Entra il drago

Ogni edificio ha la sua fama, dice Janet Baker mentre mi guida intorno a un edificio di mattoni a tre piani che si trova su una collina che domina Boston. Un tempo mulino, questo edificio è stato ripulito, ristrutturato e trasformato in uffici. Oggi è la sede di Dragon Systems, l'azienda fondata nel 1982 da Janet e suo marito Jim Baker.

Cos'è questo? Chiedo.

Questa storia faceva parte del nostro numero di settembre 1998

• Vedi il resto del problema
• sottoscrivi

La corda che ha appeso John Wilkes Booth è stata fatta qui, dice con un sorriso.

Una volta che conosco il passato dell'edificio industriale, i segni sono ovunque. I piani del secondo e del terzo piano sono leggermente inclinati, in modo che gli operai un secolo fa potessero arrotolare le massicce bobine di corda. Ci sono porte al terzo piano che si aprono nello spazio vuoto, dove il paranco ha abbassato le bobine alle carrozze in attesa sotto. Pulegge e rulli pendono ancora dai soffitti dell'edificio.

Ma gli storici che guardano indietro al 21° secolo hanno meno probabilità di ricordare questo vecchio mulino per il cappio che ha stretto il collo dell'assassino di Abraham Lincoln piuttosto che per essere il luogo in cui Dragon Systems ha risolto una grande sfida dell'informatica: far riconoscere a un personal computer discorso umano.
Sin dal secolo scorso, gli ingegneri hanno cercato di costruire una macchina che ascoltasse la voce del suo padrone; anche Alexander Graham Bell ci ha provato. E mentre i computer in grado di riconoscere le singole parole pronunciate esistono da decenni, nell'autunno del 1995 gli esperti proclamavano ancora che le macchine desktop in grado di trascrivere il discorso continuo - il modo rapido e talvolta confuso in cui le persone parlano effettivamente - non sarebbero esistite fino al almeno l'anno 2000... e forse molto più tardi.

Oggi puoi acquistare NaturallySpeaking di Dragon Systems nei negozi di computer per $ 99,95 ed eseguirlo su un nuovo PC che costa meno di $ 2.000.

Quindi cosa può fare questa tecnologia? All'inizio di quest'anno mi sono seduto in una sala conferenze presso la sede di Dragon con un gruppo di scrittori di tecnologia scettici mentre Joel Gould, il principale architetto di Dragon Systems, ha dimostrato il programma che ha contribuito a creare. Gould si diresse verso la parte anteriore della sala conferenze, collegò il suo laptop al proiettore, indossò una cuffia telefonica leggera e iniziò a parlare.

Prima ti darò una dimostrazione, poi tornerò indietro e ti mostrerò alcune delle cose che hai visto passare velocemente, disse Gould. Pochi secondi dopo le stesse parole apparvero sullo schermo, digitate magicamente dal computer stesso. Gould procedeva in questo stile colloquiale, con la macchina che trascriveva tutto ciò che diceva. Sebbene ci fosse un errore occasionale, la precisione della macchina era notevole. Sperando di ostacolare il programma, un giornalista ha chiesto se fosse possibile distinguere tra parole che suonano allo stesso modo ma si scrivono in modo diverso. Gould sorrise e si lasciò sfuggire un beffardo: per favore scrivi subito una lettera alla signora Wright. Dille che due sono troppi da comprare. Il sistema ha riconosciuto perfettamente le parole.

Il management di Dragon prevede con sicurezza che tra cinque anni un computer senza tale software di riconoscimento vocale sembrerà primitivo come sembrerebbe oggi un computer senza mouse. Lettere ed e-mail verranno dettate facilmente come parlare al telefono. Solo un passo oltre, la traduzione simultanea basata su PC potrebbe abbattere le barriere linguistiche.

L'arrivo del riconoscimento vocale alcuni anni prima del previsto è in gran parte dovuto alla perseveranza di Jim e Janet Baker, la coppia che ha fondato Dragon nel 1982. Come ricercatori, la coppia ha contribuito a inventare alcuni degli algoritmi fondamentali utilizzati oggi da tutti i prodotti di riconoscimento vocale . Come imprenditori, hanno combattuto per commercializzare la tecnologia anni prima del previsto. Ora che il discorso è sul desktop, è chiaro che il nostro futuro informatico sarà modellato in gran parte da Dragon Systems e dal team di marito e moglie che l'ha dato vita.

