मायक्रोसॉफ्टच्या संशोधकांनी असा अहवाल दिला आहे बोलण्यातील भाषणाचे भाषांतर करणारे एक नवीन भाषण ओळख तंत्रज्ञान तयार केले आहेमानवाप्रमाणेच. प्रति शब्द प्रणालीचा त्रुटी दर 5,9 टक्के नोंदविला गेला आहे., जे मायक्रोसॉफ्टच्या म्हणण्यानुसार व्यावसायिक ट्रान्सक्रिप्शन वादकांसारखेच आहे ज्यांना त्याच रेकॉर्डिंगवर काम करण्यास सांगितले गेले होते.
“आम्ही मानवांशी समानता गाठली आहे,” असे निवेदनात मुख्य माहिती देणारे वैज्ञानिक झ्युकेडोंग हुआंग म्हणाले, या मैलाचा दगड 'ऐतिहासिक कामगिरी' म्हणून संबोधत आहे.
टप्प्यावर पोहोचण्यासाठी, कार्यसंघाने संगणक नेटवर्क आणि मायक्रोसॉफ्ट टूलकिट वापरलीतसेच सखोल शिक्षणासाठी होमग्राउन सिस्टम ही शोध पथकाने ओपन सोर्स परवान्याद्वारे गिटहबवर उपलब्ध करुन दिली. तत्सम शब्दांच्या गटांवर सिस्टम तंत्रिका नेटवर्क तंत्रज्ञान वापरते, मॉडेल्सना शब्दासाठी कार्यक्षमतेने कार्य करण्यास अनुमती देते.
न्यूरल नेटवर्क "प्रशिक्षण डेटा" नावाच्या मोठ्या प्रमाणात डेटावर आधारित आहेत. आणि ध्वनींमध्ये कृत्रिम नमुने ओळखण्यासाठी संगणकाचे लिप्यंतरण शिकवण्यासाठी ते स्थापित केले गेले आहेत. मायक्रोसॉफ्टने कोर्तानामध्ये तंत्रज्ञान वापरण्याची योजना आखली आहे, विंडोज आणि एक्सबॉक्स वन वरील आपला वैयक्तिक व्हॉईस सहाय्यक, तसेच स्पीच-टू-टेक्स्ट ट्रान्सक्रिप्शन सॉफ्टवेअर.
पण तंत्रज्ञानामध्ये अद्याप जाण्यासाठी बराच पल्ला गाठायचा आहे मुख्य अर्थ (शब्दार्थ) आणि संदर्भित ज्ञान यावर प्रक्रिया करण्यापूर्वी, दररोजच्या भाषेतील मुख्य वैशिष्ट्ये ज्यावर विनंतीनुसार प्रक्रिया करण्यासाठी आणि त्यांच्यावर उपयुक्त मार्गाने कार्य करण्यासाठी सिरी सारख्या वैयक्तिक सहाय्यकांकडून समजले जाणे आवश्यक आहे.
मायक्रोसॉफ्टच्या एआय संशोधन गटाचे प्रमुख असलेले हॅरी शम म्हणाले, “आम्ही अशा जगापासून दूर जात आहोत जिथे लोकांना जगाचे संगणक समजले पाहिजेत. तथापि, संगणकाला जे बोलले जात आहे त्याचा खरा अर्थ समजण्यापूर्वी बराच काळ लोटला जाईल, असा इशारा त्यांनी दिला. "खरे कृत्रिम बुद्धिमत्ता अद्याप दूरच्या क्षितिजावर आहे".
मला वाटते की हे एक जबरदस्त पाऊल आहे, ज्या दिवशी आपण परिघीय वस्तूंचा वापर न करता उपकरणांशी संवाद साधू शकतो, यंत्रांशी माणसाचे नाते समजून घेण्याचा मार्ग पूर्णपणे बदलू शकेल.