הרבה מתמטיקה וללא קסם: איך עוזרות קוליות עובדות בפועל

עוזר צוקרברג ומערכת ההפעלה "סמנתה": שני סוגים של מערכות קול

אני עובד במעבדה

ייצוג נתוני למידת מכונה.אני מלמד שני בלוקים של מקצועות באוניברסיטה: אחד מהם קשור ללמידת מכונה יישומית ובינה מלאכותית. השני הוא עם החיפוש והזנים שלו. בצומת הנושאים הללו נמצא התחום שעליו אנסה לדבר היום.

יש שתי דרכים להסתכל על מה שישעוזר קולי. תאר לעצמך שיש לך משרת וירטואלי. לדוגמה, לפני כחמש שנים, מארק צוקרברג הכין בביתו עוזר חכם, קרא לו "ג'רוויס". הוא ידע להכניס אנשים הביתה, לפתוח ולסגור דלתות, וילונות, להדליק את האור. דוגמאות נוספות למכשירים כאלה הם "אלקסה" ו"אליס", הם חיים במכשיר ומסוגלים לשפר את החיים. הם יכולים לשלוט בתנור, במכונת הכביסה, בשואב האבק וכן הלאה.

דרך נוספת להסתכל על עוזרים היא asמִמְשָׁק. בסרט "היא" הייתה מערכת הפעלה בשם "סמנתה", בקול הרוסי היה לה אותו קול כמו "אליס" מ-Yandex. היא שימשה ממשק לניהול מערכת ההפעלה, ולא תוכננה כעוזרת. לאפל יש גישה זו - Siri, Microsoft - Сortana, Google - Google Assistant.

איך הם עובדים?

כל העוזרים בנויים על דומה מאודעִקָרוֹן. הדבר הראשון שהוא צריך לעשות זה לשמוע את הקול. זה קורה במכשיר של המשתמש - טלפון נייד או רמקול חכם. המשתמש אומר: "אליס", "אלכסה", "אוקיי גוגל". לאחר מילות הקסם הללו, המכשיר מוכן להקליט את קולו של המשתמש. זה קורה עד שלב מסוים - עד שהלקוח שותק או שהמכשיר עייף לחכות עד שהוא ישתוק. לאחר מכן, הנתונים נשלחים לשרת של החברה המספקת את השירותים.

כאן מתחיל הקסם.הפעולה הראשונה היא המרת דיבור לטקסט. כל אחד אומר אחרת, איך אני ממיר את זה לטקסט? ואז מתחיל בשביל מה אנחנו משתמשים בעוזרות קוליות - מתן שירות. זו כל פעולה שזמינה באינטרנט - קניית כרטיסים, הזמנת שולחן במסעדה. השאלה היחידה היא איך לספק ממשק ידידותי למשתמש. אם הוא לא שם, המכשיר הופך לדבר.

לאחר התקשרות לשירות, המשתמש צריךהחזר את התוצאות, לשם כך עליך לארוז אותן כראוי. סביר להניח שזה יהיה טקסט, בעיה מדף באינטרנט, שיר, נתונים שהמחשבון חישב. הנתונים מומרים בחזרה לדיבור ומועברים ללקוח.

דיבור לטקסט

התקשורת שלנו מתרחשת באמצעות דיבור, הקול הואתנועת אוויר מסביב. תנודות אלו נופלות על עור התוף, הוא דוחף שלוש עצמות - הקשת, הסדן והפטיש. אלה, בתורם, מנענעים איבר שנקרא חילזון. את החילזון קיבלנו מדגים, הוא מלא במים וחיים בו תאי שיער, הם מתנודדים יחד עם המים בחילזון. תאי השיער העליונים מגבירים את התנודות בנוזל ומעבירים אותן לחלק התחתון של תאי השיער, היוצרים דחף חשמלי. דחף זה מועבר למוח.

יתרה מכך, במקומות שונים של השבלול, תאי שיער אחראים על תדרים שונים. תדרים גבוהים מעובדים בחלק הרחב, תדרים בינוניים יהיו באמצע, ותדרים נמוכים קרובים יותר למרכז.

