Konuşma Tanımada Yapay Zeka ve Makine Öğreniminin Rolü

Konuşma Tanımada Yapay Zeka ve Makine Öğreniminin Rolü

Uzun zamandır insanlar makinelerle konuşabilmek istiyordu. Bilgisayar inşa etmeye başladıklarından beri, bilim adamları ve mühendisler konuşma tanımayı sürece dahil etmeye çalıştılar. 1962 yılında IBM, basit matematik hesaplamaları yapabilen bir konuşma tanıma makinesi olan Shoebox'u tanıttı. Bu yenilikçi cihaz, "0" ile "9" arasındaki on basamak dahil olmak üzere 16 söylenen kelimeyi tanıdı ve yanıt verdi. "Artı", "eksi" ve "toplam" gibi bir sayı ve komut sözcükleri söylendiğinde, Shoebox bir toplama makinesine basit aritmetik problemlerin cevaplarını hesaplaması ve yazdırması talimatını verdi. Shoebox, ses seslerini elektriksel uyarılara dönüştüren bir mikrofona konuşarak çalıştırıldı. Bir ölçüm devresi bu darbeleri çeşitli ses türlerine göre sınıflandırdı ve ekli toplama makinesini bir röle sistemi aracılığıyla etkinleştirdi.

Zamanla bu teknoloji gelişti ve bugün çoğumuz bilgisayarlarla rutin olarak sesli olarak etkileşim kuruyoruz. Günümüzün en popüler sesli asistanları Alexa by Amazon, Siri by Apple, Google Assistant ve Cortana Microsoft. Bu asistanlar, komutlara veya sorulara dayalı olarak bir kişi için görevler veya hizmetler gerçekleştirebilir. İnsan konuşmasını yorumlayabilir ve sentezlenmiş sesler yoluyla cevap verebilirler. Kullanıcılar, asistanlarına soru sorabilir, ev otomasyon cihazlarını ve medya oynatmayı sesli komutlarla kontrol edebilir ve e-posta, yapılacaklar listeleri ve takvimler gibi diğer temel görevleri sözlü komutlarla yönetebilir. yapay zeka (AI) ve makine öğrenimine bağlıdır.

Yapay zeka (AI)

Yapay zeka (AI) dediğinizde, yapay zeka günlük hayatımıza çok dahil edilmiş olsa da, birçok kişi bilim kurgu hakkında konuştuğunuzu düşünebilir. Aslında onlarca yıldır öyle. Ama gerçek şu ki 20. ^yüzyılın başında robotlar insan benzeri yapay akıllı ile kamuoyuna familiarised o gerçekten bilim kurgu idi vardır. 50'lerde yapay zeka kavramları bilim adamlarının ve filozofların ilgi odağı haline geldi. O zamanlar genç İngiliz matematikçi Alan Turing, makinelerin (tıpkı insanlar gibi) problemleri çözememesi ve mevcut bilgilere dayanarak kararlar verememesi için bir neden olmadığını öne sürdü. Ancak o zamanlar, bilgisayarların, zekanın anahtarı olan ezberleme imkanı yoktu. Tek yaptıkları komutları yürütmekti. Ama yine de yapay zekanın temel hedefini ve vizyonunu belirleyen Alan Turing'di.

Yapay zeka terimini icat eden John McCarthy, yapay zekanın babası olarak geniş çapta tanınmaktadır. Ona göre yapay zeka: "akıllı makineler yapma bilimi ve mühendisliği" idi. Bu tanım 1956'da Dartmouth College'da bir konferansta sunuldu ve AI araştırmasının başlangıcını gösterdi. O andan itibaren AI gelişti.

Modern dünyada yapay zeka her yerde bulunur. Artan veri hacimleri, gelişmiş algoritmalar ve bilgi işlem gücü ve depolamadaki iyileştirmeler sayesinde daha popüler hale geldi. Çoğunlukla AI uygulaması entelektüel görevlerle bağlantılıdır. AI'yı çeviri, nesne, yüz ve konuşma tanıma, konu algılama, tıbbi görüntü analizi, doğal dil işleme, sosyal ağ filtreleme, satranç oynama vb. İçin kullanıyoruz.

Makine öğrenme

Makine öğrenimi, yapay zekanın bir uygulamasıdır ve kendi deneyimlerinden iyileştirme yeteneğine sahip sistemleri ifade eder. Buradaki en önemli şey, sistemin kalıpları nasıl tanıyacağını bilmesi gerektiğidir. Bunu yapabilmek için sistemin eğitilmesi gerekiyor: algoritma büyük miktarda veri besliyor, böylece bir noktada kalıpları belirleyebiliyor. Amaç, bilgisayarların insan müdahalesi veya yardımı olmadan otomatik olarak öğrenmesine izin vermektir.

