பேச்சு அங்கீகாரத்தில் செயற்கை நுண்ணறிவு மற்றும் இயந்திர கற்றலின் பங்கு

பேச்சு அங்கீகாரத்தில் செயற்கை நுண்ணறிவு மற்றும் இயந்திர கற்றலின் பங்கு

நீண்ட காலமாக, மக்கள் இயந்திரங்களுடன் பேச விரும்பினர். அவர்கள் கணினிகளை உருவாக்கத் தொடங்கியதிலிருந்து, விஞ்ஞானிகளும் பொறியாளர்களும் பேச்சு அங்கீகாரத்தை செயல்பாட்டில் இணைக்க முயன்றனர். 1962 ஆம் ஆண்டில், ஐபிஎம் எளிய கணிதக் கணக்கீடுகளைச் செய்யக்கூடிய ஒரு பேச்சு அங்கீகார இயந்திரமான ஷூபாக்ஸை அறிமுகப்படுத்தியது. இந்த புதுமையான சாதனம் "0" முதல் "9" வரையிலான பத்து இலக்கங்கள் உட்பட 16 பேசும் வார்த்தைகளை அங்கீகரித்து பதிலளித்தது. "பிளஸ்," "மைனஸ்" மற்றும் "மொத்தம்" போன்ற எண் மற்றும் கட்டளை வார்த்தைகள் பேசப்பட்டபோது, எளிய எண்கணித சிக்கல்களுக்கான பதில்களைக் கணக்கிட்டு அச்சிட ஷூபாக்ஸ் ஒரு சேர்க்கும் இயந்திரத்தை அறிவுறுத்தியது. ஷூபாக்ஸ் மைக்ரோஃபோனில் பேசுவதன் மூலம் இயக்கப்பட்டது, இது குரல் ஒலிகளை மின் தூண்டுதலாக மாற்றியது. ஒரு அளவிடும் சுற்று பல்வேறு வகையான ஒலிகளின்படி இந்த தூண்டுதல்களை வகைப்படுத்தியது மற்றும் இணைக்கப்பட்ட சேர்க்கும் இயந்திரத்தை ஒரு ரிலே அமைப்பு மூலம் செயல்படுத்துகிறது.

காலப்போக்கில், இந்த தொழில்நுட்பம் வளர்ந்தது மற்றும் இன்று நம்மில் பலர் குரல் மூலம் கணினிகளுடன் தொடர்பு கொள்கிறோம். இன்று மிகவும் பிரபலமான குரல் உதவியாளர்கள் அமேசானின் அலெக்சா, ஆப்பிளின் சிரி, கூகுள் அசிஸ்டண்ட் மற்றும் மைக்ரோசாப்டின் கோர்டானா. இந்த உதவியாளர்கள் கட்டளைகள் அல்லது கேள்விகளின் அடிப்படையில் ஒரு தனிநபருக்கு பணிகள் அல்லது சேவைகளை செய்ய முடியும். அவர்கள் மனித பேச்சை விளக்கவும், தொகுக்கப்பட்ட குரல்கள் மூலம் பதிலளிக்கவும் முடியும். பயனர்கள் தங்கள் உதவியாளர்களிடம் கேள்விகளைக் கேட்கலாம், ஹோம் ஆட்டோமேஷன் சாதனங்கள் மற்றும் மீடியா பிளேபேக்கைக் குரல் மூலம் கட்டுப்படுத்தலாம் மற்றும் மின்னஞ்சல், செய்ய வேண்டிய பட்டியல்கள் மற்றும் காலெண்டர்கள் போன்ற பிற அடிப்படைப் பணிகளை வாய்மொழி கட்டளைகளுடன் நிர்வகிக்கலாம். இந்தக் குரல் சார்ந்த சாதனங்களை எவ்வளவு அதிகமாகப் பயன்படுத்துகிறோமோ அவ்வளவு அதிகமாக நாம் ஆவோம். செயற்கை நுண்ணறிவு (AI) மற்றும் இயந்திர கற்றல் சார்ந்தது.

