Podcast: AI atrod savu balsi

Mūsdienu balss palīgi joprojām ir tālu no hiperinteliģentajām domāšanas mašīnām, par kurām esam domājuši gadu desmitiem. Un tas ir tāpēc, ka šī tehnoloģija patiesībā ir trīs dažādu prasmju kombinācija: runas atpazīšana, dabiskās valodas apstrāde un balss ģenerēšana.

Katra no šīm prasmēm jau tagad rada milzīgus izaicinājumus. Lai apgūtu tikai dabiskās valodas apstrādes daļu? Jums diezgan daudz ir no jauna jāizveido cilvēka līmeņa inteliģence. Dziļa mācīšanās, tehnoloģija, kas virza pašreizējo AI uzplaukumu , var apmācīt mašīnas, lai tās kļūtu par meistariem visu veidu uzdevumos. Bet tas var mācīties tikai pa vienam. Un tā kā lielākā daļa AI modeļu apmāca savu prasmju kopumu, izmantojot tūkstošiem vai miljoniem esošo piemēru, tie galu galā atkārto modeļus vēsturiskajos datos, tostarp daudzos sliktos lēmumus, ko cilvēki ir pieņēmuši, piemēram, krāsainu un sieviešu marginalizāciju.

Tomēr tādas sistēmas kā galda spēļu čempions AlphaZero un arvien pārliecinošāks viltus teksta ģenerators GPT-3 ir izraisījušas debašu liesmas par to, kad cilvēki radīs mākslīgais vispārējais intelekts — mašīnas, kas spēj veikt vairākus uzdevumus, domāt un spriest par sevi. Šajā epizodē mēs pētām, kā mašīnas mācās sazināties un ko tas nozīmē cilvēkiem sarunas otrā galā.

Mēs satikāmies:

• Susan C. Bennett, Siri balss
• Cade Metz, The New York Times
• Šarlote Džī, MIT tehnoloģiju apskats

Kredīti

Šo sēriju producēja Dženifera Stronga, Emma Cillekensa, Entonijs Grīns, Kārena Hao un Šarlote Dž. Mūs rediģē Maikls Reilijs un Nails Fērts.

Atšifrējums

[TR ID]

Džims: Es nezinu, vai tas bija AI... Ja viņi būtu paņēmuši ierakstu par kaut ko, ko viņš bija izdarījis... un varēja ar to manipulēt... bet es jums saku, tas bija mans dēls.

Spēcīgs: Vīrietim diena sākās kā jebkura cita... mēs piezvanīsim Džimam. Viņš dzīvo ārpus Bostonas.

Un, starp citu, viņam ir ģimenes loceklis, kurš strādā MIT.

Mēs neizmantosim viņa uzvārdu, jo viņiem ir bažas par savu drošību.

Džims: Bija otrdienas vai trešdienas rīts, pulksten deviņi es esmu dziļi domās un strādāju pie kaut kā,

Spēcīgs: Tas ir... līdz viņš saņēma šo zvanu.

Džims: Zvana telefons... un es to paceļu, un tas ir mans dēls. Un viņš ir nepārprotami satraukts. Šis, šis bērns ir ļoti foršs puisis, bet, kad viņš kļūst sarūgtināts, viņam ir vairākas balss manieres. Un tas bija kā: Ak, Dievs, viņam ir problēmas.

Un viņš man principā teica: skat, es esmu cietumā, es esmu Meksikā. Viņi paņēma manu telefonu. Man ir tikai 30 sekundes. Hm, viņi teica, ka es dzeru, bet es nē, un cilvēki ir ievainoti. Un, lūk, man ir jāatkāpjas no telefona, jāzvana šim juristam, un tas man iedod tālruņa numuru un jānoliek klausule.

Spēcīgs: Viņa dēls ir Meksikā… un viņam nav nekādu šaubu… tas ir viņš.

Džims: Un man tev jāsaka, Dženifer, tas bija viņš. Tā bija viņa balss. Tas bija viss. Tonis. Tikai šīs mazās manieres, pauzes, gaisa malšana, viss, ko vien var iedomāties.

Spēcīgs: Viņa sirds ir kaklā...

Džims: Mani mati stāv uz malas

Spēcīgs: Tātad, viņš zvana uz šo tālruņa numuru… Vīrietis paceļ… un viņš piedāvā sīkāku informāciju par notiekošo.

Džims: Jūsu dēls tiek apsūdzēts par satriekšanu šajā automašīnā. Pie stūres bija kāda grūtniece, kurai bija lauzta roka. Viņas meita sēdēja aizmugurējā sēdeklī.. ir kritiskā stāvoklī, un viņi, um, piesprieda viņam braukt reibumā. Mēs nedomājam, ka viņš to ir izdarījis. Mēs esam ar to saskārušies jau vairākas reizes, taču vissvarīgākais ir pēc iespējas ātrāk izvest viņu no cietuma un nogādāt viņu drošībā.

