Яриа танихад хиймэл оюун ухаан ба машин сургалтын үүрэг

Яриа танихад хиймэл оюун ухаан ба машин сургалтын үүрэг

Удаан хугацааны туршид хүмүүс машинтай ярих боломжтой байхыг хүсч байсан. Тэд компьютер бүтээж эхэлснээс хойш эрдэмтэн, инженерүүд яриа таних аргыг энэ үйл явцад оруулахыг хичээсэн. 1962 онд IBM компани энгийн математик тооцоолол хийх чадвартай яриа таних машин болох Shoebox-ыг нэвтрүүлсэн. Энэхүү шинэлэг төхөөрөмж нь "0"-ээс "9" хүртэлх арван цифрийг багтаасан 16 ярианы үгийг таньж, хариу үйлдэл үзүүлсэн. “Нэмэх”, “хасах”, “нийт” гэх мэт тоо болон тушаалын үгсийг хэлэх үед Shoebox энгийн арифметик бодлогын хариултыг тооцоолж, хэвлэхийг нэмэх машинд зааж өгсөн. Shoebox нь дууны дууг цахилгаан импульс болгон хувиргадаг микрофоноор ярих замаар ажилладаг байв. Хэмжих хэлхээ нь эдгээр импульсийг янз бүрийн дуу чимээний төрлөөр ангилж, реле системээр дамжуулан залгасан нэмэх машиныг идэвхжүүлсэн.

Цаг хугацаа өнгөрөхөд энэ технологи хөгжиж, өнөөдөр бидний ихэнх нь компьютертэй дуу хоолойгоор байнга харьцдаг. Өнөөдөр хамгийн алдартай дуут туслахууд бол Amazon-ийн Alexa, Apple-ийн Siri, Google Assistant, Microsoft-ын Cortana юм. Эдгээр туслахууд нь тушаал эсвэл асуултад үндэслэн тухайн хүнд зориулсан ажил, үйлчилгээг гүйцэтгэх боломжтой. Тэд хүний яриаг тайлбарлаж, нэгтгэсэн дуу хоолойгоор хариу үйлдэл үзүүлэх чадвартай. Хэрэглэгчид туслахаасаа асуулт асууж, гэрийн автоматжуулалтын төхөөрөмж болон медиа тоглуулахыг дуу хоолойгоор удирдаж, имэйл, хийх ажлын жагсаалт, календарь зэрэг бусад үндсэн ажлуудыг аман командын тусламжтайгаар удирдах боломжтой. Бид эдгээр дуу хоолойгоор удирддаг төхөөрөмжүүдийг хэдий чинээ их ашиглах тусам бид улам их болж байна. хиймэл оюун ухаан (AI) болон машин сургалтаас хамааралтай.

Хиймэл оюун ухаан (AI)

Таныг хиймэл оюун ухаан (AI) гэж хэлэхэд олон хүн таныг шинжлэх ухааны зөгнөлт зохиолын тухай ярьж байна гэж бодож магадгүй ч хиймэл оюун ухаан бидний өдөр тутмын амьдралд маш их шингэсэн байдаг. Үнэн хэрэгтээ энэ нь хэдэн арван жил болж байна. Гэвч үнэн бол 20 ^-р зууны эхэн үед олон нийтэд хиймэл оюун ухаантай хүнтэй төстэй роботуудтай танилцсан нь шинжлэх ухааны уран зөгнөлт зохиол байсан юм. 50-иад оны үед хиймэл оюун ухааны тухай ойлголтууд эрдэмтэд, философичдын анхаарлын төвд улам бүр нэмэгдэж байв. Тэр үед Британийн залуу математикч Алан Тьюринг машинууд (хүмүүс шиг) асуудлыг шийдэж, байгаа мэдээлэлд үндэслэн шийдвэр гаргаж чадахгүйд ямар ч шалтгаан байхгүй гэж санал болгосон. Гэвч тэр үед компьютерт оюун ухааны гол түлхүүр болох цээжлэх боломж байгаагүй. Тэдний хийсэн бүх зүйл бол тушаалуудыг гүйцэтгэх явдал байв. Гэсэн хэдий ч хиймэл оюун ухааны үндсэн зорилго, алсын харааг бий болгосон хүн бол Алан Тюринг байв.

Хиймэл оюун ухаан гэсэн нэр томъёог анх гаргасан Жон Маккарти бол хиймэл оюун ухааны эцэг гэдгээрээ алдартай. Түүний хувьд хиймэл оюун ухаан нь "ухаалаг машин бүтээх шинжлэх ухаан, инженерчлэл" байв. Энэхүү тодорхойлолтыг 1956 онд Дартмут коллежид болсон бага хурал дээр танилцуулсан бөгөөд энэ нь хиймэл оюун ухааны судалгааны эхлэлийг харуулсан юм. Тэр цагаас хойш хиймэл оюун ухаан хөгжиж эхэлсэн.

Орчин үеийн ертөнцөд хиймэл оюун ухаан хаа сайгүй байдаг. Өгөгдлийн хэмжээ нэмэгдэж, дэвшилтэт алгоритмууд, тооцоолох хүчин чадал, хадгалалтын сайжруулалтын ачаар энэ нь илүү алдартай болсон. Ихэнхдээ AI програм нь оюуны даалгавартай холбоотой байдаг. Бид хиймэл оюун ухааныг орчуулга, объект, нүүр царай, яриа таних, сэдэв илрүүлэх, эмнэлгийн зургийн шинжилгээ, байгалийн хэлээр боловсруулах, нийгмийн сүлжээг шүүх, шатар тоглох гэх мэтэд ашигладаг.

