XiaoMi-AI文件搜索系统
World File Search Systemnlp
“人工智能锁定问题”：现代 NLP 的社会问题
现代 NLP 模型正在成为比其前辈更好的对话代理。循环神经网络 (RNN) 和长短期记忆 (LSTM) 功能使代理能够更好地存储和使用有关语义内容的信息，这一趋势在 Transformer 模型中变得更加明显。大型语言模型 (LLM)（例如 OpenAI 的 GPT-3）已经众所周知能够构建和遵循叙述，这使系统能够随时采用角色，对其进行调整并参与对话故事。然而，对 GPT-3 的实际实验表明，这些现代 NLP 系统存在一个反复出现的问题，即它们可能会“卡在”叙述中，以至于进一步的对话、提示执行或命令变得徒劳无功。这里将其称为“锁定问题”，并通过实验案例报告进行了举例说明，然后介绍了伴随此问题的实际和社会问题。
水推进
这项工作是在OSIP ESA研究的框架中进行的（ESA合同NR。4000133471/20/nl/glc/kk）。基于模型的方法已被证明是有效的，可以在支持工程活动，替代传统基于文档的方法的模型中有效。即使在大多数高级部署中，许多工程文物也是文本式的，要么是因为引入模型的投资回报在此特定情况下过于较低，要么是因为即使出现一致性和正确性问题，也以自然语言表达了信息。最近在基于AI的自然语言处理（NLP）中取得了巨大进展，主要是由聊天机器人和声乐家庭助理用法驱动。提出的想法包括将这些技术旋转到太空工程过程中，研究自然语言处理如何帮助太空工程师进行日常活动。许多工程领域都可以利用这些技术的优势。最明显的是需求管理域，因为大多数要求都是文本型，即使它们具有一定的结构和规则，也通常不会正式建模。使用NLP技术语义信息可以从文本要求中提取，这可能