أبلغ باحثو Microsoft ذلك ابتكرت تقنية جديدة للتعرف على الكلام تقوم بنسخ الكلام العامي، تمامًا كما يفعل الإنسان. تم الإبلاغ عن معدل خطأ النظام لكل كلمة 5,9 بالمائة.، وهو تقريبًا نفس خبراء النسخ المحترفين الذين طُلب منهم العمل على نفس التسجيلات ، وفقًا لمايكروسوفت.
قال العالم Xuedong Huang ، الذي أعطى المعلومات الرئيسية في بيان ، "لقد وصلنا إلى التكافؤ مع الإنسان". ووصف هذا الإنجاز بأنه "إنجاز تاريخي".
للوصول إلى هذا الإنجاز ، استخدم الفريق شبكة كمبيوتر ومجموعة أدوات Microsoft، بالإضافة إلى نظام التعلم العميق المحلي الذي أتاحه فريق البحث على GitHub من خلال ترخيص مفتوح المصدر. يستخدم النظام تقنية الشبكة العصبية على مجموعات من الكلمات المتشابهة، مما يسمح للنماذج بالعمل بكفاءة كلمة بكلمة.
تعتمد الشبكات العصبية على كميات كبيرة من البيانات تسمى "بيانات التدريب". وقد تم إنشاؤها لتعليم أجهزة الكمبيوتر المكتوبة للتعرف على الأنماط النحوية في الأصوات. تخطط Microsoft لاستخدام التكنولوجيا في Cortana، ومساعد الصوت الشخصي الخاص بك على Windows و Xbox One ، بالإضافة إلى برنامج نسخ الكلام إلى نص.
بيرو التكنولوجيا لا يزال أمامها طريق طويل لنقطعه قبل أن يتمكن من معالجة المعنى الرئيسي (الدلالات) والمعرفة السياقية ، الخصائص الرئيسية في استخدام اللغة اليومية التي يجب أن يفهمها المساعدون الشخصيون ، مثل Siri ، لمعالجة الطلبات والعمل عليها بطريقة مفيدة.
قال هاري شوم ، رئيس مجموعة أبحاث الذكاء الاصطناعي في مايكروسوفت: "نحن نبتعد عن عالم يجب على الناس فيه فهم أجهزة الكمبيوتر في العالم بينما لا تزال أجهزة الكمبيوتر لا تفهمنا". لكنه حذر من أن أجهزة الكمبيوتر ستمضي وقتًا طويلاً قبل أن تفهم المعنى الحقيقي لما يقال. "الذكاء الاصطناعي الحقيقي لا يزال في أفق بعيد".
أعتقد أنها خطوة هائلة ، اليوم الذي يمكننا فيه التفاعل مع الأجهزة دون استخدام الأجهزة الطرفية سيغير تمامًا طريقة فهم علاقة الإنسان بالآلات.