Мицрософтови истраживачи то извештавају створили су нову технологију препознавања говора која преписује колоквијални говор, баш као што то чини и људско биће. Извештава се да је стопа грешака система по речи 5,9 процената., што је отприлике исто као професионални транскрипционисти од којих се тражило да раде на истим снимцима, наводи Мицрософт.
„Постигли смо паритет са човеком“, рекао је научник Ксуедонг Хуанг, који је дао главне информације у изјави, називајући ову прекретницу „историјским достигнућем“.
Да бисте постигли прекретницу, тим је користио рачунарску мрежу и Мицрософт алатке, као и домаћи систем за дубоко учење који је истраживачки тим ставио на располагање на ГитХуб-у путем лиценце отвореног кода. Систем користи технологију неуронске мреже на групама сличних речи, омогућавајући моделима да ефикасно раде од речи до речи.
Неуронске мреже се заснивају на великим количинама података који се називају „подаци о обуци“. и основани су да подучавају рачунаре који преписују препознавање синтаксичких образаца у звуковима. Мицрософт планира да користи технологију у Цортани, ваш лични гласовни асистент на Виндовсима и Ксбок Оне, као и софтвер за транскрипцију говора у текст.
Крушка технологија још увек мора да пређе дугачак пут Пре него што може да обради главно значење (семантику) и контекстуално знање, кључне карактеристике у свакодневној употреби језика које треба да схвате лични асистенти, попут Сирија, да би обрађивали захтеве и на њих корисно деловали.
„Удаљавамо се од света у којем људи морају да разумеју рачунаре света, док нас рачунари још увек не разумеју“, рекао је Хари Шум, који је на челу Мицрософтове истраживачке групе за интелигенцију. Међутим, проћи ће много времена док рачунари не буду могли да схвате право значење онога што се говори, упозорио је он. „Права вештачка интелигенција је још увек на далеком хоризонту“.
Мислим да је то изузетан корак, дан када можемо да комуницирамо са уређајима без употребе периферних уређаја, потпуно ће променити начин разумевања односа човека и машина.