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

Nátrium alapú akkumulátort fejlesztettek a Stanford Egyetemen

A legjobb akkumulátor megtalálása kulcsfontosságú korunkban, hiszen egyre...

2017.10.18. - 18:00 tovább »

Szőnyegként kitekerhető napelem

Annak ellenére, hogy szinte bárhol lehetne hasznosítani valamilyen...

2017.10.06. - 13:27 tovább »

Közös űrállomása lesz Oroszországnak és az USA-nak

Egyre biztosabbnak látszik, hogy az emberek érdeklődése hosszú évtizedek...

2017.09.27. - 17:28 tovább »

Friss cikkek

64 millió dollárt adományozott a Bloomberg egy anti-szén kampánynak

Donald Trump kampánya és eddig elnöksége során is sokszor tette szóvá,...

2017.10.18. - 15:26 tovább »

Csak menhelyi, mentett állatok lehet ezentúl eladni Kaliforniában

Kaliforniában elfogadták az AB485 névre hallgató törvénymódosítást,...

2017.10.18. - 14:16 tovább »

A Google jövőre 100%-ig megújuló energián fog üzemelni

Miután már 10 éve sikeresen szénmentes, a Google bejelentette, hogy az...

2017.10.14. - 15:26 tovább »