211service.com
Også for computere er det svært at lære at tale kinesisk
Forskere kalder ofte 2017 for samtalecomputerens år i Kina. Ved at udnytte de seneste fremskridt inden for stemmegenkendelse og behandling af naturligt sprog har e-handelsgiganten Alibaba og søgegiganten Baidu begge udviklet teknologi til at knække stemmebaseret kommunikation (se 10 banebrydende teknologier: Samtalegrænseflader). Nu stemmestyrede produkter afledt af Baidu og Alibabas teknologi kommer til det kinesiske marked.
Tmall Genie, som har Alibabas stemmeassistent, AliGenie, indbygget, er beslægtet med Amazon Echo. Den kan afgive onlineordrer, tjekke vejret, afspille din yndlingsmusik og styre andre smartenheder i dit hjem gennem stemmekommandoer.
Baidus DuerOS-samtaleplatform er blevet tilføjet som en funktion i produkter som en hjemmeassistentrobot, en tv-set-top-boks og en HTC-smartphone. Det har lignende funktioner som AliGenie og andre stemmeassistenter, såvel som rudimentære evner til at udføre en tilfældig chat, og virksomheden siger, at den har modtaget et stort antal ordrer på sit DuerOS-udviklingssæt.
Kun Jing, general manager for Baidus Duer-forretningsenhed, forventer, at mange flere virksomheder kommer på banen i år, delvist motiveret af succesen med produkter som Echo på det amerikanske marked, hvilket har vakt interessen hos kinesiske teknologiinvestorer.
Analysefirmaet IDC forudsiger, at i 2020 vil 51 procent af smart-kørsel-industrien og 68 procent af mobiltelefon- og wearables-industrien i Kina have et samtalebaseret AI-system indbygget. Ligesom berøringsskærmen interagerer med en mobilenhed så meget nemmere, samtalegrænseflader vil gøre interaktion mere naturlig og trække flere mennesker ind i den forbundne verden, siger Jing, der fører tilsyn med udviklingen af DuerOS.
Stemmebaseret computing er en god mulighed for Kina. I dag er det at skrive kinesisk på et typisk QWERTY-tastatur baseret på et system kaldet pinyin, baseret på tegns udtale, men da der er fire toner på mandarin og hver har en anden betydning, skal brugeren omhyggeligt vælge det rigtige tegn fra en rullemenu efter at have indtastet udtalen. En almindelig stavelse som yi kan svare til 60 eller mere hyppigt brugte kinesiske tegn. Nogle inputmetoder kan prioritere den mest sandsynlige karakter i henhold til konteksten, men de er ikke altid nøjagtige. Ikke overraskende har brugere af mobilteknologier som den populære WeChat kommunikationsapp en tendens til at efterlade verbale beskeder til hinanden i stedet for de maskinskrevne tekster, der er typiske i USA.
I Kina i dag fungerer stemmeassistentteknologien ved at omdanne en brugers stemmekommandoer til tekst og generere et svar baseret på tekstens betydning. Den proces fungerer ret godt for opgavebaserede kommandoer - tjek vejret eller se efter den engelske oversættelse af et bestemt kinesisk ord - men den kan ikke opretholde en frem og tilbage samtale om flere emner.
Løsning af samtalecomputere vil kræve at overvinde nogle af de udfordrende kompleksiteter i det kinesiske sprog. På kinesisk betyder de samme tegn arrangeret i forskellig rækkefølge forskellige ting, og selv når de er arrangeret i samme rækkefølge, kan de have forskellige betydninger afhængigt af hvad der kommer før eller efter dem. Derudover har skrevet kinesisk ikke mellemrum, der naturligt deler ord, som engelsk gør. Så kinesiske forskere, der behandler naturligt sprog, skal lære deres algoritmer, hvor de skal indsætte mellemrum for at fastslå den rigtige betydning af en bestemt kombination af tegn. Fraværet af kinesiske verbum – der er ingen karakteristiske former for fortid, nutid eller fremtid – gør det også udfordrende for maskiner at dechifrere tidslinjen for en sekvens.
Kinesiske forskere, der behandler natursprog, tackler også andre udfordringer: Der findes adskillige dialekter, hvoraf nogle er gensidigt uforståelige, og det samme udtryk kan betyde forskellige ting i forskellige sammenhænge.
Zhiyong Wu, en lektor ved Tsinghua University, der studerer naturlig sprogforståelse, bemærker, at for at computere virkelig kan forstå hensigten med en menneskelig taler og kommunikere korrekt, bliver de nødt til at opfange subtile spor såsom intonation og stress. De bliver også nødt til at forstå følelser, eftersom menneskers beslutningstagning ikke udelukkende er baseret på logik, bemærker Jia Jia, en lektor ved Tsinghua University, som studerer social affective computing.
For at gøre sit system smartere, introducerede Baidu en trænertilstand i sin platform i år for at give softwareudviklere mulighed for at bidrage med sprogdata i realtid gennem en indbygget annotator-bot. Botten modtager udviklerfeedback (såsom forklaringen af en forespørgsel, systemet ikke forstod første gang), lærer af det og retter derefter systemet.
En fordel kinesiske forskere har, når de forsøger at løse disse problemer, er en stor mængde data. De neurale netværk, der understøtter sprogforståelsen af nutidens computere, kræver store mængder data at træne. Jo flere data en virksomhed har, desto smartere bliver dens neurale netværk, og virksomheder som Baidu og Alibaba har fordelen af store brugerbaser. Ved udgangen af 2016 havde Baidu krav på 665 millioner månedlige aktive mobilbrugere, og i marts i år havde Alibaba 507 millioner aktive månedlige mobile brugere.
Men Gang Wang, en videnskabsmand ved Alibabas A.I. Lab, siger, at forskere bliver nødt til at designe neurale netværk, der ikke har brug for en masse data for at blive mere effektive til at lære sprog. I den virkelige verden udtrykker folk den samme betydning på forskellige måder, og det er umuligt at lære computeren alle mulige udtryk, bemærker han. I sin tidligere rolle som akademisk forsker fandt han og hans kolleger på en metode til at lære computere at forstå et emne, når meget lidt data er tilgængeligt: brug data fra relaterede emner. For at træne et neuralt netværk til at forstå tekster inden for idrætsmedicin kan du for eksempel trække på data fra sport og data fra medicin. Tilgangen er ikke så god som at bruge organiske data, bemærker Wang, men når det mangler, gør det det muligt at træne neurale netværk om et emne.
Det, der i sidste ende vil få en stemmeassistent til at lykkes i Kina, er dens indhold og tjenester, siger Chenfeng Song, grundlægger af Ainemo, en startup, der laver en stemmeaktiveret hjemmeassistentrobot kaldet Little Fish, der blev sat til salg i juni. Song planlægger gradvist at bygge uddannelses- og sundhedsprogrammer ind i sit firmas hjemmeassistent. Little Fish bruger DuerOS-samtaleplatformen. Stemme, noterer sangen, er en måde at levere indhold til folk, der ikke kan få adgang til internettet særlig godt gennem stationære computere og smartphones, især ældre og små børn.