Opis projektu
Rozumienie języka naturalnego w przypadku języków niestandardowych i dialektów
Kiedy modele i algorytmy językowe analizują ogromne zbiory danych, są one podatne na uprzedzenia – wynika to z braku reprezentacji różnorodności języków. To wykluczenie dotyczy milionów osób, które porozumiewają się przy pomocy dialektów lub nietypowych języków. Skutkiem jest także wykluczenie z możliwości stosowania nowych i przyszłych technologii. Finansowany przez UE projekt DIALECT stworzy algorytmy, które pozwolą na stosowanie zróżnicowanych danych wejściowych, co umożliwi włączenie różnych dialektów do technologii językowych. Zespół rozszerzy również instrukcje komputerowe używane do sprawdzania dokładności w świecie rzeczywistym w procesach interaktywnej nauki dzięki uwzględnieniu elementów ludzkiej niepewności. Dzięki temu procesy będą wymagać mniejszej ilości danych i umożliwią bardziej sprawiedliwe i dokładne przetwarzanie języków.
Cel
Dialects are ubiquitous and for many speakers are part of everyday life. They carry important social and communicative functions. Yet, dialects and non-standard languages in general are a blind spot in research on Natural Language Understanding (NLU). Despite recent breakthroughs, NLU still fails to take linguistic diversity into account. This lack of modeling language variation results in biased language models with high error rates on dialect data. This failure excludes millions of speakers today and prevents the development of future technology that can adapt to such users.
To account for linguistic diversity, a paradigm shift is needed: Away from data-hungry algorithms with passive learning from large data and single ground truth labels, which are known to be biased. To go past current learning practices, the key is to tackle variation at both ends: in input data and label bias. With DIALECT, I propose such an integrated approach, to devise algorithms which aid transfer from rich variability in inputs, and interactive learning which integrates human uncertainty in labels. This will reduce the need for data and enable better adaptation and generalization.
Advances in salient areas of deep learning research now make it possible to tackle this challenge. DIALECT’s objectives are to devise a) new algorithms and insights to address extremely scarce data setups and biased labels; b) novel representations which integrate auxiliary sources of information such as complement text data with speech; and c) new datasets with conversational data in its most natural form.
By integrating dialectal variation into models able to learn from scarce data and biased labels, the foundations will be established for fairer and more accurate NLU to break down language and literary barriers. I am privileged to carry out this integration as I have contributed to research in top venues on both cross-lingual learning and learning from biased labels.
Dziedzina nauki
Słowa kluczowe
Program(-y)
- HORIZON.1.1 - European Research Council (ERC) Main Programme
Temat(-y)
System finansowania
HORIZON-ERC - HORIZON ERC GrantsInstytucja przyjmująca
80539 MUNCHEN
Niemcy