Dove Siri ha problemi di udito, una folla di umani potrebbe aiutare

L'informatico Jeffrey Bigham ha creato un programma di riconoscimento vocale che combina i migliori talenti di macchine e persone.

Sebbene i programmi di riconoscimento vocale come Siri di Apple e Dragon di Nuance siano abbastanza bravi a sentire voci familiari e parole chiaramente dettate, la tecnologia non è ancora in grado di didascalie in modo affidabile eventi che presentano nuovi altoparlanti, accenti, frasi e rumori di sottofondo. Le persone sono abbastanza brave a capire le parole in tali situazioni, ma la maggior parte di noi non è abbastanza veloce da trascrivere il testo in tempo reale (ecco perché gli stenografi professionisti possono addebitare più di $ 100 l'ora). Quindi il programma di Bigham Scriba aumenta i computer veloci con umani precisi nella speranza di sfornare rapidamente didascalie e trascrizioni.

Questo rapido esperimento di crowd-computing potrebbe essere di grande aiuto per le persone non udenti e con problemi di udito. Potrebbe anche fornire nuovi modi per migliorare le applicazioni di riconoscimento vocale come Siri nelle aree in cui lottano.

Gli algoritmi di Scribe indirizzano i lavoratori umani a digitare frammenti di ciò che sentono in un discorso. Alzando il volume o rallentando la velocità delle sezioni dell'audio, il programma può indirizzare diversi operatori verso sezioni uniche ma sovrapposte di un discorso e quindi concedere loro alcuni secondi per riprendersi prima di chiedere loro di digitare nuovamente.

Utilizzando algoritmi di elaborazione del linguaggio naturale, Scribe unisce i frammenti digitati in una trascrizione completa e le sovrapposizioni ridondanti possono aiutare a eliminare gli errori. (Questa tecnica di calcolo del fucile è simile al modo in cui funzionano molte macchine per il sequenziamento del DNA, sottolinea Bigham.) Può produrre una trascrizione o una didascalia con un ritardo di soli tre secondi utilizzando solo da tre a cinque lavoratori.

L'unico requisito è che i lavoratori possano ascoltare e digitare, quindi anche in gruppo costano meno di uno stenografo e non hanno bisogno di giorni di preavviso, osserva. Potrebbe essere di grande aiuto per uno studente non udente che vuole, ad esempio, frequentare un nuovo corso online senza didascalia.

Bigham (vedi Innovators Under 35, 2009: Jeffrey Bigham ) e il suo collega dell'Università di Rochester Walter Lasecki hanno testato Scribe con lavoratori che hanno trovato tramite Mechanical Turk di Amazon, dove le persone si iscrivono per eseguire compiti semplici. Quei lavoratori venivano pagati un minimo di $ 6 l'ora dalla squadra di Bigham. Il team ha anche assunto studenti universitari per lo studio del lavoro per $ 10 l'ora. Il lavoro di crowdsourcing delle persone in entrambi i gruppi sembra essere solo leggermente meno accurato di quello di uno stenografo professionista, afferma Bigham. E in alcuni casi, i lavoratori riuniti hanno trascritto in modo più accurato termini gergali che un singolo dattilografo professionista potrebbe fraintendere.

Ciò che Scribe sta iniziando a dimostrare è la capacità di lavorare insieme come parte di una folla per svolgere compiti di performance molto difficili meglio di quanto una persona possa fare da sola, dice.

Bigham sta ora sviluppando Scribe in un'app che spera possa aiutare le persone non udenti a raccogliere rapidamente le trascrizioni. Per supportare un gran numero di utenti, sta anche considerando di concedere in licenza la tecnologia o di avviare una startup.

Non è la prima volta che qualcuno pensa di utilizzare manodopera umana a basso costo e coordinata dal computer per rafforzare le tradizionali debolezze nei programmi di intelligenza artificiale o in altri software. Twitter sta assumendo persone su Mechanical Turk per aiutare il suo motore di ricerca a classificare gli argomenti di attualità che iniziano improvvisamente a fare tendenza. Bigham ha anche creato un sistema di assistenza personale in crowdsourcing chiamato Chorus (vedi Intelligenza artificiale, alimentata da molti umani) che potrebbe essere più intelligente di Siri ma più economico di qualsiasi singolo dipendente orario.

Questo non vuol dire che il lavoro umano supererà sempre i sistemi automatizzati nella trascrizione del parlato. Aditya Parameswaran, un ricercatore della Stanford University che lavora anche su metodi di calcolo assistiti dall'uomo, afferma che man mano che gli algoritmi di apprendimento migliorano, tecniche di crowdsourcing come queste saranno utili principalmente per aumentare la precisione dei computer, piuttosto che per far fare agli umani la maggior parte del opera.

nascondere