Microsoft-forskare rapporterar det har skapat en ny taligenkänningsteknik som transkriberar vardagligt tal, precis som en människa gör. Systemets felprocent per ord rapporteras vara 5,9 procent., vilket är ungefär detsamma som professionella transkriptionister som ombads att arbeta på samma inspelningar, enligt Microsoft.
"Vi har nått paritet med människan", säger forskaren Xuedong Huang, som gav den viktigaste informationen i ett uttalande, kallar denna milstolpe en "historisk prestation".
För att nå milstolpen, teamet använde ett datornätverk och en Microsoft-verktygslåda, liksom ett hemodlat system för djupinlärning som forskargruppen gjorde tillgängliga på GitHub via en öppen källkodslicens. Systemet använder en neuronal nätverksteknik på grupper av liknande ord, så att modeller kan arbeta effektivt ord för ord.
Neurala nätverk är baserade på stora mängder data som kallas "träningsdata". och de är etablerade för att lära transkribera datorer att känna igen syntaktiska mönster i ljud. Microsoft planerar att använda tekniken i Cortana, din personliga röstassistent på Windows och Xbox One samt transkriptionsprogram för tal-till-text.
Men tekniken har fortfarande en lång väg att gå Innan den kan bearbeta huvudbetydelsen (semantiken) och kontextuell kunskap, är nyckelegenskaper i det dagliga språkanvändningen som behöver förstås av personliga assistenter, som Siri, för att behandla förfrågningar och agera på dem på ett användbart sätt.
"Vi rör oss från en värld där människor måste förstå världens datorer medan datorer fortfarande inte förstår oss", säger Harry Shum, som är chef för Microsofts AI-forskargrupp. Det kommer dock att dröja länge innan datorer kan förstå den verkliga innebörden av det som sägs, varnade han. "Äkta artificiell intelligens är fortfarande i en avlägsen horisont".
Jag tycker att det är ett enormt steg, den dag vi kan interagera med enheter utan att använda kringutrustning kommer helt att förändra sättet att förstå människans förhållande till maskiner.