这跟以往必要拿数据培训机器人不过于一样。　　对于机器人来说，像人一样从语句中获取信息是很难的。

因而在训练机器人之前，一般来说不会有检验培训资料的过程，便利机器人在被喂入数据后，较为更容易在大量资料中寻找模块化的信息。　　这种培训方式，对于计算机技术较为适合，只必须时间积累，但对于人们常用的语言来说，毕竟个困难。　　这跟人们的表达方式有关系。

宾夕法尼亚大学计算机和信息科学的助理教授ChrisCallison-Burch称之为：自然语言的诸多难题之一在于，你可以用很多有所不同的方式来传达某种程度的信息，而逃跑所有的这些变化，就是创建一个简单模型过程中面对的挑战之一。　　说道的隐晦点，就是人类所用的语言比较复杂，无法必要用于机器人的培训资料。

　　但ReginaBarzilay等3位麻省理工学院研究人员最近想起了一个新的角度，他们想要让机器人自己从网上找寻信息，像人一样去找更加多资料做到信息的补足。对于研究来说，这样做到的益处最必要的是可以增加前期的人力成本。

　　非常简单来说，他们用于了人工智能的一种技术增强自学，做到了两个应用于场景的测试。其一是在美国枪击案的新闻中去找资料，还包括枪杀地点、伤亡人数；另外一个则是收集食品不实事件的相似性，还包括食品种类、食品不实的类型和地点。　　每个测试都只用于300份新闻。但在测试中，麻省理工学院培训的机器人每分析1篇文章，它都会从网上去找9、10篇新闻作为涉及资料展开分析，以补足原本资料的严重不足。

其中的艰难之处在于，让机器人辨别两篇新闻叙述了同一件事，并且从多份资料中萃取数据。

本文来源：英亚体育app官网入口-www.uteana.com