文本總結是機器學習算法的最佳應用途徑之一，微軟研究院最近發表的一篇論文證明了這一點。同時，文本自動總結功能有望減少企業員工閱讀郵件的時間。一項調查表明，企業員工平均每天需要2.6個小時用來閱讀郵件信息。近日，“谷歌大腦”（Google Brain）聯合英國倫敦帝國理工學院構建了一個智能系統，利用Google的Transformers架構與針對抽象文本量身定制的文本總結系統，可總結包括：新聞、科學、故事、說明、電子郵件、專利以及立法法案等文本內容。

在上述所有文本形式中，Google Brain的AI完美的總結了1000個文本實例，其真實度與編輯、作家所撰寫的內容幾乎一樣。正如研究人員所指出的那樣，與執行技術相比，文本摘要旨在從輸入文檔中生成準確而簡潔的摘要。抽象總結不僅可以復制輸入中的片段，還可以產生新穎的單詞或覆蓋主要信息，從而使輸出在語言上保持流利和人性化。

“情感探測器”是Google人工智能研究部門，Google Brain的研究人員在論文中介紹的一種神經結構。與所有深層神經網絡一樣，它們包含布置在相互連接層中的神經元，這些功能從輸入數據傳輸信號并緩慢調整每個連接的權重，這就是所有AI模型如何提取特征并學會進行總結的方式。Google Brain的團隊設計了一個數據訓練模型，其中包含了整個文檔中很重要的句子。人工智能必須通過利用網絡和新聞文章來填補空白，包括研究人員編寫的新語料庫和網絡文章等。

在實驗中，研究小組選擇了性能最佳的Pegasus模型：一種具有5.68億個參數或從歷史數據中學習的變量模型，通過從3.5億個網頁中提取的750GB文本（通用抓取）和從新聞網站收集的文章總計3.8TB。研究人員稱，在流利性和連貫性方面達到了很高的語言質量，并且不需要人工進行修改、校準等處理。

繼續閱讀：Google Brain   AI

未經允許不得轉載：RPA中國 | RPA全球生態 | 數字化勞動力 | RPA新聞 | 推動中國RPA生態發展 | 流 > Google Brain的AI，實現了最先進的文本總結功能