செயற்கை நுண்ணறிவு (AI)

செயற்கை நுண்ணறிவு (AI) என்று நீங்கள் கூறும்போது, AI நம் அன்றாட வாழ்வில் மிகவும் புதைந்திருந்தாலும், நீங்கள் அறிவியல் புனைகதைகளைப் பற்றி பேசுகிறீர்கள் என்று பலர் நினைக்கலாம். உண்மையில், இது பல தசாப்தங்களாக உள்ளது. ஆனால் உண்மை என்னவென்றால், 20 ^ஆம் நூற்றாண்டின் தொடக்கத்தில் செயற்கையாக அறிவார்ந்த மனிதனைப் போன்ற ரோபோக்களுடன் பொதுமக்களுக்கு அறிமுகமானது என்பது உண்மையில் அறிவியல் புனைகதைதான். 50 களில் AI பற்றிய கருத்துக்கள் விஞ்ஞானிகள் மற்றும் தத்துவவாதிகளின் ஆர்வத்தை மையமாகக் கொண்டு மேலும் மேலும் வந்தன. அந்த நேரத்தில், இளம் பிரிட்டிஷ் கணிதவியலாளர் ஆலன் டூரிங், இயந்திரங்களால் (மனிதர்களைப் போலவே) சிக்கல்களைத் தீர்ப்பதற்கும், கிடைக்கக்கூடிய தகவல்களின் அடிப்படையில் முடிவுகளை எடுப்பதற்கும் எந்த காரணமும் இல்லை என்று பரிந்துரைத்தார். ஆனால் அந்த நேரத்தில், கணினிகளுக்கு மனப்பாடம் செய்யும் வாய்ப்பு இல்லை, இது நுண்ணறிவுக்கு முக்கியமானது. அவர்கள் செய்ததெல்லாம் கட்டளைகளை நிறைவேற்றுவதுதான். ஆனாலும், செயற்கை நுண்ணறிவின் அடிப்படை இலக்கையும் பார்வையையும் நிறுவியவர் ஆலன் டூரிங்.

செயற்கை நுண்ணறிவு என்ற சொல்லை உருவாக்கிய ஜான் மெக்கார்த்தி AI இன் தந்தையாக பரவலாக அங்கீகரிக்கப்பட்டவர். அவருக்கு AI என்பது: "அறிவுத்திறன் வாய்ந்த இயந்திரங்களை உருவாக்கும் அறிவியல் மற்றும் பொறியியல்". இந்த வரையறை 1956 இல் டார்ட்மவுத் கல்லூரியில் ஒரு மாநாட்டில் வழங்கப்பட்டது மற்றும் இது AI ஆராய்ச்சியின் தொடக்கத்தைக் குறிக்கிறது. அப்போதிருந்து AI வளர்ந்தது.

நவீன உலகில் செயற்கை நுண்ணறிவு என்பது எல்லா இடங்களிலும் உள்ளது. அதிகரித்த தரவு அளவுகள், மேம்பட்ட வழிமுறைகள் மற்றும் கணினி சக்தி மற்றும் சேமிப்பகத்தின் மேம்பாடுகள் ஆகியவற்றால் இது மிகவும் பிரபலமானது. பெரும்பாலும் AI பயன்பாடு அறிவுசார் பணிகளுடன் இணைக்கப்பட்டுள்ளது. மொழிபெயர்ப்பு, பொருள், முகம் மற்றும் பேச்சு அங்கீகாரம், தலைப்பு கண்டறிதல், மருத்துவப் பட பகுப்பாய்வு, இயற்கை மொழி செயலாக்கம், சமூக வலைப்பின்னல் வடிகட்டுதல், சதுரங்கம் விளையாடுதல் போன்றவற்றுக்கு AI ஐப் பயன்படுத்துகிறோம்.