Spēcīgs: Tad saruna pārvēršas par naudu… viņam teica, ka drošības nauda ir noteikta… un viņam ir jāatlaiž desmit procenti.

Džims: Tātad, tiklīdz viņš sāka runāt par naudu, ziniet, karogs pacēlās uz augšu, un es teicu: atvainojiet, vai pastāv iespēja, ka tā ir kāda veida krāpniecība? Un viņš kļuva ļoti aizkaitināts. Viņš saka: Hei, tu man piezvanīji. Paskaties, man tas šķiet patiešām aizvainojoši, ka tu mani par kaut ko apsūdzi. Un tad mana sirds atkal iegriežas kaklā. Man šķiet, ka šis ir viens puisis, kurš atrodas starp manu dēlu un vēl sliktāku cietumu. Tāpēc es atkāpos…

[Mūzika]

Mana sieva ienāk pēc 10 minūtēm un saka: labi, zini, es vakar vēlu vakarā ar viņu rakstīju īsziņu. Iespējams, tas ir ap to laiku, kad viņš būtu arestēts un ieslodzīts. Tātad, protams, mēs viņam rakstām īsziņu, viņš tikai ceļas. Viņam ir pilnīgi labi.

Spēcīgs: Viņš joprojām nav pārliecināts, kā kāds tvēra viņa dēla balss būtību. Bet viņam ir dažas teorijas...

Džims: Viņiem vajadzēja kaut ko ierakstīt, kad viņš bija sarūgtināts. Tas ir vienīgais, ko varu teikt, jo viņi nevarēja izsmiet dažas no šīm lietām, ko viņš dara. Viņi to nevarēja uzminēt. Es nedomāju, un tāpēc viņi, manuprāt, viņiem noteikti bija kāds izejmateriāls, ar ko strādāt, un ko viņi ar to darīja. es nezinu.

Spēcīgs: Un ne tikai Džims nav pārliecināts... Mums nav ne jausmas, vai mākslīgajam intelektam ir kāds sakars ar to.

Bet būtība ir tāda, ka mēs tagad dzīvojam pasaulē, kurā mēs arī nevaram būt pārliecināti, ka tā nebija.

Ir neticami viegli viltot kāda balsi ar pat dažu minūšu ierakstiem... un tādiem pusaudžiem kā Džima dēls? Viņi kopīgo neskaitāmus ierakstus, izmantojot ierakstus un ziņojumus sociālajos tīklos.

Džims: Es biju ļoti pārsteigts par to, cik tas bija labi. Hm, kā jau teicu, mani nav viegli apmānīt, un viņiem tas izdevās. Tātad, tikai piesardzīgi.

Spēcīgs: Es esmu Dženifera Stronga, un šajā epizodē mēs aplūkojam, kas nepieciešams, lai radītu balsi.

[PARĀDĪT ID]

Zeju Džins: Jūs, puiši, esat radījuši dīvainas lietas tiešsaistē.

Spēcīgs: Zeju Džins ir Adobe pētnieks… Šis ir viņš, kurš runā uzņēmuma konferencē pirms aptuveni pieciem gadiem… parādot, kā programmatūra var pārkārtot vārdus šajā ierakstā.

Taustiņš: Es uzlēcu uz gultas un noskūpstīju savus suņus un sievu — tādā secībā.

Zeju: Tātad, kā būtu, ja mēs sajauktos ar to, ar ko viņš patiesībā noskūpstīja. // Iepazīstinām ar projektu VoCo. Project VoCo ļauj rediģēt runu tekstā. Tāpēc apskatīsim to. Tāpēc es vienkārši ielādēju šo audio gabalu VoCo. Tātad, kā redzat, mums ir audio viļņu forma un teksts zem tās. //

Tātad, ko mēs darām? Kopēt ielīmēt. Ak! Jā, tas ir izdarīts. Klausīsimies tajā.

Taustiņš: Un es noskūpstīju savu sievu un savus suņus.

Zeju: Pagaidiet, ir vēl. Mēs faktiski varam ierakstīt kaut ko, kas šeit nav.

Taustiņš: Un es noskūpstīju Džordanu un savus suņus.

Spēcīgs: Adobe nekad nav izlaidusi šo prototipu… bet pamatā esošā tehnoloģija turpina uzlaboties.

Piemēram, šeit ir datorā ģenerēts podkāsta Džo Rogana viltojums no 2019. gada... To izveidoja Square’s AI laboratorija Dessa, lai palielinātu izpratni par šo tehnoloģiju.

