Per il riconoscimento vocale usa e getta, prendi chip economici e aggiungi un'intelligenza artificiale semplice

Flickr | msantos7

Pete Warden vuole che butti il ​​tuo hardware di riconoscimento vocale nella spazzatura. E poi acquista di più, e di più, e di più. Questo ingegnere di Google è alla ricerca di rendere il riconoscimento vocale a buon mercato.

La sua idea è abbastanza semplice: ridurre le reti neurali che di solito vengono utilizzate per elaborare il suono finché non sono abbastanza efficienti da funzionare con chip economici e leggeri. Quello che voglio è un chip da 50 centesimi che possa eseguire un semplice riconoscimento vocale e funzionare per un anno con una batteria a bottone, ha spiegato durante l'Arm Research Summit della scorsa settimana a Cambridge, nel Regno Unito. Non ci siamo ancora... ma penso davvero che sia fattibile anche con la tecnologia attuale che abbiamo ora.

Storia correlata

Storia correlata

A un prezzo così basso, l'hardware diventerebbe effettivamente usa e getta, aprendo usi che prima erano inimmaginabili. I dispositivi potrebbero essere utilizzati per costruire bambole economiche che rispondono ai tuoi bambini, ad esempio, o semplici dispositivi elettronici domestici come lampade ad attivazione vocale. Ma Warden dice anche che potrebbero trovare un impiego in ambienti industriali, ascoltando i rumori piuttosto che le voci: centinaia di sensori che individuano le firme audio rivelatrici di ruote che cigolano nelle apparecchiature di fabbrica o il cinguettio di grilli in un campo agricolo.

Warden, che guida il team di Google che sta sviluppando applicazioni mobili e integrate per lo strumento di intelligenza artificiale cloud dell'azienda, chiamato TensorFlow , si rende conto di essersi posto una sfida. Spremere, diciamo, l'IA che alimenta l'assistente AI di Amazon, Alexa, per funzionare con semplici chip alimentati a batteria con velocità di clock di appena centinaia di megahertz non è fattibile. Ciò è in parte dovuto al fatto che Alexa deve interpretare molti suoni diversi, ma anche perché la maggior parte delle IA di riconoscimento vocale utilizza reti neurali affamate di risorse, motivo per cui Alexa invia la sua elaborazione al cloud.

Quindi ha limitato il problema, cercando di identificare solo una manciata di comandi utili, come on, off, start, stop e così via. Ha anche scambiato normali algoritmi di riconoscimento vocale. Invece, prende una clip audio, la divide in brevi frammenti e quindi calcola il contenuto di frequenza di ciascuno. Allinea ciascuno dei diagrammi di frequenza uno dopo l'altro per creare un'immagine 2-D del contenuto della frequenza rispetto al tempo e applica algoritmi di riconoscimento visivo per identificare la firma distintiva di qualcuno che dice una singola parola.

I primi tentativi del team hanno richiesto otto milioni di calcoli per analizzare una clip audio di un secondo con una precisione dell'89%. Potrebbe funzionare su uno smartphone moderno ed essere abbastanza veloce da essere interattivo, il che è meglio che dover inviare l'elaborazione al cloud, ma non funzionerebbe bene su un chip a bassa potenza. Dopo che la squadra ha preso in prestito trucchi algoritmici che aiutano i telefoni Android a riconoscere la frase OK, Google, il sistema è stato in grado di analizzare un secondo di discorso con una precisione dell'85% eseguendo solo 750.000 calcoli.

La squadra ha ha pubblicato il suo codice sul sito Web TensorFlow per l'utilizzo da parte di altre persone. Attualmente esegue il software sui chip come quelli utilizzati negli smartphone e Raspberry Pis, il computer su scheda ultra economico. Ha in programma di provare a farli funzionare sui chip più piccoli come quelli che si trovano nelle schede Arduino.

Tony Robinson, ex ricercatore di intelligenza artificiale presso l'Università di Cambridge, nel Regno Unito, e ora direttore tecnico presso una società di riconoscimento vocale Spettrologia , afferma che l'ambizione di Warden è buona e ritiene che tali approcci a basso costo aiuteranno il riconoscimento vocale a diventare pervasivo nei prossimi anni. Ma vede un problema con la costruzione di IA così limitate. Le persone non si attengono alla sceneggiatura, dice, spiegando che è improbabile che gli utenti siano abbastanza pazienti da utilizzare un insieme di istruzioni così limitato.

Invece, suggerisce che i chip leggermente ad alta potenza in grado di evocare più capacità linguistiche del tipo che si trova in Google Assistant e Alexa di Amazon potrebbero essere più adatti alle applicazioni consumer.

nascondere