Modul în care NaturallySpeaking învață să recunoască vorbirea - dummies

Computerele sunt foarte inteligente atunci când vine vorba de lucruri care se încrețesc în creier, cum ar fi jocul șahului și completarea declarațiile fiscale, astfel încât s-ar putea să credeți că vor fi bâlbâi la activități "simple" cum ar fi recunoașterea fețelor sau înțelegerea vorbirii.

Dar după aproximativ 50 de ani de încercare de a face computerele să facă aceste lucruri simple, programatorii au ajuns la concluzia că o abilitate nu este simplă doar pentru că oamenii o stăpânează cu ușurință. De fapt, creierul, ochii și urechile noastre sunt pline de echipamente sofisticate de detectare și prelucrare, care încă rulează inele în jurul a tot ceea ce putem proiecta în siliciu și metal.

Noi, oamenii, credem că este ușor să înțelegem vorbirea, pentru că toată munca cu adevărat grea se face înainte de a deveni conștienți de ea. Pentru noi, se pare ca si cum cuvintele engleze ar intra in capul nostru de indata ce oamenii isi deschid gura. Natura inconștientă (sau preconștientă) a procesului face dublu greu pentru programatorii de calculator să imite.

Pentru a obține o idee de ce computerele au probleme cu vorbirea, gândiți-vă la ceva foarte bun în recunoașterea și înțelegerea: numerele de telefon cu ton de apel. Aceste blips și bloops pe liniile telefonice sunt mult mai semnificative pentru computere decât pentru oameni. Câteva caracteristici importante fac ca telefonul să tacă un limbaj ușor pentru computerele enumerate mai jos. Engleză, pe de altă parte, este complet diferită.

• "Vocabularul" de ton "touch" are doar 12 "cuvinte" în el. După ce știi tonurile celor zece cifre plus * și #, te afli. Engleză, pe de altă parte, are sute de mii de cuvinte.

• Niciuna dintre cuvinte nu sună la fel. Pe telefonul cu ton tactil, tonul "1" diferă în mod distinct de tonul "7". Dar limba engleză are omonime, cum ar fi nou și gnu, și aproape homonyms, cum ar fi mai mult și să se căsătorească cu ea. Uneori frazele întregi sună la fel: "Fiii cresc carnea" și "Radiațiile soarelui se întâlnesc", de exemplu.

• Toți "vorbitorii" limbii spun cuvintele în același mod. Apăsați butonul 5 de pe orice telefon și obțineți exact același sunet. Dar un bărbat în vârstă și o fetiță de 10 ani folosesc tonuri foarte diferite atunci când vorbesc; iar oamenii din Marea Britanie, Canada și Statele Unite pronunță aceleași cuvinte în limba engleză în moduri foarte diferite.

• Contextul nu are sens. La telefon, un 1 este un 1 este un 1. Modul în care interpretați sunetul nu depinde de numărul precedent sau de numărul următor. Dar în engleză scrisă, contextul este totul. Are sens să "meargă la New York."Dar este mult mai puțin sens să" mergeți la două New York "sau" să mergeți prea New York. „