Yapay zeka alanında semantik ayrıştırma konusunda önemli bir ilerleme kaydedildi. Araştırmacılar, makinelerin dil yapısını anlamasında yeni bir yaklaşım geliştirerek, önceden programlanmış kurallar olmadan yapısal genelleme yapabilen bir sistem oluşturdular.
Semantik ayrıştırma, makinelerin cümlelerin anlamsal yapısını çözümlemesi sürecidir. Bu alanda mevcut sistemler iki temel sorunla karşılaşıyor: Ya elle yazılmış algebraik kurallar gerektiriyor ya da farklı yapısal kombinasyonlarda genelleme yapamıyor. Yeni geliştirilen sistem bu iki sorunu da çözüyor.
Araştırmacıların geliştirdiği nöral hücresel otomaton tabanlı model, ayrık darboğaz yapısı kullanarak tüm kompozisyonel kuralları veriden öğreniyor. SLOG benchmark testlerinde sistem, 17 yapısal genelleme kategorisinin 11'inde yüzde yüz doğruluk oranına ulaştı.
Özellikle dikkat çeken nokta, mevcut AM-Parser sisteminin yüzde 0-74 arası başarı gösterdiği üç kategoride bile yeni sistemin mükemmel performans sergilemesi. Ayrıca sistem, 10 farklı testte sadece 0.2 standart sapma gösterirken, AM-Parser'ın sapması 4.3 seviyesinde kaldı.
Analizler, sistemin 5.539 başarısız örneğinin yalnızca iki mekanizmaya indirgenebileceğini ortaya koydu. Bu başarısızlıklar, soru kelimesi çıkarma bağlamlarının azaltılmış fiil türleriyle yeni kombinasyonları ve fiillerin özne tarafında görünen değiştiriciler ile ilgili.