Tam, gdzie Siri ma problemy ze słuchem, tłum ludzi może pomóc

Informatyk Jeffrey Bigham stworzył program do rozpoznawania mowy, który łączy w sobie najlepsze talenty maszyn i ludzi.

Chociaż programy do rozpoznawania głosu, takie jak Siri firmy Apple i Smok Nuance, są całkiem dobre w słyszeniu znajomych głosów i wyraźnie dyktowanych słów, technologia nadal nie może wiarygodnie opisywać wydarzeń, które prezentują nowe głośniki, akcenty, frazy i odgłosy w tle. Ludzie całkiem nieźle rozumieją słowa w takich sytuacjach, ale większość z nas nie jest wystarczająco szybka, aby transkrybować tekst w czasie rzeczywistym (dlatego profesjonalni stenografowie mogą pobierać ponad 100 USD za godzinę). A więc program Bighama Skryba rozszerza szybkie komputery o dokładnych ludzi w nadziei na szybkie tworzenie podpisów i transkrypcji.

Ten szybki eksperyment komputerowy może być dużą pomocą dla osób niesłyszących i niedosłyszących. Może również zapewnić nowe sposoby ulepszania aplikacji rozpoznawania głosu, takich jak Siri, w obszarach, w których mają problemy.

Algorytmy Scribe'a kierują ludzkimi pracownikami do wypisywania fragmentów tego, co słyszą w przemówieniu. Zwiększając głośność lub spowalniając szybkość wycinków dźwięku, program może kierować różnych pracowników do unikalnych, ale nakładających się na siebie fragmentów wypowiedzi, a następnie dać im kilka sekund na odzyskanie sprawności, zanim poprosi ich o ponowne pisanie.

Korzystając z algorytmów przetwarzania języka naturalnego, Scribe łączy wypisane fragmenty w kompletny transkrypcja, a nadmiarowe nakładanie się może pomóc w wyeliminowaniu błędów. (Ta technika obliczeniowa typu shotgun jest podobna do sposobu, w jaki działa wiele maszyn do sekwencjonowania DNA, podkreśla Bigham.) Może stworzyć transkrypcję lub podpis z opóźnieniem zaledwie trzech sekund przy użyciu zaledwie trzech do pięciu pracowników.

Jedynym wymogiem jest to, aby pracownicy słyszeli i pisali, więc nawet w grupie kosztują mniej niż stenograf i nie potrzebują powiadomienia z kilkudniowym wyprzedzeniem – zauważa. To może być duża pomoc dla niesłyszącego ucznia, który chce, powiedzmy, wziąć udział w nowej lekcji online, która nie została opisana.

Bigham (patrz Innovators Under 35, 2009: Jeffrey Bigham ) i jego kolega z University of Rochester Walter Lasecki przetestowali Scribe z pracownikami, których znaleźli w Amazon Mechanical Turk, gdzie ludzie rejestrują się, aby wykonywać proste zadania. Pracownicy ci otrzymywali minimum 6 dolarów za godzinę od zespołu Bighama. Zespół zatrudniał również studentów studiów licencjackich za 10 dolarów za godzinę. Praca crowdsourcingowa osób z obu grup wydaje się być tylko nieco mniej dokładna niż praca profesjonalnego stenografa, mówi Bigham. A w niektórych przypadkach pracownicy zebrani w grupie dokładniej zapisywali terminy żargonowe, które pojedyncza zawodowa maszynistka mogłaby niewłaściwie zrozumieć.

To, co Scribe zaczyna pokazywać, to umiejętność współpracy jako część tłumu w celu wykonywania bardzo trudnych zadań wydajnościowych lepiej niż osoba, która jest w stanie wykonać w pojedynkę, mówi.

Bigham opracowuje teraz Scribe w aplikację, która, jak ma nadzieję, może szybko pomóc osobom niesłyszącym w crowdsourcingu. Aby wesprzeć dużą liczbę użytkowników, rozważa również licencjonowanie technologii lub wydzielenie startupu.

To nie pierwszy raz, kiedy ktoś pomyślał o wykorzystaniu taniej, skoordynowanej komputerowo ludzkiej pracy, aby wzmocnić tradycyjne słabości programów sztucznej inteligencji lub innego oprogramowania. Świergot zatrudnia ludzi na Mechanical Turk aby pomóc swojej wyszukiwarce klasyfikować wiadomości, które nagle zaczynają zyskiwać popularność. Bigham stworzył również oparty na crowdsourcingu system pomocy osobistej o nazwie Chorus (patrz Sztuczna inteligencja, zasilany przez wielu ludzi), który może być mądrzejszy niż Siri, ale tańszy niż jakikolwiek indywidualny pracownik godzinowy.

Nie oznacza to, że ludzka praca zawsze przewyższa zautomatyzowane systemy w transkrypcji mowy. Aditya Parameswaran, badaczka ze Stanford University, która pracuje również nad metodami obliczeniowymi wspomaganymi przez człowieka, mówi, że wraz z udoskonalaniem algorytmów uczenia się, techniki crowdsourcingowe, takie jak te, będą przydatne głównie do zwiększania dokładności komputerów, a nie do zmuszania ludzi do wykonywania większości Praca.

ukryć