siketek

7.12. 2019 15:00 A mesterséges intelligenciát használó technológiáknak köszönhetően a bölcs telefonok visszatérítik az emberek fogyatékosságait.

Friss információk egy gombnyomásra

Adja hozzá a Plus7Days ikont az asztalra

  • Gyorsabb oldalelérés
  • Kényelmesebb cikkek olvasása

A mesterséges intelligencia (AI) egyre inkább behatol az életünkbe. A társadalom egy része számára rettentő jövőt képvisel humanoid robotok formájában, amelyek egy napon átveszik a világ hatalmát, a józanok számára nemcsak a szórakozás forrásává válnak, a mindennapi tevékenységek nagyszerű segítőjévé válnak, hanem abban a reményben is, hogy visszatérés a társadalomba. Legmagasabb szinten egyfajta együttélést hoz létre az emberi agyval, amelynek köszönhetően a vakok újra láthatnak, a siketek hallanak, a megbénultak mozogni kezdenek.

Végtelen lehetőségek

Az AI-t tudományos csoportok, űrhajósok, orvosok, hordozók használják, és behatolnak a személyi számítógépekbe és az okostelefonokba. Nem újdonság, hogy az okostelefonokat régóta csak telefonálásra használják. A modern technológiáknak és az AI-nek köszönhetően fordíthatnak idegen nyelvű szövegeket, azonosíthatják az ismeretlen dalok előadóit, megtudhatják a növények vagy ételek nevét, beolvashatják a könyvborítókat, és minden elérhető információt megadhatnak a felhasználóknak ezekről. Hallgatnak, olvasnak és írnak nekünk, akár "beszélhetsz is velük". Néhányan arcuk alapján ismerik fel tulajdonosukat, ezért a jelszó megadása nem szükséges, vagy hanggal és mozdulatokkal vezérelhető.

Naponta számos alkalmazás található bennük, amelyek közül néhány a többségi társadalom látókörén kívül esik. Csak akkor fogjuk felismerni fontosságukat, ha egy fogyatékosság elszigetel minket vagy szeretteinket, és kizárnak minket a társadalomból.
Például a vakok és gyengénlátók számára készült Google Lookout. Bár még mindig pelenkájában van, angolul és szinte kizárólag az amerikai technológiai óriás telefonjaiban, csak idő kérdése, hogy lokalizált verziókban hatoljon végtagjainkba.

Mit tehet?

A fényképezőgép használata okostelefonon segíti a vakokat az űrben való tájékozódásban, vokálisan megnevezi a környező tárgyakat, meghatározza azok helyét, utcára tereli a felhasználókat, figyelmezteti a szobák akadályaira, segít a vásárlásban, felolvassa az táblákat, a termékeket felcímkézi, beolvassa a vonalkódokat, sőt felismeri a pénzt és annak értékét.

Csak akassza a nyakába a telefont, nyomja meg a megfelelő ikont, és az asszisztens mindenről tájékoztatja a tulajdonosát, akit "lát". A gyártók rámutatnak, hogy alkalmazásuk még mindig nem tökéletes, ezért gépi tanulási funkcióval rendelkezik. Minél többen használják, annál jobban javítja és kibővíti lehetőségeit.

Süket matematikus

Az amerikai technológiai óriás nem csak ezt akarja kínálni ezen a területen. Az Egészségügyi Világszervezet szerint a világon körülbelül 466 millió siket vagy nagyothalló ember él. És még mindig nőnek.

Egyikük az orosz-amerikai matematikus, Dimitri Kanevszkij. Annak ellenére, hogy egyéves korában elvesztette hallását, az általános iskola egyik legjobb matematikusa volt, majd a Moszkvai Állami Egyetemen diplomázott, ahol matematikai doktorátust szerzett.
Pályafutása során dolgozott a legfontosabb kutatóközpontokban, a New York-i IBM Watson Research Centerben, és az elmúlt öt évben a Google-nál volt. Számláján több mint 290 szabadalom van, köztük az autókban található úgynevezett mesterséges utas. Figyelemmel kíséri a vezető szemhéjának mozgását, és értesíti őket, ha álmosság jeleit mutatják.

Kanevszkij fő célja azonban mindig a beszédfelismerési technológia fejlesztése volt. Három évtizede próbálják lehetővé tenni, hogy a siketek ilyen módon kommunikáljanak a világgal.

Euphonia projekt

Több éve működnek olyan rendszerek, amelyek lehetővé teszik a szöveg diktálását számítógépen vagy mobiltelefonon. Azonban nem elég gyorsak ahhoz, hogy beszéljenek egymással. És van egy másik probléma. A siketek, különösen a fogyatékkal élők, de más súlyos beszédproblémákkal küzdők is értetlenül ejtik a szavakat, és a hétköznapi számítógépek nem értik őket.

Dimitri kitalálta a tanítás módját. Csapatával több ezer hangmintát vett fel, amelyeket spektrogramokká változtattak. Tehát a mesterséges intelligencia feldolgozhatja őket. Ez az út kihívást jelent, és minden felhasználónak sok időt kell fordítania rá. Mint Dimitri elmondta, körülbelül 15 000 kifejezést rögzített 25 órán keresztül.

Live Transcribe Euphonia (személyre szabott, nem szabványos beszédfelismerés) sajnos még mindig csak prototípus. Hogyan működik? A tulajdonos telefonja halkan rezeg, jelezve, hogy valaki a közelben beszél, és azonnal beírja a beszélgetés hatótávolságát a képernyőre. De az a fontos, hogy érthetetlen kifejezéseket is képes valós időben feldolgozni. Bár a jelölés nem mindig pontos, a mesterséges intelligencia értékeli a kontextust, és megjeleníti a legvalószínűbb alternatívát.

Egy álom vált valóra

Matematikus számára ez egy hatalmas álom teljesítését jelenti. Megemlíti azokat az eseteket, amikor nem csak a kollégákkal, hanem a családjával is nehezen tudott kommunikálni. Évekig dolgozott olyan algoritmusokon, amelyek megváltoztatták a helyzetet. Ma minden nagyobb probléma nélkül kommunikál, előadást tart, és ami a legfontosabb számára, végre képes "beszélni" az unokákkal. "Most szabadnak érzem magam, bárkivel beszélhetek" - mondja mosolyogva.

Ugyanakkor elismeri, hogy az alkalmazás még nem univerzális. Ezért mindig új módszereket keresnek annak fejlesztésére, hogy a nő mindenkit megérthessen anélkül, hogy hosszú órákig rögzítené a kifejezéseket. "A Gallaudet Egyetemmel dolgozunk, amely az egyetlen siketegyetem az Egyesült Államokban. Ott tesztelik a programunkat, és máris rengeteg reakciót kapunk arra, hogy az Élő Átírás hogyan változtatja meg az életüket. " teszi hozzá a kutató.

Az Euphonia projekt mellett a Google más, interaktív rendszereken is dolgozik a fogyatékossággal élők számára, amelyekben mesterséges intelligenciát használnak vagy fognak használni. Például a Live Ready prototípus lehetővé teszi a siketek telefonálását. Le tudja fordítani a beszédet a vonal másik végéből írott szöveggé, és fordítva, az írott szöveget gépi hangra. A távoli jövő projektje olyan eszközök kifejlesztése, amelyek nemcsak gesztusokat, de még arckifejezéseket is feldolgoznak.