Waylay

Waylay - це платформа з низьким рівнем коду, яка дозволяє розробникам застосовувати підприємницьку автоматизацію в будь-якому місці. Підключайте датчики, передавайте дані та насолоджуйтесь перевагами автоматизації з низьким рівнем коду.

Правила автоматизації є основою платформи Waylay. Розробники пишуть невеликі фрагменти коду (або використовують наявні) та з'єднують їх логічними операторами для визначення правил автоматизації. Правила дозволяють включити поливачі, якщо протягом 3 днів не було дощу після сонячної погоди, або запланувати огляд промислового обладнання, якщо на одному з його багатьох датчиків виявлено аномалію. З'єднуючи ці правила, ми можемо створювати складне програмне забезпечення для автоматизації.

Зробити цю технологію автоматизації доступною для всіх - одна з основних цінностей Waylay. Уявіть собі, як ми можемо просто взаємодіяти з цим механізмом автоматизації за допомогою голосу або текстового керування, природним чином. Саме тут використовується NLP. Замість взаємодії з комп'ютером у типовому режимі, ми можемо уявити, як робітник на фабриці запитує свою машину: "Яка температура печі 5?" або каже їй: "Видавай критичне попередження, якщо температура морозильника піднімається вище -10 градусів і двері відчинені".

Зробити це правильно виявляється нелегко. Правила, виражені у людській мові, можуть мати багато неоднозначностей і вимагати багато інтелекту для правильного розбору та перекладу в правила автоматизації Waylay.

Рішення

Якщо ми хочемо побудувати рішення на основі глибокого навчання, використовуючи «традиційні» методи, ми маємо кілька проблем. Перш за все, ми маємо справу з нестачею даних. Щоб надійно розбирати людські висловлювання та отримувати необхідну інформацію для перекладу їх в щось, що може зрозуміти система Waylay, нам знадобиться велика кількість даних, що охоплюють різні способи говоріння та різні типи правил Waylay. Ці дані наразі недоступні. Навіть якщо б ми мали ці дані, нашу модель потрібно було б перетренувати кожного разу, коли ми хочемо, щоб вона обслуговувала новий спосіб говоріння або новий тип правила Waylay.

Ми звертаємося до інжинірингу підказок, щоб вирішити наші проблеми. Якщо ми можемо використовувати GPT3 для виконання важкої роботи за нас, ми зможемо побудувати дуже ефективну систему, яка не вимагає великої кількості даних та не потребує перетренування для роботи з новими випадками. Як це було б гарно!

Тепер запитання стоїть так: "Як ми можемо використовувати можливості GPT3 для виконання важкої роботи за нас?". Нажаль, дуже важко навчити GPT3 виводити правильну внутрішню структуру даних, яку вимагає Waylay, на основі введення природною мовою. На щастя, ми можемо обійти це за допомогою хитрого хаку (за що ми повинні подякувати розумним людям з Microsoft [3]). У нашому рішенні ми дозволимо GPT3 виводити канонічне речення. Це речення містить ту ж інформацію, що й наше введення природною мовою, але в більш структурованій формі. Наприклад, висловлювання "відправити Девіду повідомлення, щоб він їздив обережно, коли в Парижі йде дощ" і "тільки коли погода в Парижі дощова, повідомте Девіду "Їзди обережно!" через SMS" можна зводити до канонічного речення "якщо погода в Парижі дощова, тоді відправити SMS Девіду з повідомленням "Їзди обережно!"'.

Висновок

Переформулювавши нашу задачу семантичного аналізу як завдання перекладу, ми змогли використати великі переднавчені мовні моделі (GPT3), щоб виконати всю важку роботу за нас. Наше рішення працює з дуже небагатьма точками даних, його легко адаптувати до нових ситуацій без перетренування, і нам навіть не потрібно самостійно гостити модель глибокого навчання. Завдяки високим можливостям GPT3 наше рішення демонструє вражаючу узагальненість для невидимих сценаріїв (навіть для невидимих мов!).

Читайте повний блог-пост за адресою https://www.waylay.io/articles/nlp-case-study-by-waylay Автор: Карел-Д'Остерлінк