Peneliti Membuat Sistem untuk Mengekstrak Informasi dari Artikel COVID-19

Sebuah kelompok peneliti di Universitas Negara Basque telah mengembangkan prototipe untuk VIGICOVID, yang merupakan sistem ekstraksi informasi otomatis untuk artikel ilmiah COVID-19. Sistem ini bergantung pada pertanyaan bahasa alami untuk mendapatkan jawaban terkait COVID-19. 

Proyek yang melibatkan VIGICOVID dijalankan oleh Pusat HiTZ UPV/EHU, Kelompok NLP & IR UNED, dan Unit Teknologi Bahasa dan Kecerdasan Buatan Elhuyar. 

Penelitian ini diterbitkan di jurnal Knowledge-Based Systems.

Mengubah Paradigma Pencarian Informasi

Eneko Agirre adalah kepala Pusat HiTZ UPV/EHU.

“Paradigma pencarian informasi sedang berubah berkat kecerdasan buatan,” kata Agirre. “Sampai sekarang, ketika mencari informasi di internet, sebuah pertanyaan dimasukkan, dan jawabannya harus dicari di dokumen yang ditampilkan oleh sistem. Namun, sejalan dengan paradigma baru, sistem yang menyediakan jawaban langsung tanpa perlu membaca seluruh dokumen menjadi lebih dan lebih umum.”

Xabier Saralegi adalah peneliti Elhuyar.

“Pengguna tidak meminta informasi menggunakan kata kunci, tetapi mengajukan pertanyaan langsung.” 

Sistem ini bergantung pada dua langkah terpisah untuk mencari jawaban. 

“Pertama, sistem ini mengambil dokumen yang mungkin mengandung jawaban atas pertanyaan yang diajukan dengan menggunakan teknologi yang menggabungkan kata kunci dengan pertanyaan langsung. Itulah mengapa kami telah mengeksplorasi arsitektur neural,” kata Dr. Saralegi. 

Arsitektur Neural Dalam

Tim ini bergantung pada arsitektur neural dalam yang diberi contoh. 

“Artinya, model pencarian dan model jawaban pertanyaan dilatih dengan menggunakan pembelajaran mesin dalam,” lanjutnya. 

Set dokumen pertama kali diambil sebelum diproses kembali melalui sistem pertanyaan dan jawaban, yang membantu mendapatkan jawaban spesifik. 

“Kami telah membangun mesin yang menjawab pertanyaan; ketika mesin diberi pertanyaan dan dokumen, mesin dapat mendeteksi apakah jawaban ada di dokumen, dan jika ada, mesin memberitahu kami persis di mana jawaban itu,” kata Dr. Agirre. 

Menurut peneliti, mereka puas dengan hasil kerja mereka.  

“Dari teknik dan evaluasi yang kami analisis dalam eksperimen kami, kami mengambil yang memberikan hasil terbaik untuk prototipe,” lanjut Dr. Agirre. “Kami telah menemukan cara lain untuk menjalankan pencarian ketika informasi sangat dibutuhkan, dan ini memfasilitasi proses penggunaan informasi. Pada tingkat penelitian, kami telah menunjukkan bahwa teknologi yang diusulkan bekerja, dan sistem ini memberikan hasil yang baik.” 

“Hasil kami adalah prototipe dari proyek penelitian dasar. Ini bukanlah produk komersial,” tambah Saralegi. 

Dengan demikian, prototipe seperti ini dapat dimodelkan dalam waktu singkat, yang berarti mungkin tidak lama sebelum ada produk komersial.