الكثير من الرياضيات ولا السحر: كيف تعمل المساعدين الصوتيين في الواقع

مساعد زوكربيرج ونظام التشغيل "سامانثا": نوعان من أنظمة الصوت

أنا أعمل في مختبر

أقوم بتدريس مجموعتين من المواد في الجامعة: أحدهما يتعلق بالتعلم الآلي التطبيقي والذكاء الاصطناعي.والثاني هو مع البحث وأصنافه.هذا هو المجال الذي سأحاول التحدث عنه اليوم.

هناك طريقتان للنظر إلى ما هومساعد صوت. تخيل أن لديك خادمًا افتراضيًا. على سبيل المثال ، منذ حوالي خمس سنوات ، عمل مارك زوكربيرج مساعدًا ذكيًا في منزله ، أطلق عليه "جارفيس". كان يعرف كيف يسمح للناس بالدخول إلى المنزل ، ويفتح ويغلق الأبواب ، والستائر ، ويشعل الضوء. ومن الأمثلة الأخرى على هذه الأجهزة "Alexa" و "Alice" ، فهي تعيش في الجهاز وتستطيع تحسين الحياة. يمكنهم التحكم في الفرن والغسالة والمكنسة الكهربائية وما إلى ذلك.

طريقة أخرى للنظر إلى المساعدين هيواجهه المستخدم. في فيلم "هي" كان هناك نظام تشغيل يسمى "Samantha" ، في التمثيل الصوتي الروسي كان لها نفس صوت "Alice" من Yandex. عملت كواجهة لإدارة نظام التشغيل ، ولم يتم تصميمها كمساعد. تتبع Apple هذا النهج - Siri ، Microsoft - Сortana ، Google - مساعد Google.

كيف يعملون؟

كل المساعدين مبنيون على نفس الشيءالمبدأ. أول شيء عليه فعله هو سماع الصوت. يحدث هذا على جهاز المستخدم - هاتف محمول أو مكبر صوت ذكي. يقول المستخدم: "أليس" ، "أليكسا" ، "أوكي جوجل". بعد هذه الكلمات السحرية ، يكون الجهاز جاهزًا لتسجيل صوت المستخدم. يحدث هذا إلى حد ما - حتى يصمت العميل أو يتعب الجهاز من الانتظار حتى يصبح صامتًا. بعد ذلك يتم إرسال البيانات إلى خادم الشركة الذي يقدم الخدمات.

هذا هو المكان الذي يبدأ فيه السحر.العملية الأولى هي تحويل الكلام إلى نص. يقول الجميع بشكل مختلف ، كيف يمكنني تحويل هذا إلى نص؟ ثم نبدأ فيما نستخدم المساعدين الصوتيين من أجله - تقديم الخدمة. هذه هي أي عملية متاحة عبر الإنترنت - شراء التذاكر ، وحجز طاولة في مطعم. السؤال الوحيد هو كيفية توفير واجهة سهلة الاستخدام. إذا لم يكن موجودًا ، يتحول الجهاز إلى متحدث.

بعد الاتصال بالخدمة يحتاج المستخدم إلى ذلكإرجاع النتائج ، لذلك تحتاج إلى حزمها بشكل صحيح. على الأرجح ، سيكون نصًا ، أو مشكلة من صفحة على الإنترنت ، أو أغنية ، أو بيانات حسبتها الآلة الحاسبة. يتم تحويل البيانات مرة أخرى إلى كلام وإرسالها إلى العميل.

خطاب إلى نص

يتم تواصلنا من خلال الكلام ، والصوت هوحركة الهواء حولها. تسقط هذه الاهتزازات على طبلة الأذن ، فهي تدفع ثلاث عظام - الرِّكاب والسندان والمطرقة. هؤلاء ، بدورهم ، يهزون عضوًا يسمى الحلزون. حصلنا على الحلزون من الأسماك ، فهو مليء بالماء وتعيش فيه خلايا الشعر ، تتأرجح مع الماء في الحلزون. تعمل خلايا الشعر العلوية على تضخيم التقلبات في السائل ونقلها إلى الجزء السفلي من خلايا الشعر ، والتي تشكل نبضة كهربائية. ينتقل هذا الدافع إلى الدماغ.

علاوة على ذلك ، في أماكن مختلفة من القوقعة ، تكون خلايا الشعر مسؤولة عن الترددات المختلفة. تتم معالجة الترددات العالية في الجزء العريض ، وتكون الترددات المتوسطة في المنتصف ، وتكون الترددات المنخفضة أقرب إلى المركز.

كيف يمكننا أن نجعل الآلة تدرك مثل هذا الصوتبنفس الطريقة - ليس في شكل إشارة خام ، ولكن في شكل مجموعة من الترددات؟ قدم عالم الرياضيات الفرنسي جان بابتيست فورييه الإجابة على هذا السؤال ، حيث عاش على حدود القرنين الثامن عشر والتاسع عشر. اقترح العالم مثل هذا التحول الرياضي ، بمساعدة كل شيء كما هو الحال في الأذن - تؤخذ إشارة أولية وتتحلل إلى مكونات تردد.

