Microsoft и нейното „забележително постижение“ в технологията за разпознаване на реч

Изследователите на Microsoft съобщават, че са създали нова технология за разпознаване на реч, която транскрибира разговорната реч, точно както прави човек. Отчита се, че процентът грешки в системата на дума е 5,9%., което е приблизително същото като професионалните транскрипционисти, които са били помолени да работят върху едни и същи записи, според Microsoft.

"Постигнахме паритет с човешкия", каза ученият Сюедонг Хуанг, който даде основната информация в изявление, наричайки този етап „историческо постижение“.

За да достигнете крайъгълен камък, екипът използва компютърна мрежа и набор от инструменти на Microsoft, както и собствена система за дълбоко обучение, която изследователският екип предостави на GitHub чрез лиценз с отворен код. Системата използва технология на невронна мрежа за групи с подобни думи, позволявайки на моделите да работят ефективно дума по дума.

Невронните мрежи се основават на големи количества данни, наречени „данни за обучение“. и те са създадени, за да научат преписващите компютри да разпознават синтактичните модели в звуците. Microsoft планира да използва технологията в Cortana, вашият личен гласов асистент в Windows и Xbox One, както и софтуер за транскрипция на реч в текст.

Pero технологията все още трябва да извърви дълъг път Преди да успее да обработи основното значение (семантиката) и контекстуалните знания, ключови характеристики в ежедневното използване на езика, които трябва да бъдат схванати от лични асистенти, като Siri, за да обработват заявките и да действат по тях по полезен начин.

„Отдалечаваме се от свят, в който хората трябва да разбират световните компютри, докато компютрите все още не ни разбират“, каза Хари Шум, който оглавява изследователската група за изкуствен интелект на Microsoft. Въпреки това ще мине много време, преди компютрите да могат да разберат истинския смисъл на казаното, предупреди той. „Истинският изкуствен интелект все още е на далечен хоризонт“.