Varför 500 miljoner människor i Kina pratar med denna AI

iFLYTEK

När Gang Xu, en 46-årig Pekingboende, behöver kommunicera med sin kanadensiska hyresgäst om hyresbetalningar eller elräkningar, öppnar han en app som heter iFlytek Input i sin smartphone och trycker på en ikon som ser ut som en mikrofon, och börjar sedan talande. Programvaran förvandlar hans kinesiska verbala meddelanden till engelska textmeddelanden och skickar dem till den kanadensiska hyresgästen. Den översätter också hyresgästens engelska textmeddelanden till kinesiska, vilket skapar en sömlös cykel av tvåspråkig konversation.

I Kina använder över 500 miljoner människor iFlytek Input för att övervinna hinder i kommunikationen som det Xu möter. Vissa använder det också för att skicka textmeddelanden genom röstkommandon under körning, eller för att kommunicera med en talare på en annan kinesisk dialekt. Appen har utvecklats av iFlytek, ett kinesiskt AI-företag som tillämpar djupinlärning inom en rad områden som taligenkänning, bearbetning av naturliga språk, maskinöversättning och datautvinning (se 50 smartaste företag 2017).

Domstolssystem använder sin röstigenkänningsteknik för att skriva ut långa förfaranden; affärssamtalcenter använder sin röstsyntesteknik för att generera automatiska svar; och Didi, en populär kinesisk app, använder också iFlyteks teknologi för att sända order till förare.

Relaterad berättelse

Relaterad berättelse

Men även om några imponerande framsteg inom röstigenkänning och omedelbar översättning har gjort det möjligt för Xu att prata med sin kanadensiska hyresgäst, är språkförståelse och översättning för maskiner fortfarande en otroligt utmanande uppgift (se AI:s språkproblem).

Xu minns ett missförstånd när han försökte fråga sin hyresgäst när han skulle sluta från jobbet för att komma underteckna förnyelsen av hyresavtalet. Men sms:et skickade från appen var Vilken tid går du till jobbet idag? I efterhand tror han att det förmodligen berodde på formuleringen av hans fråga: du kommer att jobba till vilken tid idag? Ibland, beroende på sammanhanget, kan jag inte få fram min mening, säger Xu, som fortfarande är beroende av den för kommunikation.

Xus berättelse belyser varför det är så viktigt för ett företag som iFlytek att samla in så mycket data från verkliga interaktioner som möjligt. Appen, som är gratis, har samlat in denna data sedan den lanserades 2010.

iFlyteks utvecklarplattform, kallad iFlytek Open Platform, tillhandahåller röstbaserad AI-teknik till över 400 000 utvecklare inom olika branscher som smarta hem och mobilt internet. Företaget värderas till 80 miljarder yuan (12 miljarder dollar) och har internationella ambitioner, inklusive ett dotterbolag i USA och ett försök att expandera till andra språk än kinesiska. Samtidigt förändrar företaget hur många branscher som bilkörning, hälsovård och utbildning interagerar med sina användare i Kina.

iFlytek har sitt huvudkontor i Hefei, Kina.

I augusti lanserade iFlytek en röstassistent för förare som heter Xiaofeiyu (Little Flying Fish). För att säkerställa säker körning har den ingen skärm och inga knappar. När den är ansluten till Internet och förarens smartphone kan den ringa samtal, spela musik, leta efter vägbeskrivningar och söka efter restauranger med röstkommandon. Till skillnad från röstassistenter avsedda för hem, designades Xiaofeiyu för att känna igen röster i en bullrig miljö.

Min Chu, vice vd för AISpeech, ett annat kinesiskt företag som arbetar med röstbaserad teknik för interaktion mellan människa och dator, säger att röstassistenter för förare på något sätt är mer lovande än smarta högtalare och virtuella assistenter inbäddade i smartphones. När förarens ögon och händer är upptagna är det mer vettigt att lita på röstkommandon. Dessutom, när förarna väl har vant sig vid att få saker gjorda med sin röst, kan assistenten också bli en innehållsleverantör och rekommendera underhållningsalternativ istället för att passivt hantera förfrågningar. På så sätt kommer en ny affärsmodell att utvecklas.

Även om artificiell intelligens inom hälso- och sjukvården har potential att minska kostnaderna och förbättra patientresultaten, är många sjukhus ovilliga att ta steget av rädsla för att störa ett redan ansträngt system som har få läkare men många patienter.

På Anhui Provincial Hospital, som testar ett antal försök med AI, förändrar röstbaserad teknik många aspekter av sin tjänst. Tio röstassistenter i form av en robottjej använder iFlyteks teknologi för att välkomna besökare i lobbyn på öppenvårdsavdelningen och erbjuda avlastning för överarbetade receptionister. Patienterna kan berätta för röstassistenten vilka symtom de har och sedan ta reda på vilken avdelning som kan hjälpa till.

Baserat på de uppgifter som sjukhuset samlat in sedan juni ledde röstassistenten patienterna till rätt avdelning 84 procent av tiden.

Läkare på sjukhuset använder också iFlytek för att diktera en patients vitala tecken, mediciner som tas och annan information till en mobilapp, som sedan förvandlar allt till skriftliga register. Appen använder röstutskriftsteknik som ett signatursystem som inte kan förfalskas. Appen samlar in data som kommer att förbättra dess algoritmer över tid.

Även om röstbaserade AI-tekniker blir mer användbara i olika scenarier, kvarstår en grundläggande utmaning: maskiner förstår inte svaren de genererar, säger Xiaojun Wan, professor vid Pekings universitet som forskar inom bearbetning av naturliga språk. AI:n svarar på röstförfrågningar genom att söka efter ett relevant svar i den stora mängd data den matades in, men den har ingen riktig förståelse för vad den säger.

Med andra ord, den naturliga språkbehandlingsteknologin som driver dagens röstassistenter är baserad på en uppsättning stela regler, vilket resulterar i den typ av missförstånd som Xu gick igenom.

Att ändra hur maskiner bearbetar språk kommer att hjälpa företag att skapa röstbaserade AI-enheter som kommer att bli en integrerad del av vårt dagliga liv. Den som gör ett genombrott inom bearbetning av naturliga språk kommer att ha en fördel på marknaden, säger Chu.

Dölj