Microsoft-forskere rapporterer det har skabt en ny talegenkendelsesteknologi, der transskriberer daglig tale, ligesom et menneske gør. Systemets fejlprocent pr. Ord rapporteres at være 5,9 procent., hvilket stort set er det samme som professionelle transkriptionister, der blev bedt om at arbejde på de samme optagelser, ifølge Microsoft.
"Vi har nået paritet med mennesket," sagde videnskabsmand Xuedong Huang, der gav de vigtigste oplysninger i en erklæring, kalder denne milepæl en 'historisk præstation'.
For at nå milepælen holdet brugte et computernetværk og et Microsoft-værktøjssæt, samt et hjemmelavet system til dyb læring, som forskergruppen stillede til rådighed på GitHub gennem en open source-licens. Systemet bruger en neuralt netværksteknologi på grupper af lignende ord, der tillader modeller at arbejde effektivt ord for ord.
Neurale netværk er baseret på store mængder data kaldet "træningsdata". og de er etableret for at lære transskribering af computere at genkende syntaktiske mønstre i lyde. Microsoft planlægger at bruge teknologien i Cortana, din personlige stemmeassistent på Windows og Xbox One samt transkriptionssoftware til tale til tekst.
Pero teknologi har stadig en lang vej at gå Før det kan behandle hovedbetydningen (semantikken) og den kontekstuelle viden, er nøglekarakteristika i daglig brug af sprog, der skal forstås af personlige assistenter, såsom Siri, til at behandle anmodninger og handle på dem på en nyttig måde.
"Vi bevæger os væk fra en verden, hvor folk skal forstå verdens computere, mens computere stadig ikke forstår os," sagde Harry Shum, der leder Microsofts AI-forskningsgruppe. Det vil dog tage lang tid, før computere kan forstå den sande betydning af det, der siges, advarede han. "Ægte kunstig intelligens er stadig i en fjern horisont".
Jeg synes, det er et enormt skridt, den dag, vi kan interagere med enheder uden at bruge perifert udstyr, vil helt ændre måden at forstå menneskets forhold til maskiner på.