Technika

Jobban olvas szájról a mesterséges intelligencia, mint egy profi

2017.03.20. - 11:00  |  Nincs hozzászólás

A szájról olvasás egy nem túl egzakt tudomány, mivel a száj mozgása túlságosan egyedi, és a gépek számára is nehéz a hangot, egy adott mozdulathoz kötni. Az Oxford-i Egyetem informatikusai összeálltak a Google DeepMind-dal, hogy létrehozzanak egy mesterséges intelligenciát, ami képes szájról olvasni. A Watch, Attend and Speel (WAS) szoftverük már a korai tesztelések alatt is jobban teljesített, mint a legjobb szájról olvasó emberek.

A szájról olvasás pontossága elképesztően eltérő, de egy dolog biztos, nem vagyunk képesek csak ezzel a módszerrel jól interpretálni a beszédet. Az Oxford Egyetem informatikusai korábban kiadtak egy tanulmányt, miszerint a hallássérültek átlagos, szájról olvasási pontossága 52,3 százalék. A Georgia Tech kutatói pedig azt találták, hogy a beszédnek csupán 30 százaléka látható az ajkakon.

Akárhogy is legyen, egy olyan szoftver, ami automatikusan elvégzi a feladatot, és képes javítani a pontosságon, már így is hatalmas segítség lehet a hallássérültek számára. Az Oxford Egyetem nem véletlenül állt össze a 2014-ben a Google által megvásárolt DeepMind, mesterséges intelligenciával foglalkozó vállalattal, azt remélik hogy együtt egy olyan rendszert tudnak fejleszteni, ami sokkal jobb eredményeket hoz majd.

lip1

A WAS képes tanulni. A kutatók több, mint 5.000 órányi BBC felvételt mutattak a WAS-nak, ez közel 118.000 mondatot, vagyis 17.500 szót tartalmazott, amit több, mint 1.000 különböző ember mondott be. Ezek után élesben tesztelték a WAS-t. A teszt abból állt, hogy mutattak neki és egy profi szájról olvasónak egy videót, amiben csak a látottakra hagyatkozhattak. A szakember a szavak 12 százalékát olvasta le helyesen, míg a WAS az 50 százalékát. Persze voltak hibák, de a fejlesztők szerint ezek apró hibák, ráadásul idővel akár javíthatóak is.

lip3

Ugyan még sok munka van hátra, mielőtt a szoftvert élesben is lehetne alkalmazni, de a kutatók azt mondták a BBC-nek, hogy hamarosan már élőben is működhet majd, addig pedig továbbra is TV felvételekkel tanítják. "A szájról olvasó mesterséges intelligencia segítségével sokkal jobb eredményeket érhetünk el beszédet szövéggé alakító automatikus rendszereknél, főleg zajos környezetben." - mondta Jesal Vishnuram, technológiai kutató menedzser.

Forrás: http://newatlas.com/

Rovat további cikkei

Házat nyomtatott az MIT 3D nyomtatója

Amikor először megjelent a 3D nyomtatás, sokan vélték úgy, hogy talán...

2017.04.27. - 23:08 tovább »

Lítium-ion akkumulátor eldobott üdítősüvegből

A UC Riverside egyetem kutatói megalkottak egy olyan módszert, amivel az...

2017.04.24. - 21:52 tovább »

Megszabadul a gyanús hátterű beszállítóitól az Apple

Az Apple nagy lépésre szánta el magát, megszabadulnak az összes kétes...

2017.04.21. - 17:34 tovább »

Friss cikkek

Matematikailag lehetséges az időutazás

Már jóval azelőtt, hogy Einstein megalkotta volna a relativitás...

2017.04.29. - 00:13 tovább »

El Salvador meghúzza a vonalat “arany és zöld között”

El Salvador kicsiny országa egy történelmi jelentőségű döntést hozott...

2017.04.28. - 23:36 tovább »

Egy szálloda, amit megmászhatunk, akár egy hegyet

A NOA (Network of Architecture) csapatnak már voltak merész húzásai,...

2017.04.28. - 23:09 tovább »