இயந்திர வழி கற்றல்

இயந்திர கற்றல் என்பது செயற்கை நுண்ணறிவின் பயன்பாடாகும், மேலும் இது அவர்களின் சொந்த அனுபவத்திலிருந்து மேம்படுத்தும் திறனைக் கொண்ட அமைப்புகளைக் குறிக்கிறது. இங்கே மிக முக்கியமான விஷயம் என்னவென்றால், முறைகளை எவ்வாறு அங்கீகரிப்பது என்பதை கணினி அறிந்திருக்க வேண்டும். அதைச் செய்ய, கணினியைப் பயிற்றுவிக்க வேண்டும்: அல்காரிதம் என்பது பெரிய அளவிலான தரவுகளை ஊட்டுகிறது, எனவே ஒரு கட்டத்தில் அது வடிவங்களை அடையாளம் காண முடியும். மனித தலையீடு அல்லது உதவியின்றி கணினிகள் தானாகவே கற்றுக்கொள்ள அனுமதிப்பதே இதன் குறிக்கோள்.

இயந்திர கற்றல் பற்றி பேசும்போது, ஆழமான கற்றலைக் குறிப்பிடுவது அவசியம். ஆழ்ந்த கற்றலில் பயன்படுத்தப்படும் முக்கிய கருவிகளில் ஒன்று செயற்கை நரம்பியல் நெட்வொர்க்குகள் என்று சொல்லி ஆரம்பிக்கலாம். அவை உயிரியல் மூளையைப் போல பிளாஸ்டிக் மற்றும் அனலாக் அல்ல, நிலையான மற்றும் குறியீடாக இருந்தாலும், மூளையின் அமைப்பு மற்றும் செயல்பாட்டால் ஈர்க்கப்பட்ட வழிமுறைகள். எனவே, ஆழ்ந்த கற்றல் என்பது செயற்கையான நரம்பியல் வலையமைப்பை அடிப்படையாகக் கொண்ட இயந்திரக் கற்றலின் ஒரு சிறப்பு வடிவமாகும், இதன் குறிக்கோள் மனிதர்கள் கற்றுக் கொள்ளும் முறையைப் பிரதியெடுப்பதாகும், மேலும் இது ஒரு புரோகிராமர் இயந்திரத்தைக் கற்பிக்க முடியாத அளவுக்கு அதிகமான வடிவங்களைக் கண்டறிய சிறந்த கருவியாக செயல்படுகிறது. கடந்த இரண்டு வருடங்களாக ஓட்டுநர் இல்லா கார்கள் மற்றும் அவை எவ்வாறு நம் வாழ்க்கையை மாற்றும் என்பது பற்றி அதிகம் பேசப்படுகிறது. ஆழமான கற்றல் தொழில்நுட்பம் இங்கு முக்கியமானது, ஏனெனில் இது காரை தீ ஹைட்ராண்டிலிருந்து பாதசாரிகளை வேறுபடுத்தி அல்லது சிவப்பு விளக்கை அடையாளம் காண்பதன் மூலம் விபத்துகளைக் குறைக்கிறது. டேப்லெட்டுகள், ஃபோன்கள், ஃப்ரிட்ஜ்கள், டிவிகள் போன்ற சாதனங்களில் குரல் கட்டுப்பாட்டில் ஆழமான கற்றல் தொழில்நுட்பம் முக்கிய பங்கு வகிக்கிறது. ஈ-காமர்ஸ் நிறுவனங்கள் பெரும்பாலும் செயற்கை நரம்பியல் நெட்வொர்க்குகளை வடிகட்டுதல் அமைப்பாகப் பயன்படுத்துகின்றன. வாங்க. மருத்துவத் துறையிலும் ஆழ்ந்த கற்றல் தொழில்நுட்பம் பயன்படுத்தப்படுகிறது. இது புற்றுநோய் செல்களை தானாகவே கண்டறிய புற்றுநோய் ஆராய்ச்சியாளர்களுக்கு உதவுகிறது, இதனால் புற்றுநோய் சிகிச்சையில் மிகப்பெரிய முன்னேற்றத்தை பிரதிபலிக்கிறது.

