據(jù)外媒報道，微軟將發(fā)布免費的數(shù)據(jù)集來幫助機器創(chuàng)建更多的對話。
該數(shù)據(jù)集名為微軟機器閱讀理解數(shù)據(jù)集(簡稱MS MARCO)，包含有10萬條英文查詢及對應回答。用來幫助人工智能系統(tǒng)更好地理解人類語言。
微軟合作伙伴集團項目經(jīng)理Rangan Majumder在周五的一篇博客中提到，微軟將免費開放MS MARCO，并希望能夠與其他機構合作來更好地提高機器的閱讀理解能力。
數(shù)據(jù)集中的資料來源于必應搜索和Cortana，并做相應的匿名處理。對問題的回答則是基于互聯(lián)網(wǎng)、人類手工編寫以及經(jīng)過驗證的信息。這些查詢和回復將用于建立深度學習模型。
當前，該數(shù)據(jù)集將對非商業(yè)用途的用戶提供免費下載。同其他人工智能數(shù)據(jù)集開源計劃類似，微軟也將采用同樣的方式開源MS MARCO。
其中的一項是ImageNet，可用于訓練圖像識別算法的圖片標記數(shù)據(jù)庫。微軟此前在開發(fā)圖片識別技術時用到ImageNet，現(xiàn)在又用該數(shù)據(jù)庫來強化微軟計算機視覺API等產(chǎn)品。如果想了解更多有關MS MARCO的信息，可下載其研發(fā)團隊發(fā)表的論文。該團隊還在進行另外一項挑戰(zhàn)，用MARCO的數(shù)據(jù)來評估訓練模型,而評估腳本也還在研發(fā)中。
這項開源計劃也是微軟進一步發(fā)展其人工智能的舉重要措。微軟一直以來都在打造基于機器學習和人工智能的Azure云平臺，同時在Office和Windows中也加入了一些人工智能的特性。本周早些時候，微軟推出了QnA Maker云服務，用于降低開發(fā)者研制問答聊天機器人的難度。(Sherwood)
資訊整理：中國財富500強(shellcamp.com)
