Człowiek stał się zbędny. Faceboook nie potrzebuje go do uczenia maszyn mówienia

Z roku na rok Siri, Asystent Google i Alexa coraz mniej przypominają syntetyczne roboty. Czasem brzmią nawet całkiem przekonująco, jednak do bycia nieodróżnialnymi od ludzkich asystentów brakuje im jeszcze bardzo wiele. Sztuczna inteligencja odpowiedzialna za syntezę mowy jest wysoce niedoskonała – niezależnie od firmy za nią odpowiedzialną.

Jedną z najpowszechniejszych metod szkolenia SI odpowiedzialnej za syntezę mowy jest zapewnianie jej kolejnych punktów odniesienia. Technicy codziennie godzinami słuchają nowych próbek głosu, tworzą ręcznie transkrypcję tekstową, po czym taki zestaw danych zapewnia algorytmowi do nauki. To kosztowny i powolny proces. Którego Facebook już może się pozbyć.

Engadget informuje o przełomie, jaki dokonał się w laboratoriach Facebooka. System giganta uczy się bezpośrednio z próbek dźwiękowych i ogólnej bazy danej słów. Nie potrzebuje już dokładnych transkrypcji, by doskonalić się w wiedzy o brzmieniu ludzkiej mowy.  

Facebook twierdzi, że algorytm pozwala uczyć się ze zbiorów big data i był już testowany między innymi na swahili, kirgiskim i krymskokatarskim. Swoją drogą, ciekaw jestem dostępności próbek tak egzotycznych języków, jednak tym Facebook się już nie chwali.

Metoda Facebooka nie jest jednak tak dokładna, jak ta zapewniana przez tekstowe transkrypcje próbek dźwiękowych. Zapewnia więc duże oszczędności w wykorzystaniu zasobów ludzkich, jednak ogólna wydajność tego modelu nauczania nie jest jeszcze do końca znana. Prace nad algorytmem jednak nadal trwają – w tym z udziałem społeczności open-source. Pełna automatyzacja przy zachowaniu wysokiej skuteczności zapewniłaby Facebookowi gigantyczną przewagę nad konkurencją. Co ciekawe, Facebook na dziś nie ma w swojej ofercie żadnego cyfrowego asystenta głosowego.