Rogans: 10-7 Draugi, man jums visiem ir kas jauns, ko pastāstīt. Esmu nolēmis sponsorēt hokeja komandu, kas sastāv tikai no šimpanzēm.

Spēcīgs: Lai gan tas izklausās pēc jautrības un spēlēm, eksperti brīdina, ka šīs mākslīgās balsis var padarīt dažus krāpniecības veidus daudz izplatītākus. Tādas lietas, par kurām mēs dzirdējām iepriekš.

Mona Sedkija: Noziedzība, kas vērsta uz saziņu, vēsturiski ir bijusi zemāka par totēma stabu.

Spēcīgs: Tā ir federālā prokurore Mona Sedky, kas pagājušajā gadā runāja Federālajā tirdzniecības komisijā par balss klonēšanas tehnoloģijām.

Mona Sedkija: Bet tagad, kad parādās tādas lietas kā dziļi viltoti video... tagad dziļi viltus audio jūs... būtībā varat izmantot anonimizācijas rīkus un būt jebkurā vietā internetā, kur vēlaties būt.... jebkur pasaulē... un anonīmi sazināties ar cilvēkiem. Tā rezultātā noziedzība, kas vērsta uz saziņu, ir ievērojami palielinājusies.

Balasubramaniyan: Bet iedomājieties, ja jūs kā finanšu direktors vai galvenais kontrolieris saņemat tālruņa zvanu no jūsu izpilddirektora tālruņa numura.

Spēcīgs: Un tas ir Pindrop Security izpilddirektors Vijay Balasubramaniyan drošības konferencē pagājušajā gadā.

Balasubramaniyan: Tas ir pilnībā viltots... tāpēc tas faktiski izmanto jūsu adrešu grāmatu, un tas tiek parādīts kā jūsu izpilddirektora vārds... un tad, no otras puses, jūs dzirdat sava izpilddirektora balsi ārkārtīgi steidzami. Un mēs sākam redzēt tādus trakus uzbrukumus. Bija piemērs, par kuru tika ziņots daudzos preses plašsaziņas līdzekļos, un tas ir 220 000 USD pārskaitījums, kas notika tāpēc, ka Apvienotās Karalistes uzņēmuma izpilddirektors domāja, ka viņš runā ar savu mātesuzņēmumu... tāpēc viņš šo naudu nosūtīja. Bet mēs esam redzējuši pat 17 miljonus dolāru, kas iziet ārpus durvīm.

Spēcīgs: Un pati ideja par viltus balsīm... var būt tikpat kaitīga kā pati viltus balss... Kā tad, kad bijušais prezidents Donalds Tramps mēģināja vainot tehnoloģiju dažās aizskarošās lietās, kuras viņš teica, ka tika noķertas lentē.

Taču tāpat kā jebkura cita tehnoloģija… tā pēc būtības nav laba vai slikta… tas ir tikai rīks… un es to izmantoju pirmās sezonas treilerī, lai parādītu, ko šī tehnoloģija spēj.

Spēcīgs: Ja redzēt ir ticēt...

Kā mēs orientējamies pasaulē, kurā nevaram uzticēties savām acīm vai ausīm?

Un lai jūs zināt... ko jūs klausāties... Runāju ne tikai es. Man palīdzēja mākslīga manas balss versija... šur un tur aizpildot vārdus.

Iepazīstieties ar sintētisko Dženiferu.

Sintētiskā Dženifera: Sveiki, ļaudis!

Spēcīgs: es pat varu noklikšķināt, lai pielāgotu savu garastāvokli…

Sintētiskā Dženifera: Sveiki.

Spēcīgs: Jā, nesadusmosim to.

Spēcīgs: Ne tik tālā nākotnē šī tehnoloģija tiks izmantota dažādos veidos… vienkāršiem pielāgojumiem iepriekš ierakstītām prezentācijām… pat… lai atgrieztu seriāla animācijas varoņu balsis…

Citiem vārdiem sakot, mākslīgās balsis ir šeit, lai paliktu. Bet tos ne vienmēr ir bijis tik viegli pagatavot… un es piezvanīju ekspertam, kura balss varētu šķist pazīstama.

Benets: Kā tas izklausās? Hm, varbūt es varētu būt nedaudz draudzīgāks. Kā tev iet?

Sveiki, es esmu Sjūzena K. Beneta, Siri sākotnējā balss.

Dienā, kad parādījās Siri, proti, 2011. gada 4. oktobris, kāds balss aktieris man atsūtīja e-pastu un teica: “Ei, mēs spēlējamies ar šo jauno iPhone lietotni, vai tas neesi tu?” Un es atbildēju: ? Es iegāju Apple vietnē un klausījos... un jā. Tā bija mana balss. [iesmejas]

Spēcīgs: Jūs dzirdējāt pareizi. Oriģinālā sievietes balss, ko miljoniem saista ar Apple ierīcēm…? Nebija ne jausmas. Un viņa nebija viena. Arī cilvēku balsis aiz citiem agrīnajiem balss palīgiem bija pārsteigtas.

