Puheentunnistuksen kuolema?
http://robertfortner.posterous.com/the-unrecognized-death-of-speech-recognition
Artikkeli toteaa, että puheentunnistus on ajautunut umpikujaan. Yli kymmenen vuotta sitten saavutettiin erittäin hyviä tuloksia, mutta sitten kehitys taantui. Jatkuvan "luonnollisen puheen" tietokonetunnistus on ja pysyy mahdottomana. Onko näin? Mistä on kysymys?
Artikkelissä on hauskoja esimerkkejä:
“recognize speech”
“wreck a nice beach.”
“wreck an eyes peach”
Kuulostavat ihmisen puhumana likimain samalta. Se, että ihminen erottaa ne, perustuu siihen, mitä kuuntelija odottaa asiayhteyden perusteella.
Ongelma on sama kuin automaattisessa käännöksessä. Saavuttaakseen ihmisenveroisen, "virheettömän" tuloksen, puheentunnistuksen ja käännösohjelman on ymmärrettävä mistä puhutaan tai kirjoitetaan ja mihin viitekehyksiin sisältö liittyy, mitkä sisällöt ovat odotettavia ja mitkä eivät. Siis ohjelman on oikeasti ymmärrettävä sisältö, kuten ihminen. Kaikki muu on kompromissia. Käännöksessä isoilta kieliltä, esim espanjasta englantiin taso on jo erittäin hyvä, mutt edelleen kompromissia. Taso on saavutettu "fuskaamalla", laatimalla valtava valikoima mallihahmoja.
Ainoa perimmäinen ratkaisu on ihmisenveroinen, "yleinen tekoäly". Vasta sitten sekä puheenunnistus, että käännös "luonnollisten kielten" kanssa on mahdollista.
Mutta meilä on mahdollinen välivaihe: lojban. Sen kanssa molemmat tehtävät, puheentunnistus ja kääntäminen, ovat mahdollisia jo ennen yleistä tekoälyä. Se on ylivoimaisesti parempi kuin luonnolliset kielet.
http://robertfortner.posterous.com/the-unrecognized-death-of-speech-recognition
Artikkeli toteaa, että puheentunnistus on ajautunut umpikujaan. Yli kymmenen vuotta sitten saavutettiin erittäin hyviä tuloksia, mutta sitten kehitys taantui. Jatkuvan "luonnollisen puheen" tietokonetunnistus on ja pysyy mahdottomana. Onko näin? Mistä on kysymys?
Artikkelissä on hauskoja esimerkkejä:
“recognize speech”
“wreck a nice beach.”
“wreck an eyes peach”
Kuulostavat ihmisen puhumana likimain samalta. Se, että ihminen erottaa ne, perustuu siihen, mitä kuuntelija odottaa asiayhteyden perusteella.
Ongelma on sama kuin automaattisessa käännöksessä. Saavuttaakseen ihmisenveroisen, "virheettömän" tuloksen, puheentunnistuksen ja käännösohjelman on ymmärrettävä mistä puhutaan tai kirjoitetaan ja mihin viitekehyksiin sisältö liittyy, mitkä sisällöt ovat odotettavia ja mitkä eivät. Siis ohjelman on oikeasti ymmärrettävä sisältö, kuten ihminen. Kaikki muu on kompromissia. Käännöksessä isoilta kieliltä, esim espanjasta englantiin taso on jo erittäin hyvä, mutt edelleen kompromissia. Taso on saavutettu "fuskaamalla", laatimalla valtava valikoima mallihahmoja.
Ainoa perimmäinen ratkaisu on ihmisenveroinen, "yleinen tekoäly". Vasta sitten sekä puheenunnistus, että käännös "luonnollisten kielten" kanssa on mahdollista.
Mutta meilä on mahdollinen välivaihe: lojban. Sen kanssa molemmat tehtävät, puheentunnistus ja kääntäminen, ovat mahdollisia jo ennen yleistä tekoälyä. Se on ylivoimaisesti parempi kuin luonnolliset kielet.
Vastaukset 4
Vanhimmat
Ehkä ensimmäinen käytännön sovellus on puhujan identifioiminen, ei sisällön ymmärtäminen:
http://www.kantti.net/artikkeli/2010/04/puhe-kertoo-henkilöllisyyden
Muistan kun joskus 10 vuotta sitten oli ilmeisesti jonkinlainen puheentunnistusbuumi, sitä oli kännyköissä ja tietokoneohjelmissa. Kaveri polleana kehuskeli miten sillä oli puhetta tunnistava kännykkä. Siinä sitten kun piti puhumalla saada kännykkä soittamaan niin kaveri puolenkymmentä kertaa siihen mölisi ennen kuin mitään tapahtui. Sama juttu tapahtui tietokoneohjelman kanssa.
Kumpi sitten on kätevämpää, painaa vaan paria nappia vai mölähdellä hullun lailla puhelimelleen.. Markkinointi pelasi silloinkin, hyväuskoiset ilmeisesti uskoivat näihin "mullistaviin" lupauksiin. No markkinamiehethän myyvät mitä haluavat, ja saavat ihmiset uskomaan että jotain pitäisi muka ehdottomasti saada, vaikka taustalla on vaan oman tilipussin kartuttaminen. Tyhmää sakotetaan. Sama pätee kaikkeen teknologiaan, sitä voi aina miettiä että vaikka siinä nyt on mullistavia uutuuksia niin onko ne silti välttämättömiä, tai edes hyödyllisiä.
"Kumpi sitten on kätevämpää, painaa vaan paria nappia vai mölähdellä hullun lailla puhelimelleen.. Markkinointi pelasi silloinkin, hyväuskoiset ilmeisesti uskoivat näihin "mullistaviin" lupauksiin. No markkinamiehethän myyvät mitä haluavat, ja saavat ihmiset uskomaan että jotain pitäisi muka ehdottomasti saada, vaikka taustalla on vaan oman tilipussin kartuttaminen."
Usein on näin. Toinen tämän hetken hypetys, trendi ovat kosketusväytöt. Kosketusnäyttö on erittäin hyvä asia, kun sitä sovelletaan oikeassa paikassa ja oikein. Mutta jos "lääppäri", "lääppimisnäyttö" korvaa näppäimistön ja muut osoitustavat joka paikassa ja ilman vaihtoehtoja, ollaan pahasti hakoteillä. esim. qwerty-näppäimistön korvaaminen lääppimisnäytöllä on lähes aina väärin, ehkä pankkien maksuautomaatteja ja vastaavia lukuunottamatta, mutta puhelimissa ja muissa pienissä laitteissa aina.
Kyllä lääppiminen on paljon tyhmempää kuin möliseminen, kun ajattelee keinoja millä ihmisten on ratkottava ongelmiaan tulevaisuudessa. Siinä mielessä koneelle möliseminen ei saisi olla merkki vajaamielisyydestä vaan siitä että uskaltaa puhutella konettaan. Ihmiset ovat kuitenkin tarkkoja olemuksestaan että laumasta poikkeava käytös tuomitaan.
Apinat ja linnanjuhlien vieraat selviävät lääppimiselläkin.