211service.com
Telefony Nokia idą na zajęcia z języka naturalnego
W ramach współpracy badawczej z informatykami z MIT, Nokia Research Center Cambridge w Cambridge MA opracowuje telefony komórkowe, które potrafią rozumieć i reagować na polecenia pisane w języku angielskim.
Korzystając z systemu MobileStart w telefonie po prawej stronie, możesz przypomnieć matce o przyjmowaniu leków. Telefon po lewej pokazuje nowe wydarzenie w kalendarzu utworzone w telefonie mamy przez MobileStart. (Dzięki uprzejmości Borisa Katza i Federico Mora, MIT.)
Robert Iannucci, szef ośrodków badawczych Nokii, mówi, że firma chce przekształcić telefony z prostych terminali telefonicznych w bramki informacyjne – w Internet, GPS i czujniki, MP3, komputery stacjonarne, iPody i inne urządzenia. Mówi, że wymaga to ponownego przemyślenia całego interfejsu między ludźmi a urządzeniami przenośnymi. Zarówno w przypadku Nokii, jak i MIT oznacza to interakcję tekstową.
Ludzie są dobrzy z językiem, mówi Borys Katz , główny naukowiec w Laboratorium Informatyki i Sztucznej Inteligencji w MIT, głównej grupie współpracującej z firmą Nokia. „Chcemy, aby język był pierwszorzędnym obywatelem w telefonach komórkowych”, mówi.
Systemy nawigacji w języku naturalnym od dawna są obiecujące, a ich dostawy są krótkie. Ale nie jest już nierealne, aby myśleć, że te systemy mogą znaleźć się w rękach – i telefonach – konsumentów w najbliższej przyszłości. Jedno zastrzeżenie: złożone podstawy tych nowych aplikacji i algorytmy analizujące język będą musiały być ukryte przed użytkownikami telefonów komórkowych – aby nie denerwowali się poruszaniem się po warstwach menu.
Aby wykorzystać technologię języka naturalnego Nokii, Katz z MIT używa opracowanego w 1993 roku systemu oprogramowania o nazwie Początek , który interpretuje ludzkie pytania i znajduje odpowiedzi na stronach internetowych, takich jak Internet Movie Database (IMDB) i Mapquest. Korzystając z internetowej wersji Start jako bazy, Katz współpracuje obecnie z centrum Nokia nad mobilną wersją oprogramowania dla telefonów komórkowych o nazwie MobileStart.
Oto, jak działa internetowa wersja Start: użytkownicy wpisują pytanie w polu tekstowym. Oprogramowanie interpretuje zapytanie, decyduje, gdzie szukać odpowiedzi (w swojej bazie danych lub na innej stronie internetowej) i odpowiada pisemnym wyjaśnieniem, linkiem do strony internetowej lub obrazem.
[ kliknij tutaj, aby zobaczyć przykłady przetwarzania tekstu na telefonie komórkowym.]
Start wyciąga odpowiedzi, a nie trafienia, mówi Katz, bo to interpretuje ludzkim językiem, zamiast szukać słów kluczowych, takich jak Google i inne wyszukiwarki.
System Start rozumie zdania angielskie, dzieląc je na szereg relacji między przedmiotem, własnością i wartością. Na przykład, jeśli wpiszemy, Jaka jest populacja Iraku?, Start zinterpretuje zapytanie: obiektem jest Irak, własnością jest populacja, a wartością jest to, czego szuka Start.
To proste; jednak ludzie mają tendencję do zadawania bardziej złożonych pytań, szczególnie jeśli szukają konkretnych informacji. Jeśli ktoś zadaje pytanie typu: Ile osób mieszka w stolicy trzeciego co do wielkości kraju w Azji? Start podzieli go na trzy oddzielne zapytania, aby przetworzyć jedno na raz: Jaki jest trzeci co do wielkości kraj w Azji, jaka jest stolica tego kraju i jaka jest populacja stolicy? (Start decyduje, jak podzielić pytania i jak nadać priorytet ocenom za pomocą algorytmu zaprojektowanego przez Katza.)
Najbardziej oczywistą zmianą, jaką ten rodzaj interakcji mógłby wprowadzić dla użytkowników, jest uproszczenie złożonych struktur menu, które ewoluowały w miarę, jak telefony komórkowe obsługują coraz więcej zadań. Korzystając z systemu nawigacji w języku naturalnym, użytkownicy mogą wykonywać funkcje bez przekopywania się przez warstwy menu lub przeglądania dziesiątek trafień Google na małym ekranie. Mobilna wersja Start może również zbierać informacje z urządzenia GPS telefonu i Internetu lub wchodzić w interakcje i wysyłać polecenia do aplikacji w telefonie, takich jak książka adresowa i kalendarz.