பேச்சு அங்கீகாரம்

பேச்சு அறிதல் தொழில்நுட்பம், பேசும் மொழியை உருவாக்கும் சொற்கள் மற்றும் சொற்றொடர்களை அடையாளம் கண்டு அவற்றை இயந்திரத்திற்கு படிக்கக்கூடிய வடிவமாக மாற்ற உதவுகிறது. சில புரோகிராம்கள் குறிப்பிட்ட எண்ணிக்கையிலான சொற்றொடர்களை மட்டுமே அடையாளம் காண முடியும், மேலும் சில அதிநவீன பேச்சு அங்கீகார திட்டங்கள் இயற்கையான பேச்சை புரிந்து கொள்ள முடியும்.

கடக்க தடைகள் உள்ளதா?

வசதியாக இருந்தாலும், பேச்சு அறிதல் தொழில்நுட்பம் எப்பொழுதும் சீராகச் செல்லாது, மேலும் இது தொடர்ந்து உருவாக்கப்பட்டு வருவதால் இன்னும் சில சிக்கல்கள் உள்ளன. எழக்கூடிய சிக்கல்களில் பின்வருவன அடங்கும்: பதிவின் தரம் போதுமானதாக இல்லாமல் இருக்கலாம், பேச்சாளரைப் புரிந்துகொள்வதை கடினமாக்கும் பின்னணியில் சத்தங்கள் இருக்கலாம், மேலும் பேச்சாளருக்கு மிகவும் வலுவான உச்சரிப்பு அல்லது பேச்சுவழக்கு இருக்கலாம் (நீங்கள் செய்தீர்களா? Geordie பேச்சுவழக்கை எப்போதாவது கேட்டிருக்கிறீர்களா?), போன்றவை.

பேச்சு அங்கீகாரம் நிறைய வளர்ந்துள்ளது, ஆனால் அது இன்னும் சரியானதாக இருந்து வெகு தொலைவில் உள்ளது. எல்லாமே வார்த்தைகளைப் பற்றியது மட்டுமல்ல, மனிதர்களால் செய்யக்கூடிய பல விஷயங்களை இயந்திரத்தால் இன்னும் செய்ய முடியாது: அவர்களால் உடல் மொழியைப் படிக்கவோ அல்லது ஒருவரின் குரலில் கிண்டல் தொனியை அடையாளம் காணவோ முடியாது. மக்கள் பெரும்பாலும் ஒவ்வொரு வார்த்தையையும் சரியான முறையில் உச்சரிக்க மாட்டார்கள், மேலும் சில வார்த்தைகளை சுருக்கவும் முனைகிறார்கள். எடுத்துக்காட்டாக, வேகமாகவும் முறைசாராமாகவும் பேசும் போது, தாய்மொழி ஆங்கிலம் பேசுபவர்கள் பெரும்பாலும் "gonna" போல "gona" என்று உச்சரிக்கின்றனர். மேலே உள்ள அனைத்தும், அவர்கள் கடக்க முயற்சிக்கும் இயந்திரங்களுக்கு தடைகளை ஏற்படுத்துகின்றன, ஆனால் இன்னும் நீண்ட தூரம் அவர்களுக்கு முன்னால் உள்ளது. குறிப்பிட்ட அல்காரிதம்களுக்கு அதிகமான தரவுகள் ஊட்டப்படுவதால், அதை முன்னிலைப்படுத்துவது முக்கியம்; சவால்கள் குறைவது போல் தெரிகிறது. தானியங்கு பேச்சு அங்கீகாரத்தின் எதிர்காலம் பிரகாசமானதாகத் தெரிகிறது.

குரல் மூலம் இயங்கும் பயனர் இடைமுகங்கள் பெருகிய முறையில் கிடைக்கின்றன மற்றும் வீடுகளில் பிரபலமாகி வருகின்றன. இது தொழில்நுட்பத்தில் அடுத்த தளமாக கூட மாறலாம்.

Gglot தானியங்கு டிரான்ஸ்கிரிப்ஷன் சேவைகளின் வடிவத்தில் தானியங்கி பேச்சு அங்கீகாரத்தை வழங்குகிறது - நாங்கள் பேச்சுகளை உரையாக மாற்றுகிறோம். எங்கள் சேவை பயன்படுத்த எளிதானது, இது உங்களுக்கு அதிக செலவு செய்யாது, அது விரைவாக செய்யப்படும்!