Microsoftov raziskave razkrivajo boljše prepoznavanje človeškega govora

Microsoft je postal prvo podjetje na svetu, ki je razvilo programsko opremo za prepoznavanje govora, ki je natančnejša od ljudi. V članku »Doseganje človekove paritete v pogovornem priznavanju govora«, objavljenem v ponedeljek, je programska oprema izdelala prepise, ki so vsebovali pol odstotka manj napak kot človeška prizadevanja, kar je neverjetno glede na to, kako dobri ljudje so pri razumevanju govora. Prelom odpira vrata za nove A.I. pomočniki, ki so bolj natančni kot kdajkoli prej.

Impresivno je, kako daleč je tehnologija prišla v tako kratkem času. Predolgo je bilo, da je bilo računalniško prepoznavanje govora čudna niša, ki se je zdela brezupno oddaljena. Oglejte si predstavitev programske opreme za govor Windows Vista iz leta 2006:

Ekipa je uporabila test National Institute of Standards and Technology (NIST) 2000, ki se je uporabljal v industriji za merjenje zanesljivosti transkripcij govora. Pogovor poteka med dvema udeležencema po telefonu, nato pa se obrnejo, preden se primerjalni skript primerja in preveri s črkovanjem slovarjev.

V delu stikalne plošče, kjer prvič govorita dva neznanca, je stopnja človeške napake okoli 5,9 odstotka, medtem ko je na oddelku za klic domov, kjer govorita dve osebi, ki govorita, stopnja napak je okoli 11,3 odstotka. Microsoftova programska oprema je dosegla približno 0,4 odstotka nižjo stopnjo napak.

Preboj bo pomagal prinašati nove oblike poglobitve A. Avgusta je študent Joshua Browder vzel obloge s svojega DoNotPay chatbota, ki lahko pomaga brezdomcem, da dobijo brezplačno pravno svetovanje. V kombinaciji z napredkom pri prepoznavanju je enostavno predstaviti prihodnost, v kateri ljudje vprašajo virtualnega pomočnika za pomoč pri nastanitvi, tako da redno pogovarjajo z računalnikom.

Na tej stopnji raziskovalci razmišljajo o tem, kako lahko A.I. Sensay, zaznavanje jeze A.I. iz laboratorija za Siri, uporablja napredne sposobnosti prepoznavanja, da zazna, ali se uporabnik jezen ali zmeden, spremeni svoje odgovore, da bi ustrezal situaciji. Odstranitev ovire za prepoznavanje glasu, ki je nagnjena k napakam, ustvarja zanimive nove priložnosti za virtualno pomoč.