近年来，Google对人工智能特别是对普通人的应用已经引起了极大的兴趣。例如，这是大量的实验 它正在运行涉及机器学习。

但是，现在，德克萨斯州高级计算中心的研究人员已经展示了人工智能技术还可以如何提供更好的搜索引擎结果。他们将AI，众包和超级计算机相结合，以开发出更好的信息提取和分类系统。

在本周于温哥华举行的2017年计算语言学协会年度会议上，副教授Matthew Lease领导的团队提出了两篇论文，描述了一种新型的信息检索系统。

Lease说：“自然语言处理中的一个重要挑战是准确地找到自由文本中包含的重要信息，这使我们可以将其提取到数据库中，并将其与其他数据结合起来，以做出更明智的决策和新发现。”

“我们一直在使用众包来大规模注释医学和新闻文章，以便我们的智能系统能够更准确地找到每篇文章中包含的关键信息。”

他们能够使用众包数据训练神经网络来预测事物的名称，并从根本没有注释的文本中提取有用的信息。

在第二篇论文中，他们展示了如何加权不同的语言资源，以便更好地进行自动文本分类。Lease说：“神经网络模型具有大量参数，需要大量数据来拟合它们。”

始终更好的结果

在对生物医学搜索和电影评论进行测试时，该系统始终提供比不涉及对数据加权的方法更好的结果。

“我们的想法是，如果您能以某种方式将某些单词与其他单词先验地联系起来，那么不必为每个单词分别设置参数，而是可以将多个单词之间的参数捆绑在一起，这种方式需要更少的数据来学习模型。”

他补充说：“工业很擅长研究近期事物，但他们没有学术研究者那样的自由去追求更高风险但长期而言可能更具变革性的研究思想。”