A természetes nyelvi megértés az A.I jövője. Hangfelismerés

Az Amazon Alexa és Siri következetes kapacitásának köszönhetően több házimunkát (és egyre több sassy-ot) tudnak felvenni, sokan csodálkoznak: mi a következő a természetes nyelvi megértésért és a beszélgetéses hangfelületekért?

Számos cég nyak- és nyakrész van ebben a versenyben. Van egy Wit.ai, a Facebook megszerzett cége, és a demóval játszhatsz. (Próbáld ki ezt a parancsot: „Szeretnék macskákat nézni.”). Az Apple-nak van a HomeKit-je, és ezzel együtt az Apple a legjobbat rúgja. Az Amazon is az Alexa felszereltségű Echo és Echo Dot elé áll.

A MindMeld az egyik cég, aki a természetes nyelvi megértés nyomán halad. A MindMeld természetes nyelvi megértési képességeit más cégeknek nyújtja, amelyek intelligens hangfelületeket kívánnak hozzáadni termékeikhez, szolgáltatásaikhoz vagy eszközökhöz. A San Francisco-i székhelyű vállalat infrastrukturális és testreszabási lehetőségeket biztosít a partnereknek úgy, hogy készülékeik saját, finomított személyi asszisztenseikkel rendelkezzenek. A MindMeld nemrégiben jelentett be ilyen partnerséget a Spotify-val, de együttműködik az autóipari vállalatokkal, a védelmi ügynökségekkel, az e-kereskedelmi vállalatokkal és még sok mással. (És természetesen nem tudja megosztani az ilyen partnerségek sok részletét.)

fordítottja beszélt MindMeld Sam Vasishtjával a hangfelismerő mező állapotáról - de hamar rámutatott arra, hogy a „hangfelismerés”, mint vállalkozás, most „mindennapi téma”. „A hangfelismerés majdnem elérte a zenit: az 50-es páratlan évek után az AI-k hatékonyan felismerhetik a beszédet. Ezek a rendszerek majdnem jobbak, mint az emberek, és hamarosan meghaladják a pusztán halandókat.

A kiszámítható következő lépés, majd a gyermek fejlődéséhez hasonlóan az, hogy ezeket a rendszereket tanítsuk megért a nyelvet, amelyet most felismerhetnek. „Ez az emberi beszéd szava; ezek a szavak: "messze van a következőketől:" Megértem, mit mond ez az ember; hadd segítsek.

És ez a további lépés és fejlődés megköveteli az értelmezést jelentés: Az emberi elme szóbeli információ feldolgozásának módja. Ennek az egyenletnek két része van. Az első szándék: Mi az emberi cél vagy vágy, amikor ezt a mondatot beszéljük? Egy olyan számítógép, amely szóbeli mondatból szándékot szerezhet, „megértheti”, hogy az ember akarja befolyásolni x vagy kölcsönhatásba léphet y. Ezzel a folyamatkal összefonódik az egyenlet második része: Entity. Az A.I. tudnia kell, hogyan kell meghatározni a címzett entitást, az emberi szándék tárgyát.

Ehhez a MindMeld nem (ahogy feltételeztem, vagy reméltem) filozófusokat alkalmaz. Természetes nyelvi szakembereket alkalmaz, de az A.I. A „tanulási” folyamat önmagában viszonylag kimerült. Ha a rendszert a kávé megrendelésének megértéséért tanítja, meg kell mutatnia a rendszernek a különböző módokat, amelyeket az emberek valószínűleg kávét rendelnek.

- Szeretnék egy mokkát.

- Kérhetnék egy csésze Joe-t?

- Csak egy nagy kávé számomra.

És ott jönnek be a természetes nyelvi szakemberek - a nyelvészek. De még ez sem szükséges, mert tudjuk szétosztani az adatokat. Ezek az eszközök lehetővé teszik, hogy több ezer embert kérdezzen meg ugyanazzal a kérdéssel, és fordítson válaszokat. Ezután csak az A.I.-be táplálod ezeket a válaszokat, és voálá: az A.I. reagálhat a lehetséges kérdések széles körére. „A több ezer lekérdezésből most már csak alapvetően gépi tudást kaphatunk arról, hogy más lekérdezések milliárdjai generálhatók” - mondja Vasisht.

fordítottja - kérdezte Vasisht, aki régóta bennfentes volt az A.I.-ben. és a természetes nyelvi megértés birodalma, hogy spekuláljon számunkra.

Lehet-e a MindMeld kiterjesztett párbeszédben részt venni? Például, ha utólagos kérdést teszek fel, az A.I. megérteni és reagálni?

Igen. Ez a tervezés része. Ha valaki kérdéseket tesz fel, ami hiányos - így például, ha kávét rendelek, és nem adom meg a kívánt kávé méretét, visszatér, és azt mondja: „Milyen méretű kávé akar?"

Várható-e előrelépés a Turing tesztben?

Azt hiszem, elég közel vagyunk hozzá. Úgy értem, az IBM Watson tette Jeopardy!, és azt hiszem, ez nagyon jó példa volt. Ezen a ponton vagyunk: nagyon közel van. Csakúgy, mint most, a beszédfelismerés szempontjából abban a pontban vagyunk, ahol a gépek ugyanolyan jóak, mint az emberek, úgy gondolom, hogy - a következő három-öt évben - abban a pontban leszünk, ahol a legtöbb beszélgető hang rendszereket úgy kell tekinteni, mint az emberek.