Janet Maciver e Jim Baker si sono innamorati quando erano entrambi studenti laureati alla Rockefeller University di New York. Era l'autunno del 1970. Janet, un biofisico simpatico ed estroverso, stava studiando come le informazioni vengono elaborate dal sistema nervoso. Jim era un matematico estremamente timido alla ricerca di un argomento di tesi promettente.

Il terzo partecipante alla loro relazione, l'enigma del riconoscimento vocale, è entrato in scena un giorno in cui Jim ha visitato il laboratorio di Janet e ha visto lo schermo di un oscilloscopio che mostrava una linea ondulata in movimento. Il segnale, ha spiegato Janet, era un registro continuo di eventi in corso prodotto da un tipo di piccolo circuito analogico originariamente inventato dal professor Jerome Lettvin al MIT. Gli eventi sul suo schermo erano i suoni del linguaggio umano.

Mi è sembrato un problema di riconoscimento di schemi molto interessante, dice Jim, ripensando a quel fatidico scarabocchio. Instradato verso un altoparlante, il segnale produrrebbe suoni che una persona potrebbe capire: linguaggio, in breve. Ma visualizzate sullo schermo, le informazioni erano impenetrabili.

E man mano che ne imparavo di più, mi rendevo conto di quanto fosse davvero difficile il problema, ricorda. La sfida principale non era semplicemente costruire un computer in grado di identificare singole parole: un team dei Bell Labs lo aveva fatto nel 1952. Il semplice computer di Bell poteva riconoscere le cifre da zero a nove abbinando i suoni pronunciati a una serie di schemi memorizzati in memoria analogica. E negli anni '70, tali sistemi di riconoscimento discreto - che funzionavano a condizione che il sistema fosse prima addestrato sulla voce di chi parlava e che l'oratore facesse una pausa tra ogni parola - avevano accumulato fino a poche centinaia di parole.

Il vero compito era progettare un algoritmo che potesse dare un senso alle frasi pronunciate in modo naturale, in cui i singoli suoni delle parole sono mimetizzati dal loro contesto (vedi diagramma a p. 61). Questo ha reso tutto più interessante, dice Jim. Anche allora, il riconoscimento vocale continuo lo colpì come un problema di ricerca ideale, che caratterizza come molto difficile ma non impossibile.

Mentre Jim e Janet si preparavano per il loro matrimonio nel 1971, la Defense Advanced Research Projects Agency (DARPA) degli Stati Uniti diede il via a un ambizioso progetto quinquennale chiamato Speech Understanding Research. L'agenzia riteneva che qualsiasi tecnologia che consentisse ai soldati di comunicare più velocemente con i computer potesse essere un vantaggio strategico significativo, specialmente sul campo di battaglia. L'obiettivo del progetto: un sistema in grado di riconoscere il parlato umano continuo da un vocabolario di 1.000 parole con una precisione del 90%.

Il tempismo dell'iniziativa DARPA è stato fortuito per i Baker, così come il background scientifico di Jim. Da studente aveva sviluppato una tecnica matematica per analizzare eventi apparentemente casuali, basata sui metodi introdotti dal matematico russo Andrey Markov (1856-1922). Jim fu la prima persona a rendersi conto che tali modelli Markov nascosti potevano essere usati per districare l'enigma del discorso.

La maggior parte degli sposini collabora per risolvere sfide come il modello da scegliere per la porcellana del loro matrimonio. I Baker non hanno saltato questi compiti (hanno scelto un drago), ma poi hanno deciso di affrontare insieme anche il problema del riconoscimento vocale. Eppure si ritrovarono sempre più isolati al Rockefeller, che non aveva esperti nella comprensione del parlato e non aveva la potenza del computer per provare le tecniche di Jim. Quindi, l'anno successivo, hanno fatto le valigie e si sono trasferiti alla Carnegie Mellon University, uno dei principali appaltatori del progetto DARPA e un focolaio di ricerca sull'intelligenza artificiale (AI).