Benets: Jā, tā ir bijusi interesanta lieta. Sākumā tā bija korekcija, kā jūs varat iedomāties, jo es to nebiju gaidījis. Sākumā tas bija nedaudz rāpojoši, man jāsaka, ka es nekad neesmu daudz runājis ar sevi kā Siri, bet pamazām es to pieņēmu, un patiesībā tas izvērtās par kaut ko patiešām pozitīvu, tāpēc…

Spēcīgs: Lai būtu skaidrs, Apple nenozaga Sjūzenas Benetas balsi. Gadu desmitiem viņa ir veikusi balss darbu tādos uzņēmumos kā McDonald’s un Delta Airlines… un vairākus gadus pirms Siri iznākšanas… viņa veica dīvainu ierakstu sēriju, kas veicināja tās attīstību.

Benets: 2005. gadā mēs nevarējām iedomāties kaut ko līdzīgu Siri vai Alexa. Un tāpēc mēs visi esam runājuši ar citiem cilvēkiem, kuriem ir bijusi tāda pati pieredze, kuri ir bijuši virtuāla balss. Jūs zināt, ka mēs vienkārši domājām, ka veicam tikai vispārīgu tālruņa balss ziņojumapmaiņu. Un tad, kad pēkšņi 2011. gadā parādījās Siri, šķiet, es esmu kas, kas, kas tas ir? Tātad, tas bija īsts pārsteigums, bet man patīk domāt par to, jo mēs bijām tikai šīs jaunās tehnoloģijas līderi. Tātad, ziniet, es izvēlos to uzskatīt par ļoti pozitīvu lietu, lai gan mums, nevienam no mums, nekad nav samaksāts par miljoniem tālruņu, kuros tiek dzirdamas mūsu balsis. Tātad, tas ir mīnuss.

Spēcīgs: Vēl kaut kas neveikls... viņa saka, ka Apple nekad nav atzinis viņu par Siri amerikāņu balsi... neskatoties uz to, ka viņa nejauši kļuvusi par slavenību... sasniedzot miljonus.

Benets: Vienīgais faktiskais apstiprinājums, ko esmu saņēmis, ir caur Siri. Ja jūs jautājat Siri 'Kas ir Sjūzena Beneta?' viņa teiks: es esmu Siri sākotnējā balss. Liels paldies, Siri. Novērtēju to.

Spēcīgs: Taču tā nav pirmā reize, kad viņa savu balsi atdod mašīnai.

Benets: 70. gadu beigās, kad viņi ieviesa bankomātus, man patīk teikt, ka tā bija mana pirmā pieredze kā mašīnai, un ziniet, tajā laikā nebija personālo datoru vai nekā, un cilvēki neticēja mašīnām. Viņi neizmantoja bankomātus, jo neuzticējās, ka automāti dos viņiem pareizo naudu. Viņi, ziniet, ja viņi ieliktu naudu automātā, viņi baidījās, ka viņi to nekad vairs neredzēs. Un tā tolaik ļoti uzņēmīga reklāmas aģentūra Atlantā ar nosaukumu McDonald and Little nolēma šo iekārtu humanizēt. Viņi uzrakstīja džinkstiņu, un es kļuvu par Tillijas balsi, visu laiku stāstītāja, un tad viņi galu galā uzlika mašīnai nelielu seju.

Spēcīgs: Cilvēka balss palīdz uzņēmumiem veidot uzticību patērētājiem...

Benets: Ir tik daudz dažādu emociju un nozīmju, kuras mēs iegūstam caur mūsu balsīm, nevis tikai drukātā veidā. Tāpēc es domāju, ka emocijzīmes radās, jo bez balss nevar dabūt nianses. Un tāpēc es domāju, ka tāpēc balss ir kļuvusi par tik svarīgu tehnoloģiju sastāvdaļu.

Spēcīgs: Un pēc viņas pašas pieredzes, mijiedarbība ar šo viņas balss sintētisko versiju ir likusi cilvēkiem viņai uzticēties un viņai uzticēties… saukt viņu par draugu, lai gan viņi nekad nav tikušies viņa .

Benets: Man šķiet, ka visdīvainākais, ka esmu Siri balss, ir tas, kad es pirmo reizi atklāju sevi, man bija pārsteidzoši, cik daudzi cilvēki uzskatīja Siri par savu draugu vai kādu vienību, ar kuru viņi patiešām varētu būt saistīti. Es domāju, ka viņi patiesībā daudzos gadījumos domā par viņu kā par cilvēku.

