مايكروسوفت تقول أن نظامها للتعرف على الكلام يُنافس البشر

كتب مهندسون في مايكروسوفت ورقةً بحثيةً تشرح نظامهم الجديد للتعرف على الكلام، وادَّعوا أن النتائج أشارت إلى أن جودة نظامهم في التعرف على الكلام تُعادل البشر، وذكر الفريق أنّ النظام القائم على الشبكة العصبية حقّق إنجازاً تاريخيّاً وهو معدل 5.9% للكلمات الخاطئة، وهو ما يجعله الأول تحت نسبة ٦ ٪، والأهم أن أداءه مساوٍ لأداء البشر، وهو ما يصفونه بـ “مساواة البشر”. ولقد رفعوا الورقة البحثية على خادم أرخايف لما قبل النشر التابع لجامعة كورنيل.

دُرّست الشبكة العصبية باستخدام تسجيلاتٍ صنعها وأصدرها المعهد الوطني الأمريكي للمعايير والتقنية، ولقد صُنِعت التسجيلات بغرض البحث واحتوت على محادثاتٍ تمحورت حول موضوعٍ واحدٍ وموضوعٍ مفتوحٍ، وذلك بين اثنين يتحدثان على الهاتف، ووجد الباحثون في مايكروسوفت أن النظام احتوى على معدل خطئ ٥.٩ ٪ لمحادثات الموضوع الواحد و11.1 ٪ للمفتوحة.

كملاحظةٍ جانبيةٍ، أعلن الباحثون أيضاً عن اختبارهم لمهارات التعرف على الكلام عند البشر، حيث أرسلوا نفس محادثات الهاتف التابعة للمعهد الوطني للمعايير والتقنية إلى طرفٍ ثالثٍ يُوفر خدمة الكتابة، ما سمح بقياس معدلات الأخطاء. فتفاجؤوا بوجود معدل خطئٍ أعلى من المتوقع، وهو ٥,٩٪ لمحادثات الموضوع الواحد و١١.٣ ٪ للمحادثات المفتوحة، وتختلف هذه النتائج بشدةٍ مع الإجماع العام في المجتمع العلمي القائل بأن معدل الخطأ في البشر هو ٤ ٪.

أفاد الفريق بأنهم يعتقدون بأنهم قادرون على تحسين النظام أكثر بتخطي العقبات التي تشوّش النظام كالتواصل الخلفي، وهي الأصوات المزعجة التي يصدرها الناس أثناء محادثاتهم من غير الكلمات ولكنها لا تزال تحمل معنىً، مثل “أه”، “إم”،” أه-هه”، إلا أن نظام الشبكة العصبي ما زال يواجه صعوبةً في فهم ماهية الواجب فعله مع هذه الضوضاء، فنحن البشر نستخدمها لنقف أثناء حديثنا لنوضح فهمنا أو ريبتنا، أو لنعطي رسالةً إلى متحدثٍ آخر، كأن نشير إليه بأن يُكمل حديثه فيما كان يتحدث عنه.

كما أعلن الباحثون أن التقنية الجديدة ستُستخدم لتحسين نظام مايكروسوفت التجاريّ لاستيعاب الخطاب المسمى بـ “كورتانا”، وسيستمر العمل لتحسين نسبة الأخطاء ولمساعدة نظامهم على تحسين فهم المعنى الحقيقي للكلمات المكتوبة.