Modèles et plateformes d’IA
Les chercheurs créent un système pour extraire des informations à partir d’articles sur le COVID-19
Ajouter Unite.AI à vos sources préférées sur Google
Un groupe de chercheurs de l’Université du Pays basque a développé un prototype pour VIGICOVID, qui est un système d’extraction automatique d’informations pour les articles scientifiques sur le COVID-19. Le système repose sur des questions de langage naturel pour obtenir des réponses concernant le COVID-19.
Le projet impliquant VIGICOVID a été dirigé par le centre HiTZ de l’UPV/EHU, le groupe NLP & IR de l’UNED et l’unité de technologie de l’intelligence artificielle et des langues d’Elhuyar.
La recherche a été publiée dans la revue Knowledge-Based Systems.
Changement du paradigme de recherche d’informations
Eneko Agirre est le chef du centre HiTZ de l’UPV/EHU.
« Le paradigme de recherche d’informations est en train de changer grâce à l’intelligence artificielle », a déclaré Agirre. « Jusqu’à présent, lorsqu’on recherchait des informations sur Internet, on entrait une question et il fallait chercher la réponse dans les documents affichés par le système. Cependant, conformément au nouveau paradigme, les systèmes qui fournissent directement la réponse sans avoir besoin de lire l’ensemble du document deviennent de plus en plus courants. »
Xabier Saralegi est un chercheur d’Elhuyar.
« L’utilisateur ne demande pas d’informations en utilisant des mots clés, mais pose directement une question. »
Le système repose sur deux étapes distinctes pour rechercher des réponses.
« Tout d’abord, il récupère les documents qui peuvent contenir la réponse à la question posée en utilisant une technologie qui combine les mots clés avec des questions directes. C’est pourquoi nous avons exploré les architectures neuronales », a déclaré le Dr Saralegi.
Architecture neuronale profonde
L’équipe a reposé sur une architecture neuronale profonde alimentée par des exemples.
« Cela signifie que les modèles de recherche et les modèles de réponse aux questions sont formés par des moyens d’apprentissage automatique profond », a-t-il continué.
L’ensemble de documents est d’abord extrait avant d’être rétraité à travers un système de question et de réponse, ce qui aide à obtenir des réponses spécifiques.
« Nous avons construit le moteur qui répond aux questions ; lorsque le moteur est donné une question et un document, il est capable de détecter si la réponse est dans le document, et si c’est le cas, il nous indique exactement où elle se trouve », a déclaré le Dr Agirre.
Selon les chercheurs, ils étaient satisfaits des résultats de leur travail.
« À partir des techniques et des évaluations que nous avons analysées dans nos expériences, nous avons pris celles qui donnent au prototype les meilleurs résultats », a continué le Dr Agirre. « Nous avons trouvé une autre façon de faire des recherches lorsque les informations sont urgentes, et cela facilite le processus d’utilisation des informations. Sur le plan de la recherche, nous avons montré que la technologie proposée fonctionne, et que le système fournit de bons résultats. »
« Notre résultat est un prototype d’un projet de recherche de base. Il ne s’agit pas d’un produit commercial », a ajouté Saralegi.
Cependant, ce type de prototype peut être modélisé en un court laps de temps, ce qui signifie qu’il ne faudra peut-être pas longtemps avant qu’il n’y ait un produit commercial.