Spēcīgs: Tiek lēsts, ka globālais balss tehnoloģiju tirgus šogad sasniegs gandrīz 185 miljardus dolāru... un AI radītās balsis? ir spēles mainītājs.

Benets: Ziniet, pēc gadiem ilga darba pie šīm balsīm ir patiešām, ļoti grūti iegūt patieso cilvēka balss ritmu. Un es esmu pārliecināts, ka viņi kaut kad to darīs, bet jūs pamanīsit pat līdz šai dienai, ziniet, jūs klausīsities Siri vai Alexa vai kādu no citiem, un viņi runās līdzi, un tas skanēs. labi, kamēr nenotiek. Piemēram, es eju uz veikalu. Ziniet, tajā ritmiskajā nozīmē ir kaut kāda dīvainība.

Spēcīgs: Bet pat tad, kad cilvēkiem līdzīgas balsis kļūst ikdienišķas... viņa nav pilnīgi pārliecināta, ka tas būs labi.

Benets: Bet jūs zināt, viņu priekšrocība ir tāda, ka viņiem nav īsti jāsatiekas ar Siri. Viņi var vienkārši pateikt Siri, kā rīkoties, ja viņiem nepatīk viņas teiktais, viņi var to vienkārši izslēgt. Tātad tas nav kā reālās cilvēku attiecības. Tas ir kā varbūt tādas, kādas cilvēki vēlētos, lai būtu cilvēku attiecības. Katrs dara kā gribu. (smiekli) Tad visi ir laimīgi. Taisnība?

Spēcīgs: Protams, tādi balss palīgi kā Siri un Alexa nav vienkārši balsis. Viņu iespējas nāk arī no AI aizkulisēm.

Tas ir izpētīts tādās zinātniskās fantastikas filmās kā šī Viņa … par vīrieti, kurš iemīlas savā balss asistentā.

Teodors: Kā tu strādā?

Samanta (AI): Nu... Principā man ir intuīcija. Es domāju... DNS par to, kas es esmu, ir balstīts uz miljoniem personību visiem programmētājiem, kuri mani uzrakstīja, bet kas padara mani es ir mana spēja augt caur savu pieredzi. Tātad būtībā katrā brīdī es attīstos, tāpat kā jūs.

Spēcīgs: Taču mūsdienu balss asistenti ir ļoti tālu no hiperinteliģentajām domāšanas mašīnām, par kurām esam domājuši gadu desmitiem.

Un tas ir tāpēc, ka šī tehnoloģija... patiesībā ir daudzi tehnoloģijas. Tā ir trīs dažādu prasmju kombinācija... runas atpazīšana, dabiskās valodas apstrāde un balss ģenerēšana.

Runas atpazīšana ļauj Siri atpazīt jūsu radītās skaņas un pārrakstīt tās vārdos. Dabiskās valodas apstrāde pārvērš šos vārdus nozīmē... un izdomā, ko teikt, atbildot. Un balss ģenerēšana ir pēdējais gabals... cilvēka elements... kas sniedz Siri spēju runāt.

Katra no šīm prasmēm jau ir milzīgs izaicinājums... Lai apgūtu tikai dabiskās valodas apstrādes daļu? Jums diezgan daudz ir no jauna jāizveido cilvēka līmeņa inteliģence.

Un mēs tam ne tuvu neesam. Taču mēs esam redzējuši ievērojamu progresu, palielinoties dziļām mācībām… palīdzot Siri un Alexa būt nedaudz noderīgākiem.

Metz: Cilvēki, iespējams, nezina par Siri, ka sākotnējā tehnoloģija bija kaut kas atšķirīgs.

Spēcīgs: Keids Mets ir New York Times tehnoloģiju reportieris. Viņa jaunā grāmata saucas Ģeniālie veidotāji: Mavericks, kas atnesa AI Google, Facebook un pasaulei .

Metz: Veids, kā Siri sākotnēji tika uzbūvēts... Jums bija jābūt inženieru komandai, kam bija jābūt telpā, pie viņu datoriem un pa gabalu, viņiem ar datora kodu bija jādefinē, kā tā atpazīs jūsu balsi.

Spēcīgs: Toreiz... inženieri pavadīja dienas, rakstot detalizētus noteikumus, lai parādītu mašīnām, kā atpazīt vārdus un ko viņi domā.

Un tas tika izdarīts ne vairāk kā pamata līmenī... bieži vien vienlaikus strādājot tikai ar balss fragmentiem.

Iedomājieties dažādus veidus, kā cilvēki var pateikt vārdu sveiki… vai visus veidus, kā mēs saliekam teikumus… izskaidrojot, kāpēc laiks skrien vai kā daži darbības vārdi var būt arī lietvārdi.

