211service.com
Hvor Siri har problemer med at høre, kunne en skare af mennesker hjælpe
Datalogen Jeffrey Bigham har skabt et talegenkendelsesprogram, der kombinerer de bedste talenter fra maskiner og mennesker.
Selvom stemmegenkendelsesprogrammer som Apples Siri og Nuances Dragon er ret gode til at høre velkendte stemmer og klart dikterede ord, kan teknologien stadig ikke pålideligt undertekster begivenheder, der præsenterer nye højttalere, accenter, sætninger og baggrundsstøj. Folk er ret gode til at forstå ord i sådanne situationer, men de fleste af os er ikke hurtige nok til at transskribere teksten i realtid (det er derfor professionelle stenografer kan opkræve mere end $100 i timen). Altså Bighams program Skriver udvider hurtige computere med nøjagtige mennesker i håb om hurtigt at finde ud af billedtekster og transskriptioner.
Dette rapid-fire crowd-computing eksperiment kunne være en stor hjælp for døve og hørehæmmede. Det kunne også give nye måder at forbedre stemmegenkendelsesapplikationer som Siri i områder, hvor de kæmper.
Scribes algoritmer leder menneskelige arbejdere til at skrive fragmenter af, hvad de hører i en tale. Ved at skrue op for lydstyrken eller sænke hastigheden af skiver af lyden, kan programmet dirigere forskellige arbejdere til unikke, men overlappende dele af en tale og derefter give dem et par sekunder til at komme sig, før de beder dem om at skrive igen.
Ved hjælp af naturligt sprogbehandlingsalgoritmer samler Scribe de udskrevne fragmenter til en komplet transskription, og de overflødige overlapninger kan hjælpe det med at udslette fejl. (Denne shotgun-beregningsteknik ligner den måde, mange DNA-sekventeringsmaskiner fungerer på, påpeger Bigham.) Den kan producere en transskription eller billedtekst med en forsinkelse så kort som tre sekunder ved brug af kun tre til fem arbejdere.
Det eneste krav er, at arbejderne kan høre og skrive, så selv som gruppe koster de mindre end en stenograf og behøver ikke dages forudgående varsel, bemærker han. Det kunne være en stor hjælp for en døv studerende, der f.eks. ønsker at tage en ny onlinetime, der ikke er blevet undertekster.
Bigham (se Innovators Under 35, 2009: Jeffrey Bigham) og hans kollega fra University of Rochester Walter Lasecki har testet Scribe med arbejdere, de fandt gennem Amazons Mechanical Turk, hvor folk tilmelder sig for at udføre simple opgaver. Disse arbejdere blev betalt minimum 6 $ i timen af Bighams team. Holdet hyrede også bachelorstuderende for 10 USD i timen. Det crowdsourcede arbejde af mennesker i begge grupper ser ud til kun at være en smule mindre nøjagtigt end en professionel stenografs, siger Bigham. Og i nogle tilfælde transskriberede de samlede arbejdere mere præcist jargonudtryk, som en enkelt professionel maskinskriver kunne have hørt forkert.
Det, Scribe er begyndt at vise, er evnen til at arbejde sammen som en del af en mængde for at udføre meget vanskelige præstationsopgaver bedre, end en person kan klare alene, siger han.
Bigham udvikler nu Scribe til en app, som han håber kunne hjælpe døve med at crowdsource transskriptioner hurtigt. For at støtte et stort antal brugere overvejer han også at licensere teknologien eller udskille en startup.
Det er ikke første gang nogen har tænkt på at bruge billig, computer-koordineret menneskelig arbejdskraft til at styrke de traditionelle svagheder i kunstig intelligens-programmer eller anden software. Twitter ansætter folk på Mechanical Turk for at hjælpe sin søgemaskine med at klassificere nyhedsemner, der pludselig begynder at trende. Bigham har også skabt et crowdsourcet personligt assistentsystem kaldet Chorus (se Artificial Intelligence, drevet af mange mennesker), der kunne være smartere end Siri, men billigere end enhver individuel timeansat.
Dette betyder ikke, at menneskelig arbejdskraft altid vil overgå automatiserede systemer til at transskribere tale. Aditya Parameswaran, en forsker ved Stanford University, som også arbejder med menneske-assisterede beregningsmetoder, siger, at efterhånden som indlæringsalgoritmer forbedres, vil crowdsourcing-teknikker som disse mest være nyttige til at øge computernes nøjagtighed, snarere end til at få mennesker til at udføre hovedparten af arbejde.