Saturs
J:
Kāda ir atšķirība starp runu un tērzēšanas robotiem?
A:
Daudzās būtiskās atšķirības starp runas tehnoloģijām un tērzēšanas robotiem ir daļa no tā, kas tiek pārbaudīts, strauji attīstoties chatbot un balss robotiem.
Runa-tehnoloģija ir vienkārša, kas verbālo runu pārvērš digitālā lapā. Tā ir tā pilnā funkcija, taču to nav viegli noformēt. Lai verbālo runu pārveidotu par, tehnoloģijai jāsadala vārdi un teikumi atsevišķās fonēmās un jāstrādā ar tiem pēc sarežģītiem algoritmiem, lai izveidotu precīzu un atspoguļotu runātāja teikto.
Tērzētavas, no otras puses, ir tehnoloģijas, kas sasniedz mērķi sazināties ar cilvēku. Ir divu veidu tērzēšanas roboti: tērzēšanas roboti un balss roboti. tērzēšanas roboti ir bijuši daudz ilgāki, jo viņiem nav nepieciešams runas elements, ko izmanto balss roboti.
Galvenā atšķirība starp runas tehnoloģijām un tērzēšanas robotiem ir darbības joma. Kā minēts, runas tehnoloģija ir tikai vārdiskās runas transkripcija. Tērzētavai, no otras puses, ir jāuzstājas ar runu neatkarīgi no tā, kurā formā tā paredzēta, to jāsaprot un jāsniedz atbildes, kuru mērķis ir nokārtot Tjūringa testu - pārbaudi, vai tehnoloģija var maldināt cilvēku domāt, ka viņš / viņa ir saruna ar citu personu.
Paturot to prātā, tērzēšanas robotus ir daudz vieglāk izveidot nekā balss robotus. Tērzētava iesaistās cilvēkos un sniedz atbildi. Pat samērā vienkārši tērzēšanas roboti ir spējuši cilvēkiem sniegt interesantus un patīkamus rezultātus kopš astoņdesmito gadu beigām un 90. gadu sākuma.
No otras puses, balss robotam ir jāpieņem verbālā runā, jāpārveido tajā, jāpārbauda tā precizitāte, jāsniedz atbilde un jāveido šī atbilde no mašīnu valodas dzirdamajā runā. Šis lielais diezgan nozīmīgo uzdevumu skaits nozīmē, ka balss robotam ir nepieciešams daudz skaitļošanas jaudas un daudz dizaina.
Tādi projekti kā Siri, Cortana un Alexa demonstrē daļu no balss robotu tehnoloģiju avangardiem. Viņi arī ilustrē, ka šī tehnoloģija joprojām ir sākuma stadijā. Kaut arī Alexa un citas tehnoloģijas var verbāli reaģēt uz cilvēka runu, tās nav īpaši spējīgas tādā nozīmē, ka mēs vispār asociējamies ar verbālo cilvēka runu. Citiem vārdiem sakot, ir diezgan maz ierobežojumu reakcijām, ko šīs tehnoloģijas var sniegt. Mūsdienu personīgo palīgu paaudzei ir pat ierobežotas iespējas reāli ģenerēt runu, piemēram, transkripcijas nolūkā vai palīdzot kādam rakstīt eseju, neizmantojot rokas. Dažas no īpašajām runas programmām tirgū to dara labāk nekā Siri vai Cortana, iespējams, resursu piešķiršanas dēļ. Tomēr ir pazīmes, kas liecina, ka balss robotprogrammatūras izstrāde drīz sāks parādīties - piemēram, Amazons Lex platforma, kas ļauj studijas vidē veidot šāda veida tehnoloģijas.
Gudrā un pamācošā esejā par šo tēmu Tobiass Gēbela runā par atšķirību starp šīm tehnoloģijām, pretstatot “pārrakstīšanas” procesu, kuru runa ir paredzēta, lai saprastu darbu, kas tērzēšanas robotiem ir jādara.
"Lai gan runas atpazīšanas nepieciešamības mazināšana tērzēšanas robotam atvieglo lietas, galvenais izaicinājums funkcionējošu robotprogrammatūru izveidošanai ir dabiskās valodas izpratne," raksta Gēbela.
Gēbele identificē arī daudzus pašreizējos nozares dalībniekus:
Runas atpazīšanas tirgus līderis ir Nuance, kurš aiz tādām pazīstamām sistēmām kā Dragon NaturallySpeaking diktē personālo datoru, kas darbojas jau kopš deviņdesmitajiem gadiem, kā arī Siri: runas atpazīšanas / transkripcijas uzdevums Apple mākonī izmanto Nianses tehnoloģija aizkulisēs. Citi ir LumenVox, Verbio vai Interactions, bet runas atpazīšana tagad tiek piedāvāta arī kā mākoņa pakalpojums, izmantojot API, piemēram, Amazon, Google, Microsoft un IBM.
Tā kā tērzēšanas roboti attīstās, tiek pieņemts, ka viņu izpratne turpinās pieaugt kādā trajektorijā - un lielākoties arī tiek pieņemts, ka vairāk robotprogrammatūru tehnoloģijas pāries no saskarnēm uz verbālām saskarnēm, un tām būs nepieciešami papildu skaitļošanas jaudas apjomi.