Машины сургалт

Машины сургалт нь хиймэл оюун ухааны хэрэглээ бөгөөд энэ нь өөрийн туршлагаасаа сайжруулах чадвартай системийг хэлдэг. Энд хамгийн чухал зүйл бол систем нь хэв маягийг хэрхэн танихыг мэддэг байх ёстой. Үүнийг хийхийн тулд системийг сургах шаардлагатай: алгоритм нь их хэмжээний өгөгдлийг тэжээдэг тул хэзээ нэгэн цагт хэв маягийг тодорхойлох боломжтой байдаг. Зорилго нь хүний оролцоо, тусламжгүйгээр компьютерийг автоматаар сурах боломжийг олгох явдал юм.

Машин сургалтын талаар ярихдаа гүнзгий суралцах талаар дурдах нь зүйтэй. Гүнзгий суралцахад хэрэглэгдэх гол хэрэгслүүдийн нэг бол хиймэл мэдрэлийн сүлжээ юм гэж яриагаа эхэлцгээе. Эдгээр нь биологийн тархи шиг хуванцар, аналог биш харин статик, бэлгэдлийн шинж чанартай байдаг ч тархины бүтэц, үйл ажиллагаанаас санаа авсан алгоритмууд юм. Тиймээс гүнзгий суралцах нь хиймэл мэдрэлийн сүлжээнд суурилсан машин сургалтын төрөлжсөн хэлбэр бөгөөд зорилго нь хүмүүсийн сурах арга барилыг хуулбарлах явдал бөгөөд энэ нь програмист машиныг заахад хэтэрхий олон тооны хэв маягийг олох гайхалтай хэрэгсэл болдог. Сүүлийн хоёр жилийн хугацаанд жолоочгүй машинууд болон бидний амьдралыг хэрхэн өөрчилж болох талаар их ярих болсон. Гүнзгий суралцах технологи нь автомашинд явган зорчигчийг галын цоргоноос ялгах эсвэл улаан гэрлийг таних боломжийг олгодог тул ослыг бууруулдаг. Гүн сургалтын технологи нь таблет, утас, хөргөгч, зурагт гэх мэт төхөөрөмжүүдийн дуу хоолойг удирдахад гол үүрэг гүйцэтгэдэг. Цахим худалдааны компаниуд хиймэл мэдрэлийн сүлжээг шүүлтүүрийн систем болгон ашигладаг бөгөөд энэ нь хэрэглэгчийн хүссэн зүйлсийг урьдчилан таамаглах, харуулахыг оролддог. худалдан авах. Гүн сургалтын технологийг анагаахын салбарт ч ашигладаг. Энэ нь хорт хавдар судлаачдад хорт хавдрын эсийг автоматаар илрүүлэхэд тусалдаг бөгөөд ингэснээр хорт хавдрын эмчилгээнд асар их ахиц дэвшил гарч байгааг харуулж байна.

Яриа таних

Яриа таних технологи нь ярианы хэл дээрх үг, хэллэгийг таних, тэдгээрийг машинд унших боломжтой формат болгон хувиргахад үйлчилдэг. Зарим программууд зөвхөн хязгаарлагдмал тооны хэллэгийг тодорхойлж чаддаг бол зарим илүү боловсронгуй яриа таних програмууд нь байгалийн яриаг тайлж чаддаг.

Үүнийг даван туулах саад бэрхшээл бий юу?

Хэдий эвтэйхэн ч яриа таних технологи нь үргэлж жигд явагддаггүй бөгөөд тасралтгүй хөгжиж байгаа тул шийдвэрлэх шаардлагатай хэд хэдэн асуудал байсаар байна. Үүсэж болзошгүй асуудлуудын дунд дараахь зүйлс багтана: бичлэгийн чанар хангалтгүй байж магадгүй, арын шуугиан нь яригчийг ойлгоход хүндрэл учруулж болзошгүй, мөн чанга яригч аялга эсвэл аялгатай байж магадгүй (та хэлсэн үү? Geordie аялгууг сонсож байсан уу?), гэх мэт.

Яриа таних нь нэлээд хөгжсөн боловч төгс төгөлдөр байдлаас хол хэвээр байна. Бүх зүйл зөвхөн үг хэллэг биш, машин нь хүний хийж чадах олон зүйлийг хийж чадахгүй хэвээр байна: тэд биеийн хэлэмжийг уншиж чадахгүй, хэн нэгний дуу хоолойны ёжтой өнгө аясыг таньж чадахгүй. Хүмүүс үг бүрийг зөв дууддаггүй бөгөөд зарим үгийг богиносгодог. Жишээлбэл, хурдан бөгөөд албан бусаар ярихдаа төрөлх англи хэлтэй хүмүүс ихэвчлэн "going to" гэж "gonna" гэж дууддаг. Дээр дурдсан бүх зүйл нь машинуудад саад тотгор учруулдаг бөгөөд тэдгээрийг даван туулахыг хичээж байгаа боловч тэдний өмнө маш их зам бий. Өгөгдөл улам бүр нэмэгдсээр байгаа тул эдгээр тодорхой алгоритмуудыг онцлон тэмдэглэх нь чухал юм; сорилтууд багасч байх шиг байна. Яриа таних автоматжуулалтын ирээдүй гэрэлтэй байх шиг байна.

Дуугаар ажилладаг хэрэглэгчийн интерфэйсүүд улам бүр түгээмэл болж, айл өрхүүдэд түгээмэл болж байна. Энэ нь технологийн дараагийн платформ болж магадгүй юм.

Gglot нь яриа таних үйлчилгээг автоматжуулсан транскрипцийн үйлчилгээ хэлбэрээр санал болгодог - бид яриаг текст болгон хувиргадаг. Манай үйлчилгээг ашиглахад хялбар, танд нэг их зардал гарахгүй бөгөөд хурдан шуурхай хийх болно!