ماذا تفعل بمكونات التردد؟يمكننا تعيين تمثيل طيفي إلى صوت ، أي يمكننا تحويل الكلام إلى صوتيات. يتم تحويلها بسهولة إلى حد ما بطريقة حسابية إلى أحرف. أي يمكننا الحصول على كلمة من التمثيل الصوتي.

لكن كل هذا غير دقيق.هناك اختلاف طفيف في الصوتيات ، يمكن أن تبدو التحولات من صوت إلى آخر مختلفة. يطلق عليهم اسم سينونيس ، وهناك حوالي 10 آلاف منهم ، ولكن عندما يكون هناك الكثير منهم ، تصبح مهمة تعريف الكلمات أكثر صعوبة.

محاربة الحشرات

كيف يتعامل الباحثون مع الأخطاء؟قدم عالم الرياضيات الروسي أندريه ماركوف الإجابة على هذا السؤال ، والذي عاش في مطلع القرنين التاسع عشر والعشرين. طور نظرية تصف العمليات التي يتبعها أحدهما من الآخر. وبفضل نظريته ، تم تطوير نماذج ماركوف المخفية. هذه إحدى الطرق الأولى لإصلاح الأخطاء من هذا النوع.

على سبيل المثال ، عندما يتحدث شخص ما بشكل غير واضح ، فهولهجة أو يخطئ في نطق الكلمة - هناك آلية رياضية تسمح لك باستعادة وتحديد ما يعنيه الشخص بدقة عالية. بعد كل شيء ، يرتكب الناس أخطاء أيضًا ، لكنهم يفهمون بعضهم البعض ، مما يعني أن لدينا آلية لتصحيح الأخطاء في رؤوسنا.

لكن تمثيل النص لا يكفي -يعمل الكمبيوتر مع الأرقام. كيف تحصل عليها؟ لدى نعوم تشومسكي فرضية مفادها أن لدينا بنية في الدماغ ، علاوة على ذلك ، متوفرة عند مستوى الولادة ، مما يساعدنا على تعلم اللغات الطبيعية بسرعة. طوال حياته ، يبني تشومسكي ، ويحسن ، ويعمل على نموذج يحدد الأنماط الشائعة الموجودة في اللغة ، بغض النظر عن اللغة الروسية أو الإنجليزية أو الصينية.

على الشريحة - قواعد تشومسكي.هذا هو نفس الشيء الذي يفعلونه في دروس اللغة الروسية عندما يحللون جملة حسب التركيب. هناك أسماء وصفات وموضوعات ومسندات ومجموعات أفعال - كل هذا يتم إضفاء الطابع الرسمي عليه ويمكن عرضه على الجهاز. يتم تمثيل هذا الهيكل بسهولة في شكل أرقام.

يمكن للآلة أن تفهم ماهية الموضوعالاقتراح وما هو الإجراء الذي يجب اتخاذه. على سبيل المثال ، إذا قال العميل: "Alice ، قم بتشغيل بعض الموسيقى" ، فسيكون "تشغيل" هو الإجراء ، وستكون "الموسيقى" هي العنصر الذي يحدث عليه الإجراء. ستفهم "أليس" العميل وتبدأ في اتخاذ الإجراءات اللازمة.

لكن الكلمات نفسها عبارة عن مجموعة من الحروف ، مثلفهم معناها؟ توجد كلمات متشابهة - "تشغيل" و "تشغيل" ، هل سيتفهم الجهاز أن هذا هو نفس الشيء؟ قدم اللغوي الأمريكي ليوناردو بلومفيلد الإجابة على هذا السؤال. في بداية القرن العشرين ، اقترح نظرية حيث يتم تحديد معنى الكلمة من خلال السياق الذي توجد فيه هذه الكلمة. انظر إلى الشريحة وفكر في الكلمة التي يمكن استبدالها بثلاث نقاط.

جوابي سيكون فيل ولكن عندما سألتالطلاب ، يقولون أنه قد يكون هناك وحيد القرن أو حتى زرافة. لكن بشكل عام ، نفهم أن هذا حيوان كبير يعيش في إفريقيا ويمكن أن يكون غاضبًا. إذا قمنا بدمج كل هذا ، فإننا نحصل على بعض الوصف الدلالي لهذا الكائن دون استخدام الكلمة نفسها.