Alla Carnegie Mellon, i Baker hanno scoperto che il loro approccio al riconoscimento vocale non era al passo con il mainstream. All'epoca, molti ricercatori di intelligenza artificiale credevano che una macchina potesse riconoscere le frasi pronunciate solo se fosse stata in grado di comprendere prima una grande quantità di contesto, incluso chi fosse l'oratore, cosa sapeva e cosa avrebbe potuto provare a dire, così come il regole della grammatica inglese. In altre parole, per riconoscere la parola, una macchina dovrebbe essere abbastanza intelligente.

I Bakers hanno provato una tattica completamente diversa. Basandosi sull'esperienza di Jim con i modelli Markov, hanno creato un programma che operava in un regno puramente statistico. In primo luogo, hanno iniziato a calcolare la probabilità che due o tre parole qualsiasi appaiano una dopo l'altra in inglese. Quindi hanno creato un dizionario fonetico con i suoni di quei gruppi di parole. Il passo successivo è stato un algoritmo per decifrare una stringa di parole pronunciate in base non solo a una buona corrispondenza del suono, ma anche in base alla probabilità che qualcuno le pronunciasse in quell'ordine. Il sistema non aveva alcuna conoscenza della grammatica inglese, nessuna base di conoscenza, nessun sistema esperto basato su regole, nessuna intelligenza. Nient'altro che numeri.

Era un'idea molto eretica e radicale, dice Janet. Molte persone hanno detto, questo non è discorso o linguaggio, è matematica! È qualcos'altro!'

Sebbene il pensiero dei Baker abbia incontrato un diffuso scetticismo, afferma Victor Zue, direttore associato del Laboratory for Computer Science del MIT e pioniere della ricerca vocale, il tempo ha dimostrato che [i Baker] hanno ragione nel perseguire questo tipo di approccio. In effetti, il sistema dei Baker, che chiamarono Dragon in onore della creatura che adornava il loro servizio di porcellana, iniziò presto a superare costantemente i metodi concorrenti.

Quando i Baker ricevettero i loro dottorati dalla Carnegie Mellon nel 1975, il loro lavoro pionieristico li portò presto a entrambi i lavori presso il Thomas J. Watson Research Center di IBM, fuori New York City. All'epoca, IBM era una delle poche organizzazioni che lavorava con un ampio vocabolario, il riconoscimento vocale continuo. Non siamo andati da [IBM] e abbiamo detto: Devi assumerci entrambi', ricorda Jim. È andata proprio così. Era, tuttavia, uno schema che si sarebbe ripetuto. Oggi, con Jim come presidente/CEO e Janet come presidente di Dragon Systems, i Baker sono orgogliosi di avere curriculum quasi identici.

In IBM, i Baker hanno progettato un programma in grado di riconoscere il discorso continuo da un vocabolario di 1.000 parole. Era ben lungi dall'essere in tempo reale, però. In esecuzione su un computer IBM 370, il programma ha impiegato circa un'ora per decodificare una singola frase pronunciata. Ma ciò che ha frustrato i Baker più dell'attesa del tempo sul mainframe è stato il rifiuto di IBM di testare il riconoscimento vocale in condizioni reali.

IBM è un eccellente istituto di ricerca e ci è piaciuto lavorare lì, afferma Janet. Ma eravamo molto ansiosi di lanciare le cose sul mercato e ottenere utenti reali. Certamente gli utenti reali non potevano aspettare un'ora prima che un computer trascrivesse una frase. Ma, osserva, avresti potuto fare cose più semplici usando molte meno risorse [del computer]. Il management di IBM la pensava diversamente e disse ai Baker che erano prematuri.
Fu il periodo di massimo splendore delle opportunità mancate in IBM (conta i database relazionali e i microprocessori RISC tra le invenzioni chiave che l'azienda non riuscì a commercializzare) e nel 1979 la frustrazione dei Baker esplose. La coppia è passata a Verbex, una sussidiaria con sede a Boston della Exxon Enterprises che aveva costruito un sistema per la raccolta di dati al telefono tramite cifre vocali. Jim (come vicepresidente dello sviluppo avanzato appena coniato) e Janet (come vicepresidente della ricerca) si sono proposti di fare in modo che il programma gestisse il discorso continuo.