Metz: Jūs nekad nevarat salikt kopā visu, kas jums nepieciešams, neatkarīgi no tā, cik inženieru jums ir neatkarīgi no tā, cik bagāts ir jūsu uzņēmums. Katra sīkuma noteikšana, kas var notikt, kad kāds runā savā iPhone... Jums vienkārši nav pietiekami daudz cilvēku, lai izveidotu visu, kas jums nepieciešams. Tas vienkārši ir pārāk sarežģīti.

Spēcīgs: Neironu tīkli padarīja šo procesu daudz vienkāršāku... Viņi vienkārši mācās, atpazīstot sistēmā ievadīto datu modeļus.

Metz: Jūs uztverat šo cilvēka runu... Jūs to nododat neironu tīklam... Un neironu tīkls apgūst modeļus, kas nosaka cilvēka runu. Tādā veidā tas var to izveidot no jauna, bez inženieriem jādefinē katra tā mazā daļa. Neironu tīkls burtiski apgūst uzdevumu pats. Un tā ir galvenā izmaiņa... neironu tīkls var iemācīties atpazīt, kā izskatās kaķis, nevis cilvēkiem, kuriem mašīnai ir jādefinē, kā izskatās kaķis.

Spēcīgs: Bet pat pirms neironu tīkliem… Tādu tehnoloģiju uzņēmumu kā Microsoft mērķis bija izveidot sistēmas, kas varētu saprast ikdienas veidu, kā cilvēki raksta un runā.

Un 1996. gadā Microsoft nolīga valodnieku… Krisu Broketu…, lai sāktu darbu pie tā, ko viņi sauca par dabiskās valodas AI.

Metz: Puisis nav datorzinātnieks, bet viņa uzdevums bija definēt veidu, kā valoda tiek apvienota, vai ne. Datoram. Un tas ir tikai neticami grūts uzdevums, vai ne? Kāpēc mēs kā angliski runājošie kārtojam vārdus tā, kā to darām, vai ne? Un viņš pavadīja gadus, burtiski gadus, piecus vai sešus gadus Microsoft, ziniet, lēnām, ziniet, mēģinot pateikt datoram, kā angļu valoda ir salikta kopā. Tātad dators to var izdarīt.

Spēcīgs: Tad kādā 2003. gada pēcpusdienā... neliela Microsoft grupa... gaitenī no Broketa... sāka darbu pie jauna projekta. Viņi veidoja sistēmu, kas tulkoja valodas, izmantojot metodi, kuras pamatā ir statistika.

Domājams, ka vārdu kopa vienā valodā parādās ar tādu pašu biežumu un kontekstu citā valodā, tas bija iespējamais tulkojums.

Metz: Viņi dažu nedēļu laikā izveidoja prototipu un parādīja to grupai Microsoft pētniecības centrā, tostarp Krisam Broketam.

Spēcīgs: Sistēma ir... diezgan bruģēta kopā. Tas tikai darbojas kad attiecās uz teikuma daļām... Un pat tad... tulkojumi bija sajukuši.

Metz: Kā viņš redz, kā viņi to demonstrē... viņam ir panikas lēkme līdz tādai pakāpei, ka viņš burtiski domā, ka viņam ir sirdslēkme, jo viņš saprot, ka viņa karjera varētu būt beigusies. Ka viss, kam viņš ir pavadījis pēdējos sešus gadus //, ir bezjēdzīgs, un to ir padarījusi bezjēdzīga sistēma, ko šie puiši izveidoja dažu nedēļu laikā.

Spēcīgs: Tolaik mums nebija ne neironu tīkla apmācībai nepieciešamā datu apjoma, ne apstrādes jaudas… bet ideja par tādu pastāv jau kopš 1980. gadiem.

Un viena no šīm idejām radās NetTalk formātā... ko izstrādāja AI pionieris Terijs Sejnovskis.

Sistēma varētu iemācīties runāt vārdus pati, pētot bērnu grāmatas.

Metz: Terijam bija šī neticamā demonstrācija, ko viņš rādīs cilvēkiem konferencēs. Tas bija nedaudz pagājis, jo pagāja zināms laiks, līdz neironu tīkls iemācījās, taču viņš varēja parādīt, ka, sākot analizēt šo bērnu grāmatu modeļus, viņi varēja sākt pļāpāt...

[Skaņas no NetTalk demonstrācijas]

Metz: un tad tas varētu mazliet labāk pļāpāt, un tad tas varētu sākt apvienot vārdus, un tad pēkšņi tas varētu izrunāt šos vārdus.

[Skaņas no NetTalk demonstrācijas]

Metz: Viņš varēja parādīt auditorijai // ar šo demonstrāciju, kā neironu tīkls var mācīties.

