Arī datoriem ir grūti iemācīties runāt ķīniešu valodā

Pētnieki 2017. gadu bieži dēvē par sarunvalodas datora gadu Ķīnā. Izmantojot jaunākos sasniegumus balss atpazīšanas un dabiskās valodas apstrādes jomā, e-komercijas gigants Alibaba un meklēšanas gigants Baidu ir izstrādājuši tehnoloģiju, lai uzlauztu balss saziņu (skatiet sadaļu 10 izrāvienu tehnoloģijas: sarunu saskarnes .) Tagad ar balsi darbināmi produkti, kas iegūti no Baidu. un Alibaba tehnoloģija nonāk Ķīnas tirgū.

Tmall Genie, kurā ir iebūvēts Alibaba balss asistents AliGenie, ir līdzīgs Amazon Echo. Tas var veikt pasūtījumus tiešsaistē, pārbaudīt laikapstākļus, atskaņot jūsu iecienītāko mūziku un vadīt citas viedierīces jūsu mājās, izmantojot balss komandas.

Baidu DuerOS sarunu platforma ir pievienota kā funkcija tādos produktos kā mājas palīgs robots, televizora pierīce un HTC viedtālrunis. Tam ir līdzīgas funkcijas kā AliGenie un citiem balss palīgiem, kā arī elementāras iespējas veikt nejaušu tērzēšanu, un uzņēmums saka, ka ir saņēmis lielu skaitu pasūtījumu savam DuerOS izstrādes komplektam.

Kun Jing, Baidu's Duer biznesa vienības ģenerāldirektors, sagaida, ka šogad šajā jomā ienāks daudz vairāk uzņēmumu, ko daļēji motivē tādu produktu kā Echo panākumi ASV tirgū, kas ir izraisījis Ķīnas tehnoloģiju investoru interesi.

Pētniecības uzņēmums IDC prognozē, ka līdz 2020. gadam 51 procentos viedās braukšanas nozares un 68 procentos mobilo tālruņu un valkājamo ierīču nozares Ķīnā būs uz sarunām balstīta mākslīgā intelekta sistēma. Tāpat kā skārienekrāns ir izveidots mijiedarbībai ar mobilo ierīci. tik daudz vienkāršāk, sarunu saskarnes padarīs mijiedarbību dabiskāku un piesaistīs vairāk cilvēku savienotajā pasaulē, saka Jings, kurš pārrauga DuerOS izstrādi.

Balss skaitļošana ir laba izvēle Ķīnai. Mūsdienās ķīniešu valodas rakstīšana uz tipiskas QWERTY tastatūras balstās uz sistēmu, ko sauc par pinyin, kuras pamatā ir rakstzīmju izruna, taču, tā kā mandarīnu valodā ir četri toņi un katram ir atšķirīga nozīme, lietotājam nolaižamajā izvēlnē ir rūpīgi jāizvēlas pareizā rakstzīme. pēc izrunas ievadīšanas. Parasta zilbe, piemēram, yi, var atbilst 60 vai biežāk lietotām ķīniešu rakstzīmēm. Dažas ievades metodes var noteikt prioritāti visticamākajam rakstzīmei atbilstoši kontekstam, taču tās ne vienmēr ir precīzas. Nav pārsteidzoši, ka mobilo tehnoloģiju, piemēram, populārās saziņas lietotnes WeChat, lietotāji mēdz viens otram atstāt verbālus ziņojumus, nevis ASV raksturīgos tekstus.

Mūsdienās Ķīnā balss palīga tehnoloģija darbojas, pārvēršot lietotāja balss komandas tekstā un ģenerējot atbildi, pamatojoties uz teksta nozīmi. Šis process diezgan labi darbojas uz uzdevumiem balstītām komandām — pārbaudiet laikapstākļus vai meklējiet konkrēta ķīniešu vārda tulkojumu angļu valodā, taču tas nevar uzturēt turp un atpakaļ sarunu par vairākiem tematiem.

