اپلیکیشن های مترجم صدای گربه چگونه کار می نمایند؟ - مجله آزمون اول

تشخیص گفتار و یادگیری ماشینی

تشخیص گفتار به زبان ساده مبتنی بر ضبط گفتار و تبدیل آن به یک فایل دیجیتالی است. سپس نرم افزار بخش هایی از این فایل را کدگذاری و تحلیل می نماید تا بتواند منظور فرد را متوجه گردد. این کدگذاری ها با توجه به صدای پس زمینه و نحوه صحبت کردن فرد بسیار متفاوت محسوب می گردد.

ما گاهی اوقات تکنولوژی تشخیص صدا را یک امر بدیهی در نظر می گیریم اما باید بگوییم که یک شاهکار در حوزه تکنولوژی به حساب می آید. روی هم رفته هر کلمه شامل طیف گسترده ای از صداها یا آواها است که با یکدیگر ترکیب می شوند و در نتیجه کامپیوتر برای تشخیص و درک گفتار انسان باید فرایند بسیار پیچیده ای را پشت سر بگذارد. از طرف دیگر، تشخیص صدای گربه از این هم سخت تر به نظر می رسد.

اپلیکیشن های فعال در حوزه تشخیص گفتار از مجموعه داده یا دیتاست استفاده می نمایند که از میلیون ها کلمه تشکیل شده است. سپس این اپلیکیشن کوشش می نماید گفتار شما را با نزدیک ترین کلمات ذخیره شده در بانک اطلاعاتی خود تطبیق دهد. زمانی که مرتکب اشتباه می گردد و شما آن را اصلاح می کنید، داده های جدید را برای دفعه بعدی ذخیره می نماید. این فرایند بخشی از یادگیری ماشینی محسوب می گردد.

سیستم های تشخیص صدا هنوز مسائل مختلفی دارد که این مسائل برای افراد دچار اختلال گفتاری و لهجه بیشتر است. با این حال، سیستم های تشخیص گفتار روزبه روز بهتر می شوند. اما در نهایت سؤالی که مطرح می گردد این است که آیا این رویکرد برای اپلیکیشن های مترجم صدای گربه هم جواب می دهد؟

تشخیص گفتار انسان در برابر تشخیص صدای گربه

اول از همه باید درک کنیم چرا ترجمه نوع خاصی از صدای گربه به من گرسنه هستم با تجزیه و تحلیل گفتار انسان تفاوت دارد. از طرف دیگر، مشکل بزرگتر این است که گربه ها تا حد زیادی با نشانه های غیرکلامی مانند حالت بدن خود، پیغام را منتقل می نمایند. همچنین باید به فقدان زبان بین المللی گربه ها هم اشاره کنیم.

روی هم رفته، کارشناسان می گویند که صدای گربه باید به همراه حالت بدن و شرایط آنالیز گردد. ضمناً هر گربه ای زبان خاص خود را دارد. طبق آنالیز های اجرا شده، گربه ها زبان شخصی سازی شده برای صاحبان خود را ایجاد می نمایند. بنابراین با توجه به این محدودیت ها، اپلیکیشن های مترجم صدای گربه چگونه می توانند برای تمام گربه ها انجام وظیفه نمایند؟

یادگیری ماشینی انعطاف پذیر برای گربه ها

اگرچه چند دستیار مجازی مانند Oto برای درک لحن و احساس ارائه شده اند، اما سیستم های تشخیص گفتار در زمینه سیگنال های غیرکلامی هنوز عملکرد خوبی ندارند. اما این موضوع به معنای غیرممکن بودن تفسیر این اطلاعات نیست.

یکی از اپلیکیشن های مترجم صدای گربه MeowTalk نام دارد که که برای غلبه بر این مسائل، از نوعی یادگیری ماشینی انعطاف پذیر بهره می برد. این اپلیکیشن توسط خاویر سانچز توسعه پیدا نموده که یکی از اعضای تیم دستیار هوشمند الکسا از شرکت آمازون بوده است. به نظر او، این اپلیکیشن یک گام در راستای حرکت به سمت قلاده های هوشمند به حساب می آید. این قلاده ها قرار است با بهره گیری از الگوریتم های بسیار پیشرفته، به انسان ها برای درک بهتر گربه های خود یاری نمایند.

در این اپلیکیشن، برای هر گربه باید پروفایل جداگانه ای ایجاد کنید. طبق پژوهش های اجرا شده، صدای یک بچه گربه با صدای گربه بزرگسال تفاوت دارد و به همین خاطر اپلیکیشن از شما می خواهد که تاریخ تولد گربه خود را هم وارد کنید. هر پروفایل یک شبکه داده منحصر به فرد برای گربه ایجاد می نماید.

در ابتدا، این اپلیکیشن کار خود را با 10 پروفایل صدا شروع می نماید که هر کدام نشان دهنده معناهای مختلف مانند شاد بودن یا حالت شکار هستند. زمانی که اپلیکیشن صدایی را می شنود و اشتباه تشخیص می دهد، می توانید آن را اصلاح کنید یا اینکه پروفایل جدیدی برای آن صدای ایجاد کنید.

سیستم های یادگیری ماشینی مربوط به اپلیکیشن های تشخیص گفتار معمولا در برابر این اصلاحات مقاومت می نمایند. اما یادگیری ماشینی انعطاف پذیر این اپلیکیشن به کاربران اجازه می دهد که به راحتی اصلاحات زیادی را اعمال نمایند. به مرور زمان و با اصلاح و اضافه کردن صداهای مختلف، می توانید یک پروفایل شخصی سازی شده برای گربه خود را ایجاد کنید.

آیا اپلیکیشن های مترجم صدای گربه واقعا کار می نمایند؟

در نهایت، عملکرد این نوع اپلیکیشن ها تا حد زیادی به خود کاربر بستگی دارند زیرا باید نحوه صحبت کردن گربه خود را به اپلیکیشن آموزش دهند. با توجه به اینکه گربه ها زبان یکسانی ندارند، این رویکرد تغییر چندانی نخواهد داشت.

اما این واقعیت که یادگیری ماشینی تا این حد پیشرفت نموده و می تواند حتی تا حدی در این زمینه پیروز باشد، باورنکردنی است. یادگیری ماشینی و دیگر حوزه های هوش مصنوعی با سرعت فوق العاده ای روزبه روز بهتر می شوند و طی سال های آینده، پیشرفت های هیجان انگیزی را امکان پذیر می نمایند.

• هوش مصنوعی در 20 سال آینده چه شغل هایی را نابود می نماید؟

منبع: MakeUseOf

abanhome.com: گروه ساختمانی آبان: بازسازی ساختمان و تعمیرات جزئی و کلی و طراحی ویلا و فضای سبز و روف گاردن، طراحی الاچیق، فروش درب های ضد سرقت را از ما بخواهید.