Sinossi: Information Technology

Bussola Verbale
Migliore correzione degli errori basata sul parlato per gli strumenti di dettatura />

CONTESTO: Il multitasking estremo è la moda moderna, ma nessuno ha abbastanza mani per gestire contemporaneamente un telefono cellulare, un'agenda digitale, un volante e un caffè. Di conseguenza, le persone vogliono un modo a mani libere per interagire con i computer. Sebbene i sistemi di riconoscimento vocale siano più precisi che mai, gli utenti tipici passano ancora più tempo a correggere gli errori che a dettare il testo; metà del loro tempo di correzione viene impiegato semplicemente spostando un cursore sugli errori identificati, ad esempio, in un'e-mail dettata. I punteggi di confidenza, ovvero le stime del software sulla probabilità di aver catturato la parola giusta, possono essere utilizzati per identificare possibili errori. Ora Jinjuan Feng e Andrew Sears dell'Università del Maryland, nella contea di Baltimora, hanno dimostrato che i punteggi di confidenza possono essere utilizzati anche per accelerare il processo di correzione.

Questa storia faceva parte del nostro numero di marzo 2005

• Vedi il resto del problema
• sottoscrivi

METODI E RISULTATI: Dodici partecipanti hanno dettato documenti di 400 parole utilizzando un sistema di riconoscimento vocale. Ha interpretato il 17% delle parole in modo errato, un tasso tipico; era il processo di correzione che era atipico. Il software utilizzava i punteggi di confidenza per contrassegnare le parole in tutto il testo come ancore di navigazione. Gli utenti possono passare rapidamente a ogni ancoraggio con brevi comandi vocali e quindi spostare un cursore parola per parola sull'errore. I ricercatori hanno misurato il numero di comandi di navigazione utilizzati dai partecipanti, i tassi di errore dei comandi di navigazione e il tempo trascorso a dettare e navigare. I tassi di errore medi riportati per altre tecniche sono circa il 5% per la navigazione basata sulla direzione (sposta a destra) e dal 10 al 20% per la navigazione basata su parole (seleziona dicembre). In un test della tecnica di Feng e Sears, il tasso di fallimento era solo del 3,2%. Ancora meglio, il tempo impiegato dagli utenti per individuare gli errori è stato ridotto di quasi un quinto. Questo è significativo rispetto ad altre tecniche di correzione degli errori ed è promettente, perché questo lavoro suggerisce i mezzi per ulteriori miglioramenti.

PERCHÉ È IMPORTANTE: I pulsanti lillipuziani sui PDA e altre meraviglie tascabili si stanno rapidamente riducendo sotto un pollice di dimensioni costanti. Il multitasking è in aumento e sempre più persone con disabilità fisiche stanno entrando nel mondo del lavoro. Entrambe le tendenze allontaneranno gli utenti dai sistemi informatici con interfacce manuali. Il riconoscimento vocale, ma per il suo alto tasso di errore e i lunghi tempi di correzione, è un'alternativa ovvia.

Questo lavoro mostra chiaramente che l'utilizzo dei punteggi di confidenza per la navigazione può ridurre i tempi di correzione degli utenti. Con ulteriori miglioramenti, la tecnica promette di aumentare l'usabilità della correzione degli errori a mani libere e quindi di generare un'ondata di nuovi gadget e applicazioni.

FONTE: Feng, J. e A. Sears. 2004. Utilizzo dei punteggi di confidenza per migliorare la navigazione basata sul parlato a mani libere nei sistemi di dettatura continua. Transazioni ACM sull'interazione uomo-computer 11: 329-356.

Correzioni quantistiche
Come controllare gli errori in un computer quantistico

CONTESTO: A un estraneo, la logica dell'informatica quantistica può sembrare mistica. Mentre un bit standard rappresenta i dati a senso unico o un altro (digitale 0 o 1), un bit quantistico memorizza i dati in un modo e un altro (0 e 1 e tutte le possibilità intermedie). Mentre un computer standard deve analizzare le possibili soluzioni una alla volta, un computer quantistico potrebbe, in teoria, esaminare tutte le soluzioni contemporaneamente e scegliere quella corretta in un unico passaggio. Questo è l'ideale per soluzioni che si basano su tentativi ed errori, come la violazione dei codici di crittografia.

Ma, come una creatura mitica maledetta, molte delle informazioni contenute in un sistema quantistico svaniranno se osservate, perché il processo di osservarle disturba il sistema. Ciò significa che un utente può guardare la risposta a una domanda ma non può controllare i calcoli alla base. Un computer quantistico ha quindi bisogno di correggere gli errori in modo affidabile senza che nessuno li veda effettivamente. Ora, per la prima volta, John Chiaverini e i colleghi del National Institute of Standards and Technology (NIST) lo hanno fatto in un sistema quantistico che potrebbe essere scalato.