Sarunvalodas skaitļošanas risināšanai būs jāpārvar dažas ķīniešu valodas sarežģītās grūtības. Piemēram, ķīniešu valodā vienas un tās pašas rakstzīmes, kas sakārtotas atšķirīgā secībā, nozīmē dažādas lietas, un pat tad, ja tās ir sakārtotas vienā secībā, tām var būt atšķirīga nozīme atkarībā no tā, kas ir pirms vai pēc tām. Turklāt rakstītajā ķīniešu valodā nav atstarpes, kas dabiski sadala vārdus, kā tas ir angļu valodā. Tātad ķīniešu dabiskās valodas apstrādes pētniekiem ir jāiemāca savi algoritmi, kur ievietot atstarpes, lai noteiktu konkrētas rakstzīmju kombinācijas pareizo nozīmi. Ķīniešu darbības vārdu laiku neesamība — nav atšķirīgu formu pagātnei, tagadnei vai nākotnei — arī mašīnām ir sarežģīti atšifrēt secības laika skalu.

Ķīniešu dabiskās valodas apstrādes pētnieki risina arī citas problēmas: pastāv daudzi dialekti, no kuriem daži ir savstarpēji nesaprotami, un viens un tas pats izteiciens dažādos kontekstos var nozīmēt dažādas lietas.

Džijons Vu, Tsinghua universitātes asociētais profesors, kurš pēta dabiskās valodas izpratni, atzīmē, ka, lai datori patiesi saprastu cilvēka runātāja nolūku un pareizi sazinātos, tiem būs jāsaņem smalkas norādes, piemēram, intonācija un stress. Viņiem būs arī jāsaprot emocijas, jo cilvēku lēmumu pieņemšana nav balstīta tikai uz loģiku, atzīmē Jia Jia, Tsinghua universitātes asociētais profesors, kurš pēta sociālo afektīvo skaitļošanu.

Lai padarītu savu sistēmu gudrāku, Baidu šogad savā platformā ieviesa trenera režīmu, lai programmatūras izstrādātāji varētu reāllaikā pievienot valodas datus, izmantojot iebūvēto anotatora robotu. Bots saņem izstrādātāju atsauksmes (piemēram, paskaidrojumus par vaicājumu, kuru sistēma nesaprata pirmo reizi), mācās no tā un pēc tam labo sistēmu.

Viena no Ķīnas pētnieku priekšrocībām, cenšoties atrisināt šīs problēmas, ir liels datu daudzums. Neironu tīkliem, kas ir pamatā mūsdienu datoru valodas izpratnei, ir nepieciešams liels datu apjoms, lai apmācītu. Jo vairāk datu būs uzņēmumam, jo ​​viedāki kļūs tā neironu tīkli, un tādi uzņēmumi kā Baidu un Alibaba gūst labumu no plašās lietotāju bāzes. 2016. gada beigās Baidu ik mēnesi bija 665 miljoni aktīvo mobilo sakaru lietotāju, un šī gada martā uzņēmumam Alibaba bija 507 miljoni mobilo sakaru ikmēneša aktīvo lietotāju.

Bet Gang Wang, Alibaba A.I. zinātnieks. Lab saka, ka pētniekiem būs jāizstrādā neironu tīkli, kuriem nav nepieciešams daudz datu, lai tie kļūtu efektīvāki valodas apguvē. Reālajā pasaulē cilvēki izsaka vienu un to pašu nozīmi dažādos veidos, un nav iespējams iemācīt datoram visas iespējamās izpausmes, viņš atzīmē. Savā iepriekšējā akadēmiskā pētnieka amatā viņš un viņa kolēģi nāca klajā ar metodi, kā mācīt datorus, lai saprastu priekšmetu, kad ir pieejams ļoti maz datu: izmantojiet datus no saistītiem priekšmetiem. Piemēram, lai apmācītu neironu tīklu, lai saprastu tekstus sporta medicīnā, varat izmantot datus no sporta un medicīnas datiem. Vanga atzīmē, ka pieeja nav tik laba kā organisko datu izmantošana, taču, ja to trūkst, tā ļauj apmācīt neironu tīklus par tēmu.

Galu galā balss asistentam panākumus Ķīnā nodrošinās tā saturs un pakalpojumi, saka Čenfens Songs, Ainemo dibinātājs — jaunizveidots uzņēmums, kas ražo ar balsi aktivizējamu mājas palīgu robotu Little Fish, kas tika pārdots jūnijā. Song plāno pakāpeniski izveidot izglītības un veselības aprūpes programmas sava uzņēmuma mājas palīgā. Little Fish izmanto DuerOS sarunvalodas platformu. Balss, dziesmas piezīmes, ir veids, kā nodrošināt saturu cilvēkiem, kuri nevar ļoti labi piekļūt internetam, izmantojot galddatorus un viedtālruņus, jo īpaši vecāka gadagājuma cilvēkiem un maziem bērniem.

paslēpties