Beszélni is megtanult a Google DeepMind rendszere

A Google által felvásárolt DeepMind egyre komolyabb eredményeket tud felmutatni a mesterséges intelligencia-kutatás terén. A gépi tanulás elvén működő MI-t most éppen beszélni tanították meg alkotói.

A brit székhelyű DeepMind, melyet a Google 400 millió fontért vásárolt meg még 2014-ben, kifejlesztette a WaveNet elnevezésű MI-t, mely elképesztő módon képes utánozni az emberi beszédet. A kutatásba bevont angol és mandarin anyanyelvű személyek sokkal élethűbbnek találták az új rendszer által generált beszédet, mint eddig bármilyen más Google text-to-speech programot.

Ugyanis az eddigi próbálkozásokkal ellentétben – melyek vagy felvett szövegrészleteket kombináltak, vagy teljesen elektronikusan előállított hangokból álltak és ezáltal kevésbé élethű hatást keltettek – a Wavenet egyenesen az emberi hang hullámait szintetizálja, azaz gyakorlatilag az emberi agy működését utánozva alkotja meg a hangokat.

Mivel elég bonyolult dologról van szó, nem valószínű, hogy a rendszer a közeljövőben kereskedelmi forgalomba kerül. Még a DeepMind kutatói is elismerik: nagy kihívás elé néznek. Mégis, a tech vállalatok mindenképpen fokozott figyelmet szentelnek az áttörésnek, lévén az emberek vevők a technológiára – gondoljunk csak például az Apple Siri-jére, vagy a Microsoft által fejlesztett Tay MI-re. Mark Bennett, a Google Play nemzetközi igazgatója múlt héten elmondta egy Android fejlesztői konferencián, hogy már a mobilos Google keresések 20 százaléka hanggal történik, nem pedig beírt szöveggel. Vagyis egyre növekszik azok száma, akik érdeklődnek az új technológia iránt és napi szinten használnák is azt.

Forrás: Bloomberg