211service.com
Baidu dziļās mācīšanās sistēma konkurē ar cilvēkiem runas atpazīšanas jomā
Ķīnas vadošais interneta meklēšanas uzņēmums Baidu ir izstrādājis balss sistēmu, kas dažos gadījumos var atpazīt angļu un mandarīnu runu labāk nekā cilvēki.
Jaunā sistēma, saukta Dziļā runa 2 , ir īpaši nozīmīgs, jo tas pilnībā balstās uz mašīnmācīšanos tulkošanai. Kamēr vecākās balss atpazīšanas sistēmās ir iekļauti daudzi ar rokām izgatavoti komponenti, kas palīdz audio apstrādē un transkripcijā, Baidu sistēma iemācījās atpazīt vārdus no nulles, vienkārši klausoties tūkstošiem stundu pārrakstīto audio.
Tehnoloģija balstās uz spēcīgu paņēmienu, kas pazīstams kā dziļa mācīšanās, kas ietver ļoti liela daudzslāņu virtuālā neironu tīkla apmācību, lai atpazītu modeļus milzīgā datu daudzumā. Lietojumprogramma Baidu viedtālruņiem ļauj lietotājiem meklēt ar balsi, un tajā ir iekļauts arī ar balsi vadāms personīgais asistents Duer (skatiet sadaļu Baidu Duer pievienojas personīgā asistenta pusei ). Balss vaicājumi ir populārāki Ķīnā, jo teksta ievadīšana ir laikietilpīgāka un daži cilvēki nezina, kā izmantot Pinyin — fonētisko sistēmu mandarīnu valodas transkribēšanai, izmantojot latīņu rakstzīmes.
Vēsturiski cilvēki uzskatīja, ka ķīniešu un angļu valodas ir divas ļoti atšķirīgas valodas, un tāpēc bija jāizstrādā ļoti atšķirīgas funkcijas, saka Endrjū Ng, bijušais Stenfordas profesors un Google pētnieks, un tagad Ķīnas uzņēmuma galvenais zinātnieks. Mācību algoritmi tagad ir tik vispārīgi, ka jūs varat vienkārši mācīties.
Padziļinātas mācīšanās saknes meklējamas idejās, kuras pirmo reizi tika izstrādātas pirms vairāk nekā 50 gadiem, taču pēdējos gados jaunas matemātiskās metodes apvienojumā ar lielāku datora jaudu un milzīgu apmācību datu daudzumu ir novedušas pie ievērojama progresa, jo īpaši uzdevumos, kas prasa sava veida uzdevumus. redzes vai dzirdes uztvere. Šī tehnika jau ir uzlabojusi balss atpazīšanas un attēlu apstrādes veiktspēju, un lielie uzņēmumi, tostarp Google, Facebook un Baidu, to izmanto lielajām datu kopām, kas viņiem pieder.
Padziļināta mācīšanās tiek pieņemta arī arvien vairāk uzdevumu veikšanai. Piemēram, Facebook izmanto dziļu mācīšanos, lai atrastu sejas tā lietotāju augšupielādētajos attēlos. Un pavisam nesen tas ir guvis panākumus dziļās mācīšanās izmantošanā rakstīta teksta parsēšanai (skatiet Mācīšanas mašīnas, lai mūs saprastu). Google tagad izmanto padziļinātu mācīšanos vairāk nekā 100 dažādos projektos, sākot no meklēšanas līdz pašbraucošām automašīnām.
2013. gadā uzņēmums Baidu sāka savus centienus, lai izmantotu šo jauno tehnoloģiju Dziļās mācīšanās institūts , kas atrodas uzņēmuma galvenajā mītnē Pekinā un Silīcija ielejā. Deep Speech 2 galvenokārt izstrādāja komanda Kalifornijā.
Izstrādājot Deep Speech 2, Baidu izveidoja arī jaunu aparatūras arhitektūru dziļai mācīšanās nodrošināšanai, kas darbojas septiņas reizes ātrāk nekā iepriekšējā versija. Padziļināta mācīšanās parasti balstās uz grafikas procesoriem, jo tie ir piemēroti intensīviem paralēliem aprēķiniem.
Sasniegtais ātrums ļāva mums veikt eksperimentus daudz plašākā mērogā, nekā cilvēki bija sasnieguši iepriekš, saka Džesija Engela , Baidu pētnieks un viens no vairāk nekā 30 pētniekiem, kas nosaukti dokumentā, kurā aprakstīta Deep Speech 2. Mēs varējām meklēt daudzās [neironu tīklu] arhitektūrās un samazināt vārdu kļūdu līmeni par 40 procentiem.
Ng piebilst, ka tas nesen ir radījis dažus iespaidīgus rezultātus. Viņš saka, ka attiecībā uz īsām frāzēm ārpus konteksta mēs, šķiet, pārspējam cilvēka atpazīšanas līmeni.
Viņš piebilst: Mandarīnu valodā ir daudz reģionālo dialektu, kuros runā daudz mazākas iedzīvotāju grupas, tāpēc datu ir daudz mazāk. Tas varētu mums palīdzēt labāk atpazīt dialektus.