Ma meno di tre anni dopo, la Exxon lasciò l'attività di riconoscimento vocale e i Baker cercarono di nuovo un lavoro. Questa volta, i loro curricula da sosia portavano guai: non c'era lavoro per nessuno dei due. Il duo si rese conto di dover affrontare una scelta: separarsi dal riconoscimento vocale cambiando campo o mettersi in proprio.

Nel 1982, senza capitale di rischio, nessun business plan, due bambini in età prescolare e un grosso mutuo, i Baker fondarono la Dragon Systems. Gestivano l'azienda dal loro soggiorno e immaginavano che i loro risparmi potessero durare 18 mesi, forse 24 se avessero mangiato abbastanza poco.

Un po' robusti ma non proprio fuori forma, oggi i Bakers assomigliano molto più ad accademici che invecchiano felicemente che a imprenditori di successo. Ma attraversando il sontuoso quartier generale di Dragon, è immediatamente evidente che sono entrambi. Dragon Systems è cresciuta di quasi il 50 percento ogni anno negli ultimi 16 anni; ora impiega più di 260 persone. Il loro segreto, dice Janet, è stato un decennio di autosufficienza. Piuttosto che accumulare debiti o vendere una partecipazione nella società a estranei, i Baker insistevano sul fatto che gli stipendi e le spese dovevano essere pagati con le entrate. Di conseguenza, Dragon si è concentrata sulla risoluzione dei problemi del mondo reale con la tecnologia attuale ed è riuscita a fornire risultati.

Gli anni successivi alla nascita di Dragon hanno portato una lunga lista di progetti personalizzati, contratti di ricerca e prodotti unici che si basano su un approccio di riconoscimento discreto sempre più solido. Tra i punti di riferimento c'è stato il primo accordo di Dragon, in cui una piccola azienda britannica chiamata Apricot Computers ha utilizzato la tecnologia Dragon per commercializzare il primo personal computer per consentire alle persone di aprire file o eseguire programmi pronunciando semplici comandi. (Ahimé, Apricot era maturato in anticipo sui tempi e presto fallì.) Nel 1986, i lavoratori Xerox armati di microfoni e trasmettitori radio usarono la tecnologia Dragon per condurre una verifica dell'intero inventario dell'azienda di 2,2 milioni di parti.

Nel 1990, Dragon ha introdotto DragonDictate 30K, il primo sistema di sintesi vocale di grandi dimensioni per la dettatura generica. Il programma permetteva a un utente di controllare un PC usando solo la voce e trovò subito il favore dei disabili, compreso l'attore Christopher Reeve.

Ma la tecnologia discreta di Dragon non è riuscita a penetrare nel mercato generale. Sebbene molte persone possano inserire il testo con DragonDictate più velocemente di quanto possano digitare, a nessuno è piaciuto essere costretto a fare una pausa tra ogni parola pronunciata. Ancora peggio, i concorrenti stavano diventando forti con la propria tecnologia di riconoscimento vocale discreto. Tutti sapevano che ciò che gli utenti volevano veramente era il riconoscimento vocale continuo e che la prima azienda sul mercato sarebbe stata pronta a dominare. Ma tutti sapevano anche che un prodotto continuo era lontano almeno cinque anni, forse anche un decennio.

Poi, verso la fine del 1993, i Baker si resero conto che la saggezza convenzionale era sbagliata. Conoscendo la velocità con cui la velocità e la memoria del computer stavano migliorando, hanno calcolato che le macchine desktop di fascia alta dovrebbero avere la capacità di eseguire un riconoscimento continuo entro pochi anni. Proprio come una volta la coppia aveva rischiato la propria carriera con un nuovo approccio stravagante al riconoscimento vocale, durante la prima metà del 1994 i Baker iniziarono a rifare la loro azienda nel tentativo di cogliere l'opportunità e portare le loro idee sul mercato.