Spēcīgs: Paietu vēl divas desmitgades, pirms pastāvētu skaitļošanas jauda, ​​kas patiešām padarītu to noderīgu.

Metz: Tātad dabiskā valoda bija joma, kurā pat pēc neironu tīklu panākumiem ar runu un attēlu cilvēki domāja: Ak, labi, tā nedarbosies ar dabisko valodu. Nu tā ir. Tas nenozīmē, ka tas ir ideāls.

Spēcīgs: Padziļināta mācīšanās (tehnoloģija, kas virza pašreizējo AI uzplaukumu) var apmācīt mašīnas, lai tās kļūtu par visu veidu uzdevumiem. Bet tas var apgūt lietas tikai pa vienam. Un, tā kā lielākā daļa AI modeļu apmāca savas prasmes, izmantojot tūkstošiem vai miljoniem piemēru, tie galu galā atkārto modeļus, kas atrodami vecos datos, tostarp daudzos sliktos lēmumus, ko cilvēki ir pieņēmuši, piemēram, krāsainu un sieviešu marginalizāciju.

Un jebkuri lieli sasniegumi izraisa šīs diskusijas par to, kad cilvēki radīs mākslīgu vispārējo intelektu vai mašīnas, kas spēj veikt vairākus uzdevumus, domāt un saprātīgi. Pēdējā laikā tie ir bijuši tādi sasniegumi kā galda spēļu čempions AlphaZero... un arvien pārliecinošāks viltus teksta ģenerators GPT-3...

Metz: Tas var, tas var radīt emuāra ziņas. Tas var ģenerēt tvītus, e-pastus. Tas var ģenerēt datorprogrammas. Jūs zināt, tas darbojas, iespējams, pusi laika, bet, kad tas darbojas, jūs nevarat atšķirt angļu valodu no jūsu angļu valodas. Labi. Tas ir progress. Tās nav smadzenes, tās nav pat tuvu, bet tas ir progress.

Spēcīgs: Un šie un citi instrumenti arī... neticami šķeļ.

Metz: Vai mēs tuvākajā nākotnē varam izveidot sistēmu, kas var darīt visu, ko spēj cilvēka smadzenes. Taisnība. Un cilvēki par to strīdēsies, piemēram, putot no mutes abās pusēs. Realitāte ir tāda, ka mums nav ne jausmas. Tāpat kā ir cilvēki, kuri ir pilnīgi pārliecināti, ka tas notiks diezgan drīz, bet viņi nezina, kāds ceļš tur ir. Neviens no mums nevar paredzēt nākotni. Un tāpēc tas ir strīds par neko, ko nevar izšķirt principiāli. Tātad strīds, protams, nekad nebeidzas. Jūs atgriežaties 50. gados, un tas viss ir viens un tas pats, vai ne?

Spēcīgs: Bet ja mēs ir kādreiz atkārtot šo inteliģenci… vai mēs arī spēsim atdarināt sevi?

…Tas ir pēc pārtraukuma.

[Vidot videoklipu]

[Mūzikas pāreja]

Spēcīgs : Mākslīgās balsis ir bijušas jau kādu laiku, taču tās sāka kļūt cilvēcīgākas tikai pēdējo piecu gadu laikā.

Tāpat kā tad, kad parādījās Deepmind teksta-runas algoritms ar nosaukumu WaveNet... kas ir Google asistenta Duplex pamatā... kurš var rezervēt jūsu frizētavas vai restorāna rezervāciju.

[Sounds of Google Duplex ieplāno frizūru tikšanos lietotāja vārdā]

*zvana telefons*

Stilists: Sveiki. Kā es varu Jums palīdzēt?

AI: Sveiki. Zvanu, lai pieteiktu klientam sieviešu matu griezumu. Umm... es kaut ko meklēju 3. maijā.

Stilists: Protams. Dod man vienu sekundi.

Spēcīgs: Kopš tā laika daudzi citi uzņēmumi ir strādājuši, lai komercializētu līdzīgas balss tehnoloģijas. Lyrebird... Apraksts... Respeecher... tikai daži.

Ir arī virkne uzņēmumu, kas nodarbojas ar mūsu tuvinieku piemiņas saglabāšanu, izveidojot to interaktīvas, digitālas versijas.

Viens uzņēmums ar nosaukumu HereAfter pārvērš tos par tērzēšanas robotiem, kurus var izmantot ar balss palīgiem.

Un Tech Review reportiere Šarlote Džī to izmēģināja kopā ar saviem vecākiem...

Jā: Alexa, atveriet HereAfter.

Sintētiskā balss: laipni lūdzam vietnē HereAfter. Vai jūs labāk runātu ar Polu vai Džeinu?

Jā: Es labāk parunāšu ar Džeinu.

