EGOTech Terminal
Терминологический портал машинного обучения

Проект «Терминологический портал EGOTech как инструмент нормализации текстовых корпусов (dataset) для машинного обучения в области обработки естественного языка» вошел весной 2019 года в портфель инновационных разработок Фонда «Сколково». Разработчиком проекта выступила группа компаний ЭГО Транслейтинг. Направление разработки – «Стратегические компьютерные технологии и программное обеспечение».

2019: Описание проекта EGOTech

Cуть представленной технологии EgoTech Terminal (рабочее название проекта) – это создание инструмента для обработки, нормализации и анализа текстовых данных для машинного обучения.

Искусственный интеллект применяют преимущественно в бизнес-аналитике: при создании систем компьютерного зрения; а также в здравоохранении и системах обработки естественного языка. В разрезе обработки естественного языка (Natural Language Processing, NLP) рассматривается также машинный перевод. Нейронные сети, основу искусственного интеллекта, нужно обучать. Обучение нейронной сети – это процесс, в котором параметры сети настраиваются путем моделирования среды, в которую эта сеть встроена. Для машинного обучения нейронных сетей необходимы чистые массивы данных, так как сети очень чувствительны к их качеству. Процесс очистки данных называется «нормализация». Для каждой конкретной цели могут быть применены различные критерии нормализации. Основными являются: обработка неязыковых элементов, единообразное употребление терминологии, дедупликация, разметка, приведение данных в табличную форму и пр., что осуществляется, в том числе, с помощью инструментов анализа и обработки языковой информации.

Инструмент EgoTech Terminal используется для сбора текстовых данных, их анализа, обработки (в частности, формирования тематических корпусов) и нормализации для обучения нейросети, в том числе для тренировки систем машинного перевода. Используя данный инструмент, пользователь получает:

• доступ к наработанным и очищенным текстовым данным;
• доступ к инструментам для создания и обработки тематических корпусов (domain-adaptive dataset) для обучения систем машинного перевода;
• доступ к инструментам обработки, нормализации и анализа текстовых данных.

Главная потребность потенциального заказчика – получить качественный и быстрый перевод больших объемов текста с наименьшими затратами. Используя данный инструмент, клиент получает качественный и быстрый отраслевой перевод за счет формирования очищенных данных; доступы к наработанным и очищенным текстовым корпусам, инструментам для создания и редактирования тематических баз данных (domain-adaptive dataset).«Группа Астра» в свободном доступе опубликовала курс по российской службе каталога ALD Pro для обучения администраторов 4.2 т

Несмотря на то, что очистка данных (в том числе для машинного перевода) является востребованной технологией во многих отраслях, готовых и рыночно подтвержденных аналогов пока нет. Именно поэтому создатели продукта рассчитывают занять определенную нишу на рынке искусственного интеллекта.

Портал EGOTech создается с расчетом на максимальную открытость и удобство, как для пользователей, так и для разработчиков систем машинного перевода. Предполагается продажа подписки по модели SaaS и оказание услуг по обучению систем машинного перевода под нужды заказчика. Потребность в таких продуктах и услугах будет расти по мере формирования рынка автоматизированного перевода тематического материала. Активное продвижение проекта на российском рынке начнется с 2020 года, а с 2023 года будут предприняты шаги по выходу на международный рынок искусственного интеллекта.