Milyen otthoni automatizálási dolgokat csinál a MindMeld?

Technológiánk bármilyen termékre, bármilyen szolgáltatásra, bármilyen adattartományra alkalmazható. Ezek közé tartozik az otthoni automatizálás. Az otthonon belül megvan a világításvezérlés, a termosztát, a biztonsági rendszerek, az audio rendszerek, a videórendszerek, mindezek a dolgok. Bármelyik rendszert képesek vagyunk irányítani, feltéve, hogy ott van a megfelelő interfész.

Mit akarsz, ha a saját otthonodban el tudsz kötni a MindMeld-et?

Úgy gondolom, hogy a fejlettebb használati esetek - mint például a Spotify-vel való beszélgetés, hogy azt mondjam, hogy „játszani a Rolling Stones lejátszási listát” vagy „Játsszon ma klasszikus zenét” - ezek a dolgok… félelmetesek lennének.

Bármi, ami váratlanabb, vagy a dobozon kívül van, amit a hangoddal szeretnél irányítani?

Azok a dolgok, amiket leírtam neked, azok a dolgok, amelyek szerintem azonnali. Más szóval, ezek hamarosan megtörténnek. Ami szerintem nem fog történni, például mikrohullámú sütő, kávéfőző és hűtőszekrény. Az ilyen típusú készülékek vezérlése - így alapvetően azt mondhatom: „Készen áll a kávéfőzőm kávé készítésére? Kapcsolja be a kávéfőzőt, és ha még nem készült el, akkor vissza kell térnie, és azt mondja: „Sajnálom, de a kávéfőző nem kész” - ez a fajta intelligencia még nem létezik. Ez lesz a szent grál: ahol alapvetően minden eszköz beszélhet Önhöz, és elmondhatja, mit tud és nem tud. De még nem vagyunk ott.

Mit gondol, mit tart az ipar?

Ezek most rendkívül olcsó berendezések. Úgy értem, ezek olyan készülékek, amiket szinte semmiért nem lehet vásárolni. Tíz évvel ezelőtt sokkal többet fizettek.Az új funkciók építése tehát növeli az eszközök költségeit. Végső soron az aktuális értékpályázat nagyon erős; ezen gyártók többsége nem hajlandó új funkciókat hozzáadni, kivéve, ha nagyon alacsony költséggel rendelkeznek.

Azt hiszem, ez az egyik szempont. Ennek másik aspektusa, hogy beszélünk arról, hogy ezek az eszközök csatlakoznak-e. Tehát többnek kell lennie, mint egy hanghasználati eset ezeknek az eszközöknek a csatlakoztatásához. Több lehetőségre van szükség ahhoz, hogy ezen a kapcsolaton utazhasson, mielőtt életképessé válnának.

Tudja-e olyan céget, amely az utóbbi kapacitással dolgozik?

Sok félvezető cég dolgozik nagyon olcsó mikrofon tömbökön. Az a fajta dolog, amit alapvetően nagyon alacsony költséggel be lehet ágyazni egy nagyon sok eszközre vagy alkalmazásra, ami lehetővé tenné, hogy hangbemenet legyen. És nem kell ezen eszközök mellé állnia - 10 méterre lehet beszélni. A képesség kialakítása - azt hiszem, ez a kiindulópont. És azt hiszem, lehetővé teszi, hogy az emberek elkezdhessék mikrofonok elhelyezését az eszközökön, majd a másik, a fejlett képességek. De mostanában nem ismerek olyan céget, amely ilyen intelligens kávéfőzőt vagy intelligens mikrohullámú sütőt vagy mosógépet épít.

Mi a legjobb becslése, amikor teljesen intelligens lakások, teljesen intelligens lakások vannak?

Ma valójában szinte minden olyan alapvető alrendszerrel rendelkezünk a házban, amelyet az automatizálási igények szerint automatizáltak. Ide tartoznak a fények, a termosztátok, a biztonsági rendszerek, a garázskapuk, a bejárati ajtó zárak. Mindezeket meg lehet tenni. A probléma tényleg az árpontok körül van. Ezek még mindig azon a ponton vannak, ahol főként korai alkalmazók és azok, akiknek igazán szükségük van rájuk. De ezeknek a dolgoknak az árpontjai drámaian, nagyon gyorsan csökkennek. Azt hiszem, valószínűleg ezeket az alrendszereket a következő években tömegpiacra fogjuk kapni.

A többi dolog, amiről beszéltem - a nagyon olcsó berendezések automatizálása - úgy gondolom, hogy ezek valószínűleg legkorábban az öt-hét éves időkereten belül vannak. Több mint tíz év, mielőtt azok valósággá válnának. De, mint korábban mondtam, ezek olyan dolgok, amelyekre számos más dologra van szükség. És előbb előfordulhat, ha ezek a különböző összetevők hamarabb összeállnak.

Mit gondolsz, hogy egy New York-i vagy San Francisco-i lakás úgy néz ki, mint 2050-ben?

2050! Azta. Azt hiszem, teljesen ott leszünk. Az a fajta dolog, amit a fikciós filmekben látunk - ahol eléggé beszélhetsz a házad minden rendszerével, és mindent hanggal vezérelhetsz - azt hiszem, ezek a képességek széles körben elterjednek. Természetesen olyan városokban, mint New York és San Francisco.