Изкуствен интелект чете по устни с удивителна точност

Учени създадоха софтуер, който е способен да чете по устни с удивителна точност. Зад проекта стоят разработчици от Оксфорд и подразделението за изкуствен интелект на Google – DeepMind.

В проекта са вложени хиляди часове разработка и обучение на софтуера. Четенето по устни е едно от тези занимания, в които компютърът скоро няма да се нуждае от човешка намеса, смятат специалистите.

Иновативната система прилага интересен метод на тренировка. Използват се хиляди клипове от новинарски емисии, предоставени от телевизия BBC, а изкуственият интелект на софтуера сравнява движението на устните на водещите с добре синхронизирани субтитри.

В контролиран тест, проектът с име „Watch, Attend and Spell“ е постигнал малко над 50% точност в разчитането на беззвучни клипове, докато група от професионалисти постигат едва 12%. Създателите на WAS споделят, че задачата им е особено трудна, тъй като в английския език има огромен брой думи, които се изговарят с почти еднаква форма на устните.

Хората приемат за даденост контекста, но за машините той представлява огромно предизвикателство. Софтуерът с изкуствен интелект се учи да разбира именно контекста. Предстои още много работа, преди технологията да бъде приложена в реална среда и в реално време, но несъмнено потенциалът й е обещаващ.