איך אנחנו יכולים לגרום למכונה לתפוס את הקול הזהבאותו אופן - לא בצורה של אות גולמי, אלא בצורה של סט של תדרים? התשובה לשאלה זו ניתנה על ידי המתמטיקאי הצרפתי ז'אן בפטיסט פורייה, שחי על גבול המאות ה-18-19. המדען הציע טרנספורמציה מתמטית כזו, שבעזרתה הכל זהה לאוזן - נלקח אות גולמי ומפורק למרכיבי תדר.

מה לעשות עם רכיבי תדר?אנחנו יכולים למפות ייצוג ספקטרלי לפונמה, כלומר, אנחנו יכולים להמיר דיבור לפונמות. הם מומרים פחות או יותר בקלות אלגוריתמית לאותיות. כלומר, אנו יכולים לקבל מילה מייצוג פונטי.

אבל כל זה לא מדויק.יש פונמות שהן מעט שונות, מעברים מצליל אחד לאחר יכולים להישמע אחרת. הם נקראים סנונים, יש בערך 10,000 מהם, אבל כשיש כל כך הרבה מהם, המשימה של הגדרת מילים הופכת לקשה הרבה יותר.

נלחם באגים

כיצד מתמודדים חוקרים עם טעויות?התשובה לשאלה זו ניתנה על ידי המתמטיקאי הרוסי אנדריי מרקוב, שחי בתחילת המאות ה-19-20. הוא פיתח תיאוריה המתארת ​​תהליכים שבהם האחד נובע מהשני. ובזכות התיאוריה שלו פותחו מודלים נסתרים של מרקוב. זוהי אחת הדרכים הראשונות לתקן שגיאות מסוג זה.

למשל, כשאדם מדבר בצורה לא ברורה, הואמבטא או שהוא מבטא את המילה לא נכון - יש מנגנון מתמטי שמאפשר לשחזר ולקבוע בדיוק רב למה התכוון האדם. הרי גם אנשים טועים, אבל הם מבינים אחד את השני, מה שאומר שיש לנו מנגנון לתיקון טעויות בראש.

אבל ייצוג טקסט לא מספיק -המחשב עובד עם מספרים. איך להשיג אותם? לנועם חומסקי יש השערה שיש לנו מבנה במוח, יתר על כן, זמין ברמת הלידה, שעוזר לנו ללמוד במהירות שפות טבעיות. חומסקי לאורך חייו בונה, משכלל ועובד על מודל שקובע אילו דפוסים נפוצים יש בשפה, לא משנה מה - רוסית, אנגלית או סינית.

בשקופית - הדקדוק של חומסקי.זה בערך אותו דבר שהם עושים בשיעורי השפה הרוסית כשהם מנתחים משפט לפי חיבור. יש שמות עצם, שמות תואר, נושאים, פרדיקטים, קבוצות פעלים - כל זה רשמי וניתן להראות למכונה. מבנה זה מיוצג בקלות בצורה של מספרים.

המכונה יכולה להבין במה הנושא נמצאהצעה ואיזו פעולה לנקוט. לדוגמה, אם הלקוח אומר: "אליס, הפעל קצת מוזיקה", אז "הפעל" תהיה הפעולה, "מוזיקה" תהיה האובייקט עליו מתרחשת הפעולה. "אליס" תבין את הלקוח ותתחיל לפעול.

אבל המילים עצמן הן אוסף של אותיות, כמולהבין את המשמעות שלהם? יש מילים דומות - "שחק" ו"שחק", האם המכשיר יבין שזה אותו דבר? התשובה לשאלה זו ניתנה על ידי הבלשן האמריקאי ליאונרדו בלומפילד. בתחילת המאה העשרים הוא הציע תיאוריה שבה משמעותה של מילה נקבעת על פי ההקשר שבו נמצאת מילה זו. הסתכלו בשקופית וחשבו באיזו מילה אפשר להחליף בשלוש נקודות.

התשובה שלי תהיה פיל, אבל כששאלתיתלמידים, הם אומרים שאולי יש קרנף או אפילו ג'ירפה. אבל באופן כללי, אנחנו מבינים שמדובר בחיה גדולה שחיה באפריקה ויכולה לכעוס. אם נשלב את כל זה, אז נקבל תיאור סמנטי כלשהו של האובייקט הזה מבלי להשתמש במילה עצמה.