Na przykład, jeśli użytkownik się zgubi, może po prostu zapytać telefon: Gdzie jestem? – a na ekranie pojawiłaby się mapa jego aktualnej lokalizacji. Albo mogliby nawet zapytać: Jak stąd dostać się do domu Brada? a telefon zlokalizuje ten adres na liście kontaktów, określi Twoją aktualną lokalizację za pomocą GPS, przejdzie do Mapquest i wyświetli wskazówki dojazdu online.
Polecenia językowe umożliwią również ludziom komunikację różnych technologii z urządzeniami innych osób, całkowicie eliminując potrzebę wysyłania oszałamiającej liczby wiadomości tekstowych, e-maili i poczty głosowej do innych osób. Na przykład dana osoba mogłaby powiedzieć telefonowi „Przypomnij mojej mamie, żeby wzięła lekarstwo jutro o trzeciej”, a aplikacja Nokii ustawi alarm w matki kalendarz telefoniczny, jeśli ma telefon MobileStart.
Oczywiście przy bardziej złożonych czynnościach – takich jak interakcja z innymi urządzeniami – Start i inne systemy oprogramowania nawigacyjnego w języku naturalnym zaczynają się zacinać. Aby móc wykonywać pewne rodzaje aplikacji, których będą potrzebować użytkownicy telefonów komórkowych, MobileStart będzie musiał nauczyć się, w jaki sposób użytkownik widzi świat, mówi Katz. Na przykład, jeśli ktoś każe telefonowi zadzwonić do Joego, ale w książce adresowej jest więcej niż jeden Joe, Katz mówi, że MobileStart będzie musiał użyć wcześniejszego zachowania, aby wywnioskować, o który Joe chodzi, co wymaga bardziej złożonych algorytmów, które wciąż są jest rozwijany. Chcemy mieć pewność, że telefon rozumie, co mówi użytkownik, nie obciążając go pytaniami wyjaśniającymi.
MobileStart powinien również radzić sobie z bardziej skomplikowanymi problemami dotyczącymi preferencji. Na przykład, jeśli użytkownik powie telefonowi: Przypomnij mojej mamie, żeby zażyła lekarstwo jutro o trzeciej, musi on określić, jak najlepiej dostarczyć tę wiadomość. Jeśli telefon wie – na podstawie wcześniejszych doświadczeń lub ustalonego polecenia – że obie osoby wolą komunikować się za pomocą wiadomości tekstowych, może wysłać wiadomość tekstową.
Co więcej, Katz powiedział, że na horyzoncie może pojawić się większe wyzwanie – odrębne od cyfrowej, mobilnej kultury: skrócone wiadomości tekstowe. Internetowa wersja Startu może obecnie wykrywać i sugerować użytkownikowi poprawienie błędów ortograficznych – ale jeśli ktoś wpisze jak zdobyć 2 Boston z Cambridge, co jest powszechnym skrótem na urządzeniach mobilnych – telefon wyśle to błędne odczytanie: Niestety, ja nie wiem, jak zdobyłeś Boston z Cambridge.
Obecnie system Start zna tylko język angielski (choć ma dostęp do narzędzi językowych Google do tłumaczenia fraz). Jego system analizowania — używany do dzielenia zapytania na obiekt, właściwość i wartość — może być używany z dowolnym ludzkim językiem, ale Katz będzie musiał nauczyć go nowego słownictwa i składni dla każdego nowego języka.
Nokia stara się uczynić swoje urządzenia mobilne bardziej przyjaznymi dla użytkownika i zmniejszyć problemy z interfejsem, które sprawiają, że urządzenia nie są tak praktyczne, jak to tylko możliwe. Dzięki tej próbie zapewnienia kompatybilności języków naturalnych i technologii Nokia wkracza w ruch Web 2.0 – tak jak ostatnio zrobił to Google ze swoją aplikacją kalendarza [patrz Google Time Keeper ].
Idealnie, mówi Katz, MobileStart będzie połączony z oprogramowaniem do zamiany głosu na tekst, aby korzystanie z telefonów komórkowych było jeszcze łatwiejsze. Rzeczywiście, Iannucci z Nokii wskazuje na ironię: telefony komórkowe są z natury urządzeniami głosowymi, ale nie używają głosu jako modalności.