Люди рождаются с умением понимать язык, но мы принимаем так много из того, что само собой разумеющееся. Например, если вы не говорите о Тагалоге, смотрите 20 секунд этой трансляции новостей. Ваша задача: определить, когда заканчивается одно слово, и начинается следующее. Вам не нужно знать, что они означают; просто признайте разделение между ними.
Как оказалось, это очень сложно! Помимо нескольких английских слов, это, вероятно, невозможно. Если вы изучили иностранный язык как взрослый, вы знаете, что это может быть трудно сделать, когда есть незнакомый словарь. Мы говорим непрерывным потоком звука, и вам действительно нужно знать, что слова говорят, чтобы распознать разделение слов.
Представьте себе, что искусственный интеллект пытается обработать то, что мы говорим. Это требует знания множества слов, которые приближаются друг к другу и как они могут быть произнесены. Иногда вы сталкиваетесь с этапами, с которыми он действительно борется. У меня есть эта проблема с Siri на моем iPhone, когда я пытаюсь диктовать фразу «вычислительная лингвистика» (по иронии судьбы, то, что Сири делает, как я диктую). И я не единственный; многие друзья сообщили о той же проблеме, когда я чирикал об этом.
Сири также борется с южными акцентами, вероятно, с множеством не северных акцентов в США и фразами. Эта задача, называемая распознаванием речи, значительно улучшилась с момента появления смартфонов, когда они могли постепенно учиться слушать многих людей. Тем не менее, ошибки в диктовке и распознавании являются общими.
Ваша задача: подумайте о том, как вы обрабатываете язык. Слушайте слова, которые звучат одинаково, и думайте о том, как вы выбираете, какой из них означает спикер (например, «красный» цвет, или «читать» прошлое время, что вы делаете с книгой, – как бы вы отличали тот, который человек означает в предложение)? Это, скорее всего, вернет вас к большой грамматике в старшей школе, и это поможет вам подумать о проблемах AI лица и о некоторых методах, которые могут быть полезны для повышения его точности.