器配置
Google Research今天宣布，世界准确度最高的自然语言解析器SyntaxNet开源。谷歌开源再进一步。据介绍，谷歌在该平台上训练的模型的语言理解准确率超过90%。近日，众多科技巨头人工智能相关平台开源步伐明显加快：谷歌和Facebook一直在领跑，马斯克的OpenAI欲打造一个完全公开的AI模型训练营，就连一直被批评“保守”的亚马逊也在尝试开源。这一股开源热潮背后，是人工智能研究者的福利，但同时也是一场激烈的数据和平台争夺战。
Google环境计算（ Ambient computing） 架构师Yonatan Zunger说：事实上，语言理解被我们认为是“AI的终极任务”，要解决这一难题，前提是要能解决全部人类水平人工智能的问题。
机器对语言的理解过程，可以分为几个步骤，其中很多的不确定性是逐渐明晰的（语音识别的不确定性更多，因为还要解决从声音到词的转换）。第一步是要把词分开，放到依存树上，看哪一个词是动词，对名词有哪些影响等等。随后，要理解每一个名字的含义。再次，再加入许多先验知识，即对这个世界的理解，因为很多句子只有使用了这些信息才能真正理解。如果足够幸运的话，到这就能得到清晰的理解了。
谷歌资深研究科学家Slav Petrov在Google Research的博客上写到：在谷歌，我们花费了大量的时间在思考，计算机系统如何才能阅读和理解人类语言，以一种更加智能的方式处理这些语言？今天，我们激动地跟大家分享我们的研究，向更广阔的人群发布SyntaxNet。这是一个在TensoFlow中运行的开源神经网络框架，提供自然语言理解系统基础。我们所公开的包含了所有用你自己的数据训练新的SyntaxNet模型所需要的代码，以及Paesey McParseface——我们已经训练好的，可用于分析英语文本的模型。
Paesey McParseface 建立于强大的机器学习算法，可以学会分析句子的语言结构，能解释特定句子中每一个词的功能。此类模型中，Paesey McParseface是世界上最精确的，我们希望他能帮助对自动提取信息、翻译和其它自然语言理解（NLU）中的应用感兴趣的研究者和开放者。
SyntaxNet是一个框架，即学术圈所指的SyntacticParser，他是许多NLU系统中的关键组件。在这个系统中输入一个句子，他会自动给句子中的每一个单词打上POS（part-of-Speech）标签，用来描述这些词的句法功能，并在依存句法树中呈现。这些句法关系直接涉及句子的潜在含义。
相关文章
