211service.com
Også for datamaskiner er det vanskelig å lære å snakke kinesisk
Forskere kaller ofte 2017 året for samtaledatamaskinen i Kina. Ved å utnytte nylige fremskritt innen stemmegjenkjenning og naturlig språkbehandling har e-handelsgiganten Alibaba og søkegiganten Baidu begge utviklet teknologi for å knekke stemmebasert kommunikasjon (se 10 banebrytende teknologier: samtalegrensesnitt .) Nå stemmestyrte produkter avledet fra Baidu og Alibabas teknologi kommer til det kinesiske markedet.
Tmall Genie, som har Alibabas stemmeassistent, AliGenie, innebygd, er beslektet med Amazon Echo. Den kan legge inn online bestillinger, sjekke været, spille av favorittmusikken din og kontrollere andre smarte enheter i hjemmet ditt gjennom stemmekommandoer.
Baidus DuerOS-samtaleplattform er lagt til som en funksjon i produkter som en hjemmeassistentrobot, en TV-set-top-boks og en HTC-smarttelefon. Den har lignende funksjoner som AliGenie og andre stemmeassistenter, så vel som rudimentære evner til å gjennomføre en tilfeldig chat, og selskapet sier at det har mottatt et stort antall bestillinger for DuerOS-utviklingssettet.
Kun Jing, daglig leder for Baidus Duer-forretningsenhet, forventer at mange flere selskaper kommer inn på feltet i år, delvis motivert av suksessen til produkter som Echo i det amerikanske markedet, som har vakt interessen til kinesiske teknologiinvestorer.
Forskningsfirmaet IDC spår at innen 2020 vil 51 prosent av smartkjøringsindustrien og 68 prosent av mobiltelefon- og wearables-industrien i Kina ha et samtalebasert AI-system bakt inn. Akkurat som berøringsskjermen er laget for å samhandle med en mobil enhet så mye enklere vil samtalegrensesnitt gjøre interaksjon mer naturlig og trekke flere mennesker inn i den tilkoblede verden, sier Jing, som overvåker utviklingen av DuerOS.
Stemmebasert databehandling er et godt alternativ for Kina. I dag er det å skrive kinesisk på et typisk QWERTY-tastatur avhengig av et system kalt pinyin, basert på karakterenes uttale, men siden det er fire toner på mandarin og hver har en annen betydning, må brukeren møysommelig velge riktig tegn fra en rullegardinmeny etter å ha skrevet uttalen. En vanlig stavelse som yi kan tilsvare 60 eller mer ofte brukte kinesiske tegn. Noen inndatametoder kan prioritere det mest sannsynlige tegnet i henhold til konteksten, men de er ikke alltid nøyaktige. Ikke overraskende har brukere av mobilteknologier som den populære kommunikasjonsappen WeChat en tendens til å legge igjen verbale meldinger til hverandre, i stedet for de maskinskrevne tekstene som er typiske i USA.
I Kina i dag fungerer stemmeassistentteknologien ved å gjøre en brukers talekommandoer om til tekst og generere et svar basert på betydningen av teksten. Den prosessen fungerer ganske bra for oppgavebaserte kommandoer - sjekk været eller se etter den engelske oversettelsen av et bestemt kinesisk ord - men den kan ikke opprettholde en frem og tilbake samtale om flere emner.
Å løse samtaledatabehandling vil kreve å overvinne noen av de utfordrende kompleksitetene til det kinesiske språket. På kinesisk, for eksempel, betyr de samme tegnene arrangert i forskjellig rekkefølge forskjellige ting, og selv når de er ordnet i samme rekkefølge, kan de ha forskjellige betydninger avhengig av hva som kommer før eller etter dem. I tillegg har ikke skrevet kinesisk mellomrom som naturlig deler ord slik engelsk gjør. Så kinesiske naturspråkbehandlingsforskere må lære sine algoritmer hvor de skal sette inn mellomrom for å etablere den riktige betydningen av en bestemt kombinasjon av tegn. Fraværet av kinesiske verbtider – det er ingen særegne former for fortid, nåtid eller fremtid – gjør det også utfordrende for maskiner å dechiffrere tidslinjen til en sekvens.
Kinesiske forskere som behandler naturspråk takler også andre utfordringer: Det finnes mange dialekter, noen av dem er uforståelige for hverandre, og det samme uttrykket kan bety forskjellige ting i forskjellige sammenhenger.
Zhiyong Wu, en førsteamanuensis ved Tsinghua University som studerer naturlig språkforståelse, bemerker at for at datamaskiner virkelig skal forstå intensjonen til en menneskelig høyttaler og kommunisere riktig, må de fange opp subtile ledetråder som intonasjon og stress. De vil også måtte forstå følelser, siden menneskers beslutningstaking ikke er basert utelukkende på logikk, bemerker Jia Jia, en førsteamanuensis ved Tsinghua University som studerer sosial affektiv databehandling.
For å gjøre systemet smartere, introduserte Baidu en trenermodus i plattformen sin i år for å tillate programvareutviklere å bidra med språkdata i sanntid gjennom en innebygd annotator-bot. Boten mottar tilbakemeldinger fra utviklere (for eksempel forklaringen på et spørsmål systemet ikke forsto første gang), lærer av det og korrigerer deretter systemet.
En fordel kinesiske forskere har når de prøver å løse disse problemene, er en stor mengde data. De nevrale nettverkene som underbygger språkforståelsen til dagens datamaskiner krever store mengder data for å trene. Jo mer data et selskap har, desto smartere vil dets nevrale nettverk bli, og selskaper som Baidu og Alibaba har fordelen av enorme brukerbaser. Ved utgangen av 2016 hevdet Baidu 665 millioner månedlige aktive mobilbrukere, og per mars i år hadde Alibaba 507 millioner aktive månedlige mobilbrukere.
Men Gang Wang, en vitenskapsmann ved Alibabas A.I. Lab, sier at forskere må designe nevrale nettverk som ikke trenger mye data for å bli mer effektive til å lære språk. I den virkelige verden uttrykker folk den samme betydningen på forskjellige måter, og det er umulig å lære datamaskinen alle mulige uttrykk, bemerker han. I sin tidligere rolle som akademisk forsker kom han og kollegene på en metode for å lære datamaskiner å forstå et emne når svært lite data er tilgjengelig: bruk data fra relaterte fag. For å trene et nevralt nettverk til å forstå tekster i idrettsmedisin for eksempel, kan du trekke på data fra idrett og data fra medisin. Tilnærmingen er ikke så god som å bruke organiske data, bemerker Wang, men når det mangler, gjør det det mulig å trene nevrale nettverk om et emne.
Til syvende og sist, det som vil få en stemmeassistent til å lykkes i Kina, er innholdet og tjenestene dens, sier Chenfeng Song, grunnlegger av Ainemo, en oppstart som lager en stemmeaktivert hjemmeassistentrobot kalt Little Fish som ble solgt i juni. Song planlegger å gradvis bygge utdannings- og helseprogrammer inn i selskapets hjemmeassistent. Little Fish bruker DuerOS-samtaleplattformen. Stemme, noterer sangen, er en måte å levere innhold til folk som ikke har god tilgang til Internett via stasjonære datamaskiner og smarttelefoner, spesielt eldre og små barn.