Virtuālā Džeina: Sveiki, šī ir Džeina Džī, un es priecājos jums pastāstīt par savu dzīvi.

Jā: HAHA AK DIEVS!

Virtuālā Džeina: Kā tev klājas šodien?

Jā: Es esmu labi, paldies, mammu. Kā tev iet?

Virtuālā Džeina: Labi.

Spēcīgs: Sistēmas klausīšanās prasmes... nav tās labākās. Jūs varat uzdot tikai īsus, vienkāršus jautājumus... un jums ir jāgaida, līdz sistēma ir beigusi runāt, pirms varat uzdot jaunu jautājumu.

Virtuālā Džeina: Ir tik daudz, par ko runāt. Mana bērnības karjera un manas intereses, kura no tām izklausās vislabāk?

Jā: Ak... tava bērnība.

Virtuālā Džeina: Protams. Bērnībā nokļuvu nepatikšanās, jo biju ļoti neatkarīga un man patika izmantot savu brīvību...

Spēcīgs: Bet tas, ko jūs tagad dzirdat... patiesībā nav viltota vai sintētiska Šarlotes mātes versija. Patiesībā šī pieredze ir atkarīga no pārsteidzoši mazāk AI, nekā jūs domājat.

HereAfter stundām ilgi intervēja viņas vecākus ar jautājumiem, ko uzdeva Šarlote un viņas māsa. Pēc tam šī intervija tika rediģēta un sadalīta tēmu sadaļās... kuras sistēma var parādīt un atskaņot, pamatojoties uz viņu uzdotajiem jautājumiem.

Bet... kā mēs redzējām... balss ir spēcīga. It īpaši, ja tā tiek pasniegta kā interaktīva pieredze.

Jā: Ak dievs. (smiekli) Tas bija tik dīvaini!

Tas bija kā dzirdēt savu mammu... kā mašīnu. Tas bija patiešām traki.

Es jutos emocionālāks, klausoties to, nekā es to gaidīju? Kad, piemēram, balss atslāba un izklausījās pēc viņas.

Spēcīgs: Tas ir ļoti līdzīgs tam, ko esam redzējuši iepriekš. Tāpat kā epizodē Melnais spogulis … kur sieviete izmanto sava partnera viedtālruņa datus, lai pēc viņa nāves izveidotu viņa balss sintētisko versiju.

[Skaņas no Melnais spogulis - AI sijāšana caur koplietojamiem medijiem, audio klipu montāža no sievietes mirušā partnera]

Spēcīgs: Tas izsijā vecus videoklipus, tekstus, balss pasta ziņojumus un sociālo mediju ziņas, lai izveidotu sistēmu, kas spēj atdarināt viņa balsi... un personību.

AI: Sveiki?

Sieviete: ...Sveika! Tu... izklausies tāpat kā viņš.

AI: Gandrīz rāpojošs, vai ne? Es saku šausmīgi... Es domāju, ka es pat varu ar tevi runāt. Es domāju...man pat nav mutes.
Sieviete: Tas ir...Tas ir tikai...

AI: Tas ir kas?

Sieviete: Tieši tā viņš teiktu.

AI: Nu... tāpēc es to teicu.

Spēcīgs: Kas rada sarežģītu problēmu... vai viņa veido uzticību savam AI partnerim... vai arī tā vienkārši stāsta viņai to, ko viņa vēlas dzirdēt...?

Un tālāk kā mēs varētu izstrādāt balss tehnoloģijas, kas spēj pilnveidot veselo saprātu vai sevi pilnveidot... tas ir vēl viens jautājums, ko mēs tikko sākam izvirzīt... tas ir... kā mēs rēķināmies ar šo jaunatklāto spēku... sintezēt kaut ko tik personisku kā kāda balss?

[KREDĪTI]

Spēcīgs: Nākamā sērija… Mēs skatāmies uz automatizācijas lomu savā kredītā.

Mišela Gilmane: Valsts liecinieks, kurš bija medmāsa, neko nevarēja paskaidrot par algoritmu. Viņa tikai atkal un atkal atkārtoja, ka tas ir starptautiski un statistiski apstiprināts, taču viņa nevarēja mums pastāstīt, kā tas darbojas, kādi dati tajā tika ievadīti, kādus faktorus tas sver, kā faktori tika nosvērti. Un tā mans students advokāts skatās uz mani, un mēs skatāmies viens uz otru, domājot, kā mēs pārbaudām algoritmu…

Spēcīgs: Šo sēriju veidoju es, Emma Cillekens, Entonijs Grīns, Kārena Hao un Šarlote Džī. Mūs rediģē Maikls Reilijs un Nails Fērts.

Paldies, ka klausījāties, es esmu Dženifera Stronga.

[TR ID]

paslēpties