Dove sta andando il riconoscimento vocale

Fino a poco tempo fa, l'idea di tenere una conversazione con un computer sembrava pura fantascienza. Se chiedevi a un computer di aprire le porte del pod bay, beh, era solo nei film.

Ma le cose stanno cambiando, e velocemente. Un numero crescente di persone ora parla con i propri smartphone mobili, chiedendo loro di inviare e-mail e messaggi di testo, cercare indicazioni stradali o trovare informazioni sul Web.

Siamo a un punto di transizione in cui la voce e la comprensione del linguaggio naturale sono improvvisamente in prima linea, afferma Vlad Sejnoha, chief technology officer di Nuance Communications, una società con sede a Burlington, nel Massachusetts, che domina il mercato del riconoscimento vocale con il suo software Dragon e altri prodotti. Penso che il riconoscimento vocale sconvolgerà davvero l'attuale interfaccia [del computer].

Il progresso è avvenuto grazie in parte al costante progresso nelle tecnologie necessarie per aiutare le macchine a comprendere il linguaggio umano, compreso l'apprendimento automatico e le tecniche di estrazione di dati statistici. La sofisticata tecnologia vocale è già comune nei call center, dove consente agli utenti di navigare tra i menu e aiuta a identificare i clienti arrabbiati che dovrebbero essere affidati a un vero rappresentante del servizio clienti.

Ora la rapida ascesa di potenti dispositivi mobili sta rendendo le interfacce vocali ancora più utili e pervasive.

Jim Glass, un ricercatore senior del MIT che ha lavorato sulle interfacce vocali dagli anni '80, afferma che gli smartphone di oggi hanno la stessa potenza di elaborazione delle macchine di laboratorio con cui ha lavorato negli anni '90. Gli smartphone hanno anche connessioni dati ad alta larghezza di banda al cloud, dove i server possono fare il lavoro pesante coinvolto sia con il riconoscimento vocale che con la comprensione delle query vocali. La combinazione di più dati e più potenza di calcolo significa che oggi puoi fare cose che prima non potevi fare, afferma Glass. Puoi usare modelli statistici più sofisticati.

L'esempio più importante di interfaccia vocale mobile è, ovviamente, Siri, l'assistente personale ad attivazione vocale integrato nell'ultimo iPhone. Ma la funzionalità vocale è integrata in Android, nella piattaforma Windows Phone e nella maggior parte degli altri sistemi mobili, nonché in molte app. Sebbene queste interfacce abbiano ancora notevoli limitazioni (vedi Intelligenza sociale), ci stiamo avvicinando sempre più alle interfacce macchina con cui possiamo effettivamente parlare.

Nuance è al centro del boom della tecnologia vocale. La società è stata fondata nel 1992 come Visioneer e ha acquisito dozzine di altre attività di tecnologia vocale. Ora ha più di 6.000 membri del personale in 35 sedi in tutto il mondo e i suoi ricavi nel secondo trimestre del 2012 sono stati di 390,3 milioni di dollari, con un aumento del 22,4% rispetto allo stesso periodo del 2011.

Negli ultimi anni, Nuance ha applicato abilmente la sua esperienza nel riconoscimento vocale al mercato emergente delle interfacce vocali. L'azienda fornisce tecnologia di riconoscimento vocale a molte altre aziende ed è opinione diffusa che fornisca la componente vocale di Siri.

La funzione vocale è ideale per il mobile computing, afferma il CTO di Nuance, in parte perché gli utenti hanno le mani e gli occhi altrimenti occupati, ma anche perché un singolo comando vocale può svolgere attività che normalmente richiederebbero una moltitudine di passaggi e pressioni. All'improvviso hai questo nuovo elemento costitutivo, questa nuova dimensione che puoi portare al problema, dice Sejnoha. E penso che progetteremo l'interfaccia utente di base del dispositivo moderno con questo in mente.

