211service.com
Kur Siri ir problēmas ar dzirdi, cilvēku pūlis varētu palīdzēt
Datorzinātnieks Džefrijs Bighems ir izveidojis runas atpazīšanas programmu, kas apvieno labākos mašīnu un cilvēku talantus.
Lai gan balss atpazīšanas programmas, piemēram, Apple Siri un Nuance's Dragon, diezgan labi spēj dzirdēt pazīstamas balsis un skaidri diktētus vārdus, šī tehnoloģija joprojām nevar ticami parakstīties notikumiem, kas rada jaunus skaļruņus, akcentus, frāzes un fona trokšņus. Cilvēki diezgan labi saprot vārdus šādās situācijās, taču lielākā daļa no mums nav pietiekami ātri, lai pārrakstītu tekstu reāllaikā (tāpēc profesionāli stenogrāfi var iekasēt vairāk nekā 100 USD stundā). Tātad Bigham programma Rakstnieks papildina ātros datorus ar precīziem cilvēkiem, cerot ātri izlaist parakstus un atšifrējumus.
Šis ātrās kustības pūļa skaitļošanas eksperiments varētu būt liels palīgs nedzirdīgiem un vājdzirdīgiem cilvēkiem. Tas varētu arī nodrošināt jaunus veidus, kā uzlabot balss atpazīšanas lietojumprogrammas, piemēram, Siri, vietās, kur tām ir grūtības.
Scribe algoritmi liek darbiniekiem ierakstīt runā dzirdamās daļas fragmentus. Palielinot skaļumu vai palēninot audio fragmentu ātrumu, programma var novirzīt dažādus darbiniekus uz unikālām, bet pārklājošām runas daļām un pēc tam dot viņiem dažas sekundes, lai tās atgūtu, pirms lūgt vēlreiz rakstīt.
Izmantojot dabiskās valodas apstrādes algoritmus, Scribe apvieno izdrukātos fragmentus pilnā atšifrējumā, un liekie pārklāšanās var palīdzēt novērst kļūdas. (Šī bise skaitļošanas tehnika ir līdzīga tam, kā darbojas daudzas DNS sekvencēšanas iekārtas, norāda Bighems.) Tā var izveidot stenogrammu vai parakstu ar aizkavi līdz trīs sekundēm, izmantojot tikai trīs līdz piecus darbiniekus.
Vienīgā prasība ir, lai darbinieki dzird un rakstītu, tāpēc pat kā grupai viņi maksā mazāk nekā stenogrāfs, un viņiem nav nepieciešams brīdināt vairākas dienas, viņš atzīmē. Tas varētu būt ļoti noderīgs nedzirdīgam studentam, kurš, teiksim, vēlas apmeklēt jaunu tiešsaistes nodarbību, kurai nav pievienoti paraksti.
Bighems (skatiet sadaļu Inovatori, kas jaunāki par 35 gadiem, 2009: Džefrijs Bighems) un viņa kolēģis Ročesteras Universitātē Valters Laseckis ir pārbaudījuši Scribe ar strādniekiem, kurus viņi atrada, izmantojot Amazon's Mechanical Turk, kur cilvēki reģistrējas vienkāršu uzdevumu veikšanai. Bigham komanda šiem strādniekiem maksāja vismaz 6 USD stundā. Komanda arī nolīga bakalaura darba studiju studentus par USD 10 stundā. Šķiet, ka abu grupu cilvēku pūļa darbs ir tikai nedaudz mazāk precīzs nekā profesionāla stenogrāfa darbs, saka Bighems. Un dažos gadījumos apvienotie darbinieki precīzāk pārrakstīja žargona terminus, kurus viens profesionāls mašīnrakstītājs varētu nepareizi dzirdēt.
Viņš saka, ka tas, ko Scribe sāk parādīt, ir spēja strādāt kopā kā daļai no pūļa, lai veiktu ļoti sarežģītus uzdevumus labāk nekā cilvēks viens pats.
Bigham tagad izstrādā Scribe par lietotni, kas, viņaprāt, varētu palīdzēt nedzirdīgiem cilvēkiem ātri apkopot atšifrējumus. Lai atbalstītu lielu skaitu lietotāju, viņš arī apsver iespēju licencēt tehnoloģiju vai izveidot jaunuzņēmumu.
Tā nav pirmā reize, kad kāds iedomājas izmantot lētu, ar datoru saskaņotu cilvēku darbaspēku, lai nostiprinātu tradicionālās mākslīgā intelekta programmu vai citas programmatūras nepilnības. Twitter pieņem darbā cilvēkus Mechanical Turk lai palīdzētu meklētājprogrammai klasificēt aktuālas tēmas, kas pēkšņi sāk kļūt aktuālas. Bigham ir arī izveidojis kolektīvu personīgās palīdzības sistēmu ar nosaukumu Chorus (skatiet Artificial Intelligence, Powered by Many Humans), kas varētu būt gudrāka par Siri, bet lētāka nekā jebkurš individuāls stundas darbinieks.
Tas nenozīmē, ka cilvēku darbs vienmēr pārsniegs automatizētās sistēmas runas pārrakstīšanā. Aditya Parameswaran, pētniece Stenfordas Universitātē, kas strādā arī ar cilvēka atbalstītām skaitļošanas metodēm, saka, ka, pilnveidojoties mācīšanās algoritmiem, tādas pūļa piesaistes metodes būs noderīgas galvenokārt datoru precizitātes palielināšanai, nevis cilvēkiem. strādāt.