ولكن إذا قمنا برقمنتها ، فسنحصل على عشرات الآلاف من الأرقام.وبفضل عالم الرياضيات الأمريكي جين جولوب ، تمكن من معرفة كيفية تقليل عدد الأرقام بشكل كبير.بدلا من استخدام الأرقام ، استخدموا مجموعة من الأرقام تسمى المتجه.ويمكن استخدام هذا المتجه لفهم القرب أو المسافة في المعنى ، التماسك الدلالي.بهذه الطريقة ، يمكنك أن تفهم أن "اللعب" هو نفسه "اللعب".

الآن هناك أدوات حيث يمكنك إدخال الكلمات ، وسوف يصبح من الواضح كيف يتم توزيعها على خريطة المعاني.على سبيل المثال ، يتم تجميع الكلمات "الزرافة" و "" و "وحيد القرن" معا في مساحة المعاني.لقد تطورت هذه الأساليب وتبدو الآن أكثر تقدما.

قدمنا ​​كلمات على شكل بنية ، جمل على شكل هيكل ، قدمنا ​​كلمات على شكل معاني ، كل هذا على شكل أرقام ، فماذا بعد؟

الخدمات

كل خدمة لديها مئات الآلاف ، الملايين ،بلايين الأشياء. إذا كنا نتحدث عن البحث على الإنترنت ، فهذه مئات المليارات من الصفحات ، وعشرات المليارات من الصور. إذا كانت الموسيقى تتدفق ، ملايين الأغاني.

أحد الأساليب الأولى لفهرسة البيانات -بناء أشجار البحث الثنائية. يتم استخدام نفس الشيء في القواميس: تفتحها في المنتصف ، وإذا تخطيت الكلمة الصحيحة ، فانتقل للخلف ، وإذا لم تحصل عليها ، فتابع. ولكن في عام 1962 ، ابتكر عالم الرياضيات السوفيتي جورجي أديلسون-فيلسكي وإيفجيني لانديس بنية بيانات تحافظ على نفسها في حالة استرجاع سريع.

هذا النظام يعمل فقط على البيانات الخطية -أرقام أو كلمات. وماذا سيحدث للبيانات متعددة الأبعاد إذا أردنا البحث عن شيء ما على الخريطة أو في الفضاء ثلاثي الأبعاد؟ للقيام بذلك ، توصلوا إلى هياكل مثل أشجار kd ، فهم يتعاملون تمامًا مع مهام البحث في الفضاء ثلاثي الأبعاد. لكنهم توقفوا عن العمل في المهام الحديثة ، حيث يتم وصف النص بمئات الأرقام.

لكن بفضل العمل النظري في أواخر القرن العشريناقترح إريك بيرنينسون تطوير أشجار البحث ، المسماة آنا ، والتي يمكن استخدامها لضمان جودة بحث جيدة في المجموعات الضخمة. يعمل هذا مع قاعدة Spotify الواسعة بأكملها - وهي نتيجة رائعة تم الحصول عليها منذ خمس سنوات فقط.

هناك أيضًا طرق أخرى:على سبيل المثال ، أجرى عالم الاجتماع ستانلي ميلجرام تجارب غريبة وأحيانًا غير إنسانية. لقد ولد نظرية ست مصافحات ، أن كل الناس على الأرض يعرفون بعضهم البعض من خلال ما لا يزيد عن ست مصافحات. للقيام بذلك ، طلب من الناس إرسال رسالة إلى شخص غريب. ثم كان عليهم الاختيار من بين معارفهم أولئك الذين يمكن أن يكونوا على دراية بهذا الشخص. واتضح أن الأمر استغرق منهم ستة أحرف للقيام بذلك. تم انتقاد التجربة ، ولكن تم تكرارها في العقد الأول من القرن الحادي والعشرين - وأكدت النتائج.

هذه خاصية مذهلة في الرياضياتحصل على اسم Count "Small World". اقترح العلماء الروس - مجموعة يوري مالكوف - خوارزمية مثيرة للاهتمام. استخدموه للعثور على أي شيء في أي مكان. العقد في هذا الرسم البياني لم تعد أشخاصًا ، لكنها مستندات.

في هذا الرسم البياني - أقصر مسافة بين أيزوجان من الأشياء. يمكن للمستخدمين العثور على ما نحتاجه بسرعة كبيرة. تُستخدم بنية البيانات هذه الآن في العديد من الشركات في روسيا والخارج - Facebook و Mail.ru و Yandex. نموذج رياضي ممتاز غيّر ليس فقط خدمات البحث والتوصية ، ولكن أيضًا المساعدين الصوتيين.

قراءة المزيد

شاهد أول سفينة مدارية ذات مرحلة واحدة في العالم في المستقبل

لمدة ثلاث سنوات ، اعتقد العلماء أن هناك مياه في جنوب المريخ. تبين أنه لم يكن كذلك

يمكن أن تصل سرعة طائرة تعمل بالهيدروجين تفوق سرعتها سرعة الصوت إلى 12 ماخ. تبلغ سرعتها ما يقرب من 15000 كم / ساعة