Ispirata dal successo del software di riconoscimento vocale sui telefoni cellulari, Nuance spera di mettere le sue interfacce vocali in molti altri luoghi, in particolare la televisione e l'automobile. Entrambi sono popolari e maturi per l'innovazione.

Per trovare uno spettacolo in TV o per programmare una registrazione DVR, gli spettatori devono attualmente navigare in menu scomodi utilizzando un telecomando che non è mai stato progettato per digitare query di testo. I prodotti che avrebbero dovuto rendere più facile la ricerca di uno spettacolo, come Google TV, si sono rivelati troppo complessi per le persone che vogliono solo rilassarsi per l'intrattenimento serale.

Nei laboratori di ricerca di Nuance, Sejnoha ha dimostrato un software chiamato Dragon TV in esecuzione su un televisore in un soggiorno simulato. Quando un collega ha detto, Dragon TV, trova i film con Meryl Streep, l'interfaccia ha scansionato istantaneamente gli elenchi dei canali per selezionare diversi film appropriati. Una versione di questa tecnologia è già presente in alcuni televisori venduti da Samsung.

Si dice ampiamente che Apple stia sviluppando il proprio televisore e si ipotizza che Siri sarà il suo controller. L'idea è stata alimentata dalla biografia di Steve Jobs di Walter Isaacson, in cui si dice che il defunto CEO abbia affermato di aver finalmente risolto l'interfaccia TV.

Nel frattempo, il sistema di intrattenimento Sync nelle automobili Ford utilizza già la tecnologia di Nuance per consentire ai conducenti di visualizzare indicazioni stradali, informazioni meteorologiche e canzoni. Circa quattro milioni di auto Ford in circolazione dispongono di Sync con riconoscimento vocale. La scorsa settimana, Nuance ha introdotto un software chiamato Dragon Drive che consentirà ad altre case automobilistiche di aggiungere funzionalità di controllo vocale ai veicoli.

Entrambi questi nuovi contesti sono impegnativi. Uno dei motivi per cui le interfacce vocali sono diventate popolari sugli smartphone è che gli utenti parlano direttamente nel microfono del dispositivo. Per garantire che il sistema funzioni bene nei televisori e nelle auto, dove c'è più rumore di fondo, l'azienda sta sperimentando microfoni array e tecnologia di cancellazione del rumore.

Nuance mette a disposizione una serie di kit di sviluppo software per chiunque desideri includere la tecnologia di riconoscimento vocale in un'applicazione. Montrue Technologies, un'azienda con sede ad Ashland, in Oregon, ha utilizzato l'SDK medico mobile di Nuance per sviluppare un'app per iPad che consente ai medici di dettare appunti.

È sorprendentemente accurato, afferma Brian Phelps, CEO e cofondatore di Montrue e lui stesso medico del pronto soccorso. La parola ha svoltato l'angolo; siamo arrivati ​​a un punto in cui otteniamo un'incredibile precisione fin dall'inizio.

A loro volta, i kit rafforzano la posizione di Nuance, aiutando l'azienda a migliorare i suoi algoritmi di riconoscimento vocale e di elaborazione del linguaggio inviando sempre più dati vocali attraverso i suoi server. Come dice Glass del MIT, c'è un detto da molto tempo nella comunità del riconoscimento vocale: 'Non ci sono dati come più dati'. Nuance afferma di archiviare i dati in un formato anonimo per proteggere la privacy.

Sejnoha crede che entro pochi anni le interfacce vocali mobili saranno molto più pervasive e potenti. Dovrei essere in grado di parlarci senza toccarlo, dice. Ascolterà costantemente le parole chiave e lo farà: aprirà un calendario o preparerà un messaggio di testo o un browser che è stato spostato verso la destinazione desiderata.

Forse le persone parleranno persino con i computer che indossano, come gli occhiali per scattare foto in fase di sviluppo presso Google. Fonti di Nuance affermano che stanno pianificando attivamente come la tecnologia vocale dovrebbe essere progettata per funzionare su computer indossabili.

nascondere