Makine öğrenimi hakkında konuşurken, derin öğrenmeden bahsetmek önemlidir. Derin öğrenmede kullanılan ana araçlardan birinin yapay sinir ağları olduğunu söyleyerek başlayalım. Bunlar, biyolojik beyin gibi plastik ve analog değil, statik ve sembolik olma eğiliminde olsalar da beynin yapısı ve işlevinden esinlenen algoritmalardır. Dolayısıyla, derin öğrenme, amacı insanların öğrenme şeklini çoğaltmak olan yapay sinir ağına dayalı özel bir makine öğrenimidir ve bu, bir programcının makineyi öğretemeyeceği kadar çok sayıda kalıp bulmak için harika bir araç görevi görür. Geçtiğimiz birkaç yılda sürücüsüz arabalar ve hayatlarımızı nasıl değiştirebilecekleri hakkında çok fazla konuşma yapıldı. Derin öğrenme teknolojisi burada anahtardır, çünkü arabanın bir yayayı yangın musluğundan ayırt etmesini veya bir kırmızı ışığı tanımasını sağlayarak kazaları azaltır. Derin öğrenme teknolojisi aynı zamanda tabletler, telefonlar, buzdolapları, TV'ler vb. Cihazlarda ses kontrolünde ana rolü oynar. E-ticaret şirketleri genellikle yapay sinir ağlarını, kullanıcının istediği öğeleri tahmin etmeye ve göstermeye çalışan bir filtreleme sistemi olarak kullanır. satın al. Derin öğrenme teknolojisi, tıp alanında da kullanılmaktadır. Kanser araştırmacılarının kanser hücrelerini otomatik olarak tespit etmelerine yardımcı olur ve böylece kanser tedavisinde muazzam bir ilerlemeyi temsil eder.

Konuşma tanıma

Konuşma tanıma teknolojisi, konuşulan dilden kelimeleri ve cümleleri tanımlamaya ve bunları makine için okunabilir bir biçime dönüştürmeye hizmet eder. Bazı programlar yalnızca sınırlı sayıda ifadeyi tanımlayabilirken, bazı daha karmaşık konuşma tanıma programları doğal konuşmayı deşifre edebilir.

Üstesinden gelinmesi gereken engeller var mı?

Uygun olsa da, konuşma tanıma teknolojisi her zaman sorunsuz gitmez ve sürekli geliştirildiği için üzerinde çalışılması gereken birkaç sorun vardır. Ortaya çıkabilecek sorunlar aşağıdakileri içerebilir: kaydın kalitesi yetersiz olabilir, arka planda konuşmacının anlaşılmasını zorlaştıran sesler olabilir, ayrıca konuşmacının gerçekten güçlü bir aksanı veya lehçesi olabilir ( Geordie lehçesini hiç duydun mu?) vb.

Konuşma tanıma oldukça gelişti, ancak yine de mükemmel olmaktan uzak. Her şey sadece kelimelerle ilgili değil, makine hala insanların yapabileceği pek çok şeyi yapamıyor: vücut dilini okuyamıyor veya birinin sesindeki alaycı tonu tanıyamıyorlar. İnsanlar genellikle her kelimeyi doğru şekilde telaffuz etmez ve bazı kelimeleri kısaltma eğilimindedirler. Örneğin, hızlı ve gayri resmi bir şekilde konuşurken, anadili İngilizce olan kişiler genellikle "gonna" gibi "gonna" şeklinde telaffuz ederler. Yukarıdakilerin tümü, üstesinden gelmeye çalıştıkları makineler için engellere neden olur, ancak önlerinde hala uzun bir yol vardır. Bu belirli algoritmalara gittikçe daha fazla veri beslendiğini vurgulamak önemlidir; zorluklar azalacak gibi görünüyor. Otomatik konuşma tanımanın geleceği parlak görünüyor.

Sesle çalışan kullanıcı arayüzleri, evlerde giderek daha fazla kullanılabilir ve popüler hale geliyor. Hatta teknolojide bir sonraki platform bile olabilir.

Gglot, otomatik transkripsiyon hizmetleri biçiminde otomatik konuşma tanıma sunar; konuşmaları metne dönüştürüyoruz. Hizmetimizin kullanımı basittir, size çok fazla maliyeti olmaz ve hızlı bir şekilde tamamlanır!