METODI E RISULTATI: Nel computer quantistico NIST, le informazioni sono codificate nello stato quantistico di un singolo atomo. Usando un processo chiamato entanglement, il destino di questo atomo genitore è legato a quello di due atomi compagni, in modo che le modifiche alla condizione del genitore si riflettano nei compagni. Usando ioni di berillio (atomi con carica elettrica) per trasportare informazioni quantistiche, i ricercatori sono stati in grado di districare, decodificare e confrontare gli stati dei due ioni compagni e quindi dedurre indirettamente se si fosse verificato un errore. Un impulso laser potrebbe quindi correggere lo stato quantistico dello ione originale senza osservarlo effettivamente.

PERCHÉ È IMPORTANTE: Molte tecniche di crittografia dipendono dalla difficoltà di fattorizzare numeri molto grandi attraverso tentativi ed errori. Un computer quantistico potrebbe, in teoria, sconfiggere tutti questi sistemi di crittografia e promette di essere ordini di grandezza più potenti dei sistemi più avanzati odierni. Quindi chiunque sia interessato a mantenere segreti digitali, dai numeri di carta di credito per le transazioni Web alle informazioni riservate per governi e aziende, si preoccupa del calcolo quantistico. Sebbene un computer quantistico utile sia ancora molto, molto lontano, il lavoro al NIST ha mostrato come sollevare una delle maledizioni più tormentose della meccanica quantistica.

FONTE: Chiaverini, J., et al. 2004. Realizzazione della correzione degli errori quantistici. Natura 432: 602-605.

Scansione dei tuoi pensieri
Le macchine imparano ad analizzare l'attività cerebrale />

CONTESTO: i computer possono imparare a leggere la mente umana? Rilevare i pensieri può essere al di là delle loro capacità, ma i computer possono essere addestrati a riconoscere determinati compiti mentali dalle scansioni che monitorano l'attività cerebrale. Una popolare tecnica di scansione, la risonanza magnetica funzionale (fMRI), aiuta già lo studio dell'apprendimento, della memoria, delle emozioni, dei disturbi neurali e degli psicofarmaci. Utilizzando le statistiche e l'analisi dei dati, i ricercatori possono identificare i modelli di attività come caratteristici di determinate attività e stati mentali. Ora, Tom Mitchell ei suoi colleghi della Carnegie Mellon University hanno dimostrato che i computer possono automatizzare questo processo, almeno per alcune semplici attività.

METODI E RISULTATI: Utilizzando i dati fMRI di soggetti impegnati in vari compiti, il team della CMU ha addestrato i computer a riconoscere quali modelli fMRI accompagnavano gli stati cognitivi per compiti diversi. Durante questo processo, il computer ha sviluppato modelli matematici per distinguere tra diversi stati cognitivi. Quindi, dati i nuovi dati fMRI, i computer hanno previsto gli stati mentali dei soggetti dalle scansioni cerebrali. Sebbene imperfetti, i computer addestrati automaticamente hanno superato in modo convincente la possibilità di discriminare se un soggetto stava guardando frasi o immagini, leggendo frasi ambigue o non ambigue e leggendo parole associate a diverse categorie come persone, strumenti o frutta.

PERCHÉ È IMPORTANTE: questo lavoro mostra che un computer può utilizzare i risultati di una serie di scansioni cerebrali per prevedere cosa stava facendo un cervello durante altre scansioni. Questa capacità potrebbe eventualmente portare a un uso più accurato delle scansioni MRI in medicina. Potrebbe anche accelerare l'analisi dei dati, in particolare quando un individuo viene studiato nel tempo. E poiché i computer hanno imparato a riconoscere l'attività cerebrale da un singolo breve intervallo piuttosto che da un insieme di più scansioni per un periodo di tempo più lungo, potrebbe ridurre il tempo che ogni paziente trascorre in una macchina per la risonanza magnetica, rendendo più prontamente disponibili apparecchiature costose.

Più in generale, questo lavoro è un'applicazione importante nel campo dell'apprendimento automatico. Con relativamente pochi esempi di addestramento, i computer sono stati in grado di rilevare modelli significativi nei dati contenenti migliaia di input, molti dei quali irrilevanti o imprecisi. Poiché gli scienziati raccolgono set di dati sempre più dettagliati dal cervello e da altri sistemi complessi, queste tecniche offrono un modo per utilizzare le informazioni in modo più efficace.

FONTE: Mitchell, T. M., et al. 2004. Imparare a decodificare gli stati cognitivi dalle immagini del cervello. Apprendimento automatico 57: 145-175.

nascondere