麻省理工学院和其他地方的新研究正在制作一个AI，它可以阅读科学论文并生成一个或两个句子的简明英语摘要。
科学引文。图片来自Mike Thelwall，Stefanie Haustein，VincentLarivière，Cassidy R. Sugimoto（论文）中国机械网okmao.com。FinnÅrupNielsen（截图）。
我们在ZME Science工作的一大部分工作是通过科学期刊搜索看起来特别有趣或有影响力的论文。它们是用密集的技术术语编写的，然后我们采用并以（我们希望的）愉快且易于遵循的方式呈现，任何人都可以理解，无论他们的教育背景如何。
麻省理工学院的研究人员要么想让我的工作更轻松，要么让我失业，我不确定到底哪个。他们与其他计算机研究人员，记者和编辑一起开发的新型神经网络可以阅读科学论文并提供简短的英文摘要。
自动读
麻省理工学院物理学教授，该研究的共同作者MarinSoljačić说：“我们已经在人工智能领域做了几年的各种工作。”
“我们使用人工智能来帮助我们的研究，主要是为了更好地完成物理学。当我们对AI更加熟悉时，我们会注意到每隔一段时间就有机会增加AI领域，因为我们从物理学中知道某些东西 - 某种数学结构或物理学中的某种定律。我们注意到，嘿，如果我们使用它，它实际上可以帮助这个或那个特定的AI算法。“
这是远远不够完善，在什么做ES钻机现在HT -事实上，神经网络的能力是相当有限的。即便如此，它可以证明是一种强大的资源，可以帮助编辑，作家和科学家扫描大量研究，以便快速了解其内容。除了语言处理之外，该系统还可以在各种其他领域找到应用，包括机器翻译和语音识别。
该团队并未着手为本文所述的目的创建AI。事实上，他们正在努力创建新的基于人工智能的方法来解决物理问题。然而，在开发过程中，团队意识到他们正在研究的方法可以用来解决其他计算问题 - 比如语言处理 - 比现有的神经网络系统更有效。
“我们不能说这对所有AI都有用，但有些情况下我们可以利用物理学的洞察来改进给定的AI算法，”Soljačić补充道。
神经网络通常试图模仿我们的大脑学习新信息的方式。计算机提供了许多不同的特定对象或概念的例子，以帮助它“学习”该元素的关键，底层模式。这使得神经网络成为模式识别的最佳数字工具，例如识别照片中的物体。然而，在关联来自大量数据（如研究论文）的信息时，它们并没有做得那么好。
已经使用各种技巧来改善其在后一领域的能力，包括称为长期短期记忆（LSTM）和门控复发单位（GRU）的技术。总而言之，作者说，经典的神经网络仍然不适合任何真正的自然语言处理。
因此，他们所做的是将他们的神经网络建立在数学向量上，而不是基于矩阵的乘法（这是经典的神经网络方法）。这是一个非常深的数学领域，但实质上，系统通过向量表示文本中的每个单词 - 一定长度，方向和方向的线 - 在多维空间中创建和更改。不列颠百科全书将“数学中的向量定义为具有大小和方向但不具有位置的数量”，将速度和加速度列为示例。
随后，当正在读取单词时，网络使用每个向量来修改起始向量。然后将最终的矢量或矢量集转换回一串单词。值得庆幸的是，团队给出这种方法的名称更容易理解：RUM（记忆的旋转单位）。
“RUM帮助神经网络很好地完成了两件事，”卡塔尔计算研究所和纸质合着者的高级科学家Preslav Nakov说。“这有助于他们更好地记住，并使他们能够更准确地回忆信息。”
研究小组解释说，RUM的开发是为了帮助物理学家研究复杂工程材料中的光行为等现象。然而，该团队很快意识到“这种方法可能有用的地方之一就是自然语言处理。”
人工摘要
Soljačić说，他回忆起与MIT的Tatightović的谈话，他是麻省理工学院的前奈特科学新闻学研究员，曾是“ 新科学家 ”杂志的编辑，也是该研究的合着者，他说这种工具对他的工作有用。编辑试图决定写哪些论文。Tatalović当时正在科学新闻中探索人工智能作为他的骑士奖学金项目。
“所以我们尝试了一些自然语言处理任务，”Soljačić说。“我们尝试的一个是总结文章，这看起来效果很好。”
作为一个概念验证，该团队通过传统的（基于LSTM的）神经网络和基于RUM的系统运行相同的研究论文，要求他们生成简短的摘要。最终结果截然不同。RUM可以阅读整篇研究论文，而不仅仅是摘要，并总结其内容。该团队甚至通过RUM进行了本研究（他们可能只是在这一点上展示）。
以下是LSTM系统产生的摘要：
杀死老鼠的“Baylisascariasis”已经危及了森林病，并导致了失明或严重后果等疾病。这种被称为“baylisascariasis”的感染杀死了老鼠，已经危及了这种恶劣的蝾螈，并导致了像失明或严重后果的疾病。这种被称为“baylisascariasis”的感染导致老鼠死亡，这种感染已经危及了这种感染力。
这是RUM系统生产的产品：
“城市浣熊可能比以前认为的更多地感染人。7％的受访个体检测出浣熊蛔虫抗体阳性。圣巴巴拉90％以上的浣熊都是这种寄生虫的寄主。“
以下是神经网络对我们正在讨论的研究的总结：
“研究人员在RUM的旋转单元上开发了一种新的表示过程，这是一种可以用来解决自然语言处理中广泛的神经革命的反复记忆。”
你们这些人更喜欢我的报道，对吗？对…？
“记忆的旋转单元：具有可扩展应用的RNN的新型表示单元” 的论文发表在计算语言学协会的期刊上 。