Mentre Jim ha creato un nuovo team di sviluppo per costruire il primo riconoscimento vocale continuo di Dragon, Janet ha negoziato un accordo con il produttore di dischi rigidi con sede in California Seagate Technologies per acquistare il 25% delle azioni di Dragon. L'azienda ha utilizzato il denaro per aumentare il personale delle sue forze di ingegneria, marketing e vendita. Nel giro di un anno, Dragon ha avuto il più grande team di ricerca vocale al mondo, più di 50 scienziati e ingegneri del software.

Il nuovo prodotto continuo sarebbe davvero due programmi in uno. Il primo, il riconoscitore, si occuperebbe del compito effettivo di convertire le espressioni pronunciate in testo inglese. Il secondo programma era l'interfaccia, che collegava il riconoscitore sia all'utente che al resto del sistema operativo del computer. Se la prima metà era pura scienza (basata sui primi lavori dei Baker), la seconda era il frustrante mix di ingegneria e arte necessario per trasformare la scienza in un prodotto commerciabile.

Il più complicato di questi problemi del mondo reale era far funzionare bene il software in un ambiente Windows. Windows è orribile, lamenta Dragon's Gould, che si è assunto il compito fondamentale di progettare l'interfaccia utente. È bacato, scarsamente documentato, incoerente e pezzi di esso [sono] quasi inutilizzabili. Eppure è quello che gestiscono tutti i nostri clienti.

Nell'aprile 1997, il team di Dragon aveva superato gli ostacoli principali e aveva iniziato a suggerire agli analisti del settore che stava arrivando qualcosa di grande. Eravamo scettici, ricorda Peter Ffoulkes della società di ricerche di mercato Dataquest. Poi ha visto la demo, che sfoggiava un vocabolario di 230.000 parole. Siamo rimasti praticamente sbalorditi dalla capacità. Non ci aspettavamo che fosse qui oggi, e lo è davvero, dice Ffoulkes.

I Baker avevano scommesso la loro compagnia e avevano scommesso bene. Il nuovo prodotto di riconoscimento continuo, chiamato Dragon NaturallySpeaking, è stato un successo immediato. L'ufficio di Janet Baker ha iniziato a riempirsi di richieste da parte di aziende che speravano di integrare la tecnologia di Dragon con le loro applicazioni software. Articoli su NaturallySpeaking sono apparsi in pubblicazioni di tutto il mondo; Gould ha mostrato il programma sulla CNN. Quell'autunno, NaturallySpeaking ha dominato la fiera COMDEX del settore, vincendo tutti i principali premi di prodotto.

Il tempo di Dragon da solo sotto i riflettori, tuttavia, è stato breve. Quando la società ha lanciato per la prima volta NaturallySpeaking nel giugno 1997, IBM ha risposto tagliando il prezzo del suo riconoscimento vocale discreto Voice Type, a $ 49,95. E poiché la notizia dell'imminente rilascio di NaturallySpeaking era trapelata mesi prima, IBM aveva già lanciato uno sforzo per spostare il proprio programma di riconoscimento vocale continuo (sviluppato nello stesso laboratorio in cui i Baker avevano lavorato negli anni '70) fuori dalla porta il più velocemente possibile. il più possibile. Il prodotto, IBM ViaVoice, ha raggiunto gli scaffali dei negozi ad agosto con un prezzo di soli 99 dollari.

IBM ha davvero spazzato via le cose, afferma John Oberteuffer, presidente di Voice Information Associates, che studia il mercato del riconoscimento vocale. Li ho usati entrambi e per quanto riguarda la pura precisione del riconoscimento direi che sono comparabili, dice. Dragon è stata costretta a ridimensionare e tagliare il suo prezzo dalla pesante commissione iniziale di $ 700, a $ 299, quindi a $ 199. Alla fine dell'anno, Dragon aveva venduto 29.463 copie di NaturallySpeaking, mentre IBM aveva venduto 46.182 copie di ViaVoice, secondo PC Data. Ma nelle entrate complessive del prodotto, Dragon aveva avuto la meglio su Big Blue.

nascondere