211service.com
Även för datorer är det svårt att lära sig tala kinesiska
Forskare kallar ofta 2017 för konversationsdatorns år i Kina. Genom att utnyttja de senaste framstegen inom röstigenkänning och bearbetning av naturliga språk har e-handelsjätten Alibaba och sökjätten Baidu båda utvecklat teknik för att knäcka röstbaserad kommunikation (se 10 genombrottsteknologier: konversationsgränssnitt .) Nu röststyrda produkter härledda från Baidu och Alibabas teknologi kommer till den kinesiska marknaden.
Tmall Genie, som har Alibabas röstassistent, AliGenie, inbyggd, är besläktad med Amazon Echo. Den kan göra onlinebeställningar, kolla vädret, spela din favoritmusik och styra andra smarta enheter i ditt hem genom röstkommandon.
Baidus DuerOS-konversationsplattform har lagts till som en funktion i produkter som en hemassistentrobot, en TV-set-top-box och en HTC-smarttelefon. Den har liknande funktioner som AliGenie och andra röstassistenter, såväl som rudimentära förmågor att genomföra en slumpmässig chatt, och företaget säger att det har fått ett stort antal beställningar på sitt DuerOS-utvecklingskit.
Kun Jing, general manager för Baidus affärsenhet Duer, förväntar sig att många fler företag kommer in på området i år, delvis motiverat av framgången med produkter som Echo på den amerikanska marknaden, vilket har väckt intresset hos kinesiska teknikinvesterare.
Forskningsföretaget IDC förutspår att år 2020 kommer 51 procent av industrin för smart körning och 68 procent av industrin för mobiltelefoner och bärbara enheter i Kina att ha ett konversationsbaserat AI-system inbakat. Precis som pekskärmen interagerar med en mobil enhet. så mycket enklare, konversationsgränssnitt kommer att göra interaktionen mer naturlig och dra in fler människor till den uppkopplade världen, säger Jing, som övervakar utvecklingen av DuerOS.
Röstbaserad datoranvändning är ett bra alternativ för Kina. Idag förlitar man sig på att skriva kinesiska på ett typiskt QWERTY-tangentbord på ett system som kallas pinyin, baserat på teckens uttal, men eftersom det finns fyra toner på mandarin och alla har olika betydelse, måste användaren noggrant välja rätt tecken från en rullgardinsmeny efter att ha skrivit uttalet. En vanlig stavelse som yi kan motsvara 60 eller fler vanliga kinesiska tecken. Vissa inmatningsmetoder kan prioritera den mest sannolika karaktären efter sammanhanget, men de är inte alltid korrekta. Föga överraskande tenderar användare av mobilteknik som den populära kommunikationsappen WeChat att lämna verbala meddelanden till varandra, snarare än de maskinskrivna texterna som är typiska i USA.
I Kina idag fungerar röstassistenttekniken genom att omvandla en användares röstkommandon till text och generera ett svar baserat på textens betydelse. Den processen fungerar ganska bra för uppgiftsbaserade kommandon - kolla vädret eller leta efter den engelska översättningen av ett visst kinesiskt ord - men det kan inte upprätthålla en fram- och tillbaka-konversation om flera ämnen.
Att lösa konversationsdatorer kräver att man övervinner några av det kinesiska språkets utmanande komplexitet. På kinesiska, till exempel, betyder samma tecken ordnade i olika ordning olika saker, och även när de är ordnade i samma ordning kan de ha olika betydelser beroende på vad som kommer före eller efter dem. Dessutom har skriven kinesiska inte mellanslag som naturligt delar ord som engelska har. Så kinesiska forskare som bearbetar naturligt språk måste lära sina algoritmer var de ska infoga mellanslag för att fastställa den korrekta betydelsen av en speciell kombination av tecken. Frånvaron av kinesiska verbtid – det finns inga distinkta former för dåtid, nutid eller framtid – gör det också utmanande för maskiner att dechiffrera tidslinjen för en sekvens.
Kinesiska forskare som bearbetar naturligt språk tar sig an andra utmaningar också: Det finns många dialekter, av vilka några är ömsesidigt obegripliga, och samma uttryck kan betyda olika saker i olika sammanhang.
Zhiyong Wu, en docent vid Tsinghua University som studerar förståelse av naturliga språk, konstaterar att för att datorer verkligen ska förstå avsikten med en mänsklig talare och kommunicera på lämpligt sätt, måste de fånga upp subtila ledtrådar som intonation och stress. De måste också förstå känslor, eftersom människors beslutsfattande inte enbart baseras på logik, konstaterar Jia Jia, en docent vid Tsinghua University som studerar social affektiv datoranvändning.
För att göra sitt system smartare introducerade Baidu ett tränarläge i sin plattform i år för att tillåta mjukvaruutvecklare att bidra med språkdata i realtid genom en inbyggd annotatorbot. Boten får feedback från utvecklare (som förklaringen av en fråga som systemet inte förstod första gången), lär sig av det och korrigerar sedan systemet.
En fördel kinesiska forskare har när de försöker lösa dessa problem är en stor mängd data. De neurala nätverk som ligger till grund för språkförståelsen hos dagens datorer kräver stora mängder data för att träna. Ju mer data ett företag har, desto smartare kommer dess neurala nätverk att bli, och företag som Baidu och Alibaba har fördelen av stora användarbaser. I slutet av 2016 hade Baidu 665 miljoner aktiva mobilanvändare per månad, och i mars i år hade Alibaba 507 miljoner aktiva mobilanvändare varje månad.
Men Gang Wang, en vetenskapsman vid Alibabas A.I. Lab, säger att forskare måste designa neurala nätverk som inte behöver mycket data för att bli mer effektiva när det gäller att lära sig språk. I den verkliga världen uttrycker människor samma betydelse på olika sätt, och det är omöjligt att lära datorn alla möjliga uttryck, konstaterar han. I sin tidigare roll som akademisk forskare kom han och hans kollegor på en metod för att lära datorer att förstå ett ämne när väldigt lite data finns tillgängligt: använd data från relaterade ämnen. Till exempel, för att träna ett neuralt nätverk för att förstå texter inom idrottsmedicin, kan du använda data från sport och data från medicin. Tillvägagångssättet är inte lika bra som att använda organisk data, konstaterar Wang, men när det saknas gör det det möjligt att träna neurala nätverk i ett ämne.
Det som i slutändan kommer att få en röstassistent att lyckas i Kina är dess innehåll och tjänster, säger Chenfeng Song, grundare av Ainemo, en startup som gör en röstaktiverad hemassistentrobot som heter Little Fish som började säljas i juni. Song planerar att gradvis bygga in utbildnings- och hälsovårdsprogram i sitt företags hemassistent. Little Fish använder DuerOS-konversationsplattformen. Röst, noterar Song, är ett sätt att leverera innehåll till människor som inte kan komma åt Internet särskilt bra via stationära datorer och smartphones, särskilt äldre och små barn.