אבל אם נעשה את זה דיגיטלי, נקבלעשרות אלפי מספרים. ובזכות המתמטיקאי האמריקאי ג'ין גולוב, הוא הצליח להבין איך לצמצם משמעותית את מספר הספרות. במקום להשתמש במספרים, הם השתמשו באוסף של מספרים שנקרא וקטור. וניתן להשתמש בווקטור הזה כדי להבין קרבה או ריחוק במשמעות, קשר סמנטי. אז אתה יכול להבין ש"משחק" זהה בערך ל"משחק".

עכשיו יש כלים שבהם אתה יכול להזין מילים,ויתברר כיצד הם מופצים על מפת המשמעויות. לדוגמה, המילים "ג'ירפה", "פיל" ו"קרנף" מקובצות ומסתיימות זו לצד זו במרחב המשמעויות. שיטות אלו התפתחו וכעת נראות מתקדמות הרבה יותר.

הצגנו מילים בצורת מבנה, משפטים בצורת מבנה, הצגנו מילים בצורת משמעויות, כל זה בצורת מספרים, מה הלאה?

שירותים

לכל שירות יש מאות אלפים, מיליונים,מיליארדי חפצים. אם אנחנו מדברים על חיפוש באינטרנט, מדובר במאות מיליארדי דפים, עשרות מיליארדי תמונות. אם מוזיקה זורמת, מיליוני שירים.

אחת הגישות הראשונות לאינדקס נתונים -בניית עצי חיפוש בינאריים. אותו הדבר משמש במילונים: אתה פותח אותה באמצע, ואם דילגת על המילה הנכונה, גלול אחורה, אם לא הבנת, קדימה. אבל ב-1962, המתמטיקאים הסובייטים ג'ורג'י אדלסון-ולסקי ויבגני לנדיס הגיעו עם מבנה נתונים ששומר על עצמו במצב של חיפוש מהיר.

מערכת זו פועלת רק על נתונים ליניאריים -מספרים או מילים. ומה יקרה לנתונים רב מימדיים אם נרצה לחפש משהו במפה או במרחב תלת מימדי? לשם כך, הם הגיעו עם מבנים כמו kd-עצים, הם מתמודדים בצורה מושלמת עם משימות החיפוש במרחב תלת מימדי. אבל הם הפסיקו לעבוד עבור משימות מודרניות, שבהן הטקסט מתואר במאות מספרים.

אבל בזכות העבודה התיאורטית של סוף המאה העשריםאריק ברנינסון הציע פיתוח של עצי חיפוש, הנקראים אנה, שבהם ניתן להשתמש כדי להבטיח איכות חיפוש טובה באוספים ענקיים. זה עובד על כל בסיס Spotify העצום - תוצאה נפלאה שהושגה רק לפני חמש שנים.

יש גם גישות אחרות:למשל, הסוציולוג סטנלי מילגרם ביצע ניסויים מוזרים ולפעמים לא אנושיים. הוא הוליד את התיאוריה של שש לחיצות ידיים, שכל האנשים על פני כדור הארץ מכירים זה את זה באמצעות לא יותר משש לחיצות ידיים. לשם כך הוא ביקש מאנשים לשלוח מכתב לאדם זר. לאחר מכן היה עליהם לבחור מבין מכריהם את מי שיכול היה להכיר את האדם הזה. והתברר שנדרשו להם שש אותיות לעשות זאת. הניסוי זכה לביקורת, אך חזר על עצמו בשנות ה-2000 - ואישר את התוצאות.

זהו נכס מדהים, אשר במתמטיקהרכש את השם הרוזן "עולם קטן". מדענים רוסים - קבוצתו של יורי מלקוב - הציעו אלגוריתם מעניין. הם השתמשו בזה כדי למצוא כל דבר בכל מקום. הצמתים בגרף זה אינם עוד אנשים, אלא מסמכים.

בגרף זה - המרחק הקצר ביותר בין כלכמה חפצים. משתמשים יכולים למצוא את מה שאנחנו צריכים מהר מאוד. מבנה נתונים זה משמש כיום בחברות רבות ברוסיה ומחוצה לה - Facebook, Mail.ru, Yandex. מודל מתמטי מצוין ששינה לא רק שירותי חיפוש והמלצה, אלא גם עוזרים קוליים.

קרא עוד

ראה את ספינת העתיד החד-שלבית הראשונה בעולם

במשך שלוש שנים האמינו מדענים שיש מים בדרום מאדים. התברר שלא

מטוס המונע על ידי מימן היפרסוני יכול להגיע למהירות של עד 12 מאך. זה כמעט 15,000 קמ"ש