A Baidu hang- és beszédtechnológiái begyorsíthatják az ember-számítógép interakció fejlődését. Programok előbb-utóbb az embernél pontosabban írnak át mandarinul elhangzó szövegeket.
2016. március 04. 09:00
p
0
0
0
Mentés
A Baidu világviszonylatban is az egyik legfontosabb szereplője a Kínában egyre gyorsabban terjedő társalgási interfészek fejlesztésének. Ezek az interfészek teszik hatékonyabbá az ember-gép interakciót.
A gépi tanulás fejlődésével praktikusabbak lettek a hangalapú alkalmazások, például a hangvezérlés, és az interfészek akár zajos környezetben is működnek.
„A beszédtechnológia közelít egy ponthoz, ahol annyira megbízható lesz, hogy utána már csak használni fogjuk, és nem is gondolunk rá. A legjobb technológia gyakran láthatatlan, és remélem, a beszédfelismerés is így fog eltűnni a háttérben” – jelentette ki Andrew Ng, stanfordi docens és a Baidu vezető kutatója.
Szerinte a hang hamarosan többeszközös interakcióra is alkalmas lesz. Olyan eszközökre is gondol, mint például a robotok és a háztartási berendezések.
A Baidu pekingi és szilícium-völgyi csapata a pontosabb beszédfelismerésen és azon dolgozik, hogy a számítógépek hatékonyabban elemezzenek mondatokat. 2015 novemberében a cég szilícium-völgyi részlege bejelentett egy a hangokat szavakkal és mondatokkal összetársító mély ideghálóból álló beszédfelismerő motort. Az ideghálóba többmillió átírt beszédpéldát tápláltak, azokon gyakorol. A kutatók szerint a háló pontosan tud azonosítani elhangzott szavakat, és idővel az embernél is pontosabban fog átírni mandarin szövegrészeket.
„A hozzászólásokból úgy tűnik, hogy a felhasználók egy jelentős része (többsége?) simán elhiszi, hogy ezek valódi videók” – figyelmeztetett Németh Balázs.
A mesterséges intelligencia értelmiségi munkahelyek millióit törölheti el, megnövelve a munkanélküliséget, hosszú távon akár a demokratikus berendezkedést is fenyegetve. Erre figyelmeztet Dario Amodei, az Anthropic vezérigazgatója, aki szerint ezt a folyamatot nem hirtelen lefékezni, hanem megzabolázni kell.