اخبار و مقالات

تازه های فناوری و مقالات تخصصی حساب رایان

این روزها تمایز کلام انسان و برنامه‌های تبدیل متن به صدا آنقدر هست که بشود آنها را به راحتی از یکدیگر تشخیص داد، با این همه، به لطف هوش مصنوعی تازه گوگل به نام WaveNet که اخیرا توسط تیم Deep Mind توسعه یافته، ممکن است روزی فرا برسد که تشخیص این امر برایتان دشوار شود.
 

هوش مصنوعی تازه گوگل می تواند کلام انسان را به صورت واقعی تقلید نماید
همانطور که احتمالا در جریان هستید، این تیم در زمینه توسعه شبکه های عصبی برای خود اسم و رسمی دارد و چندی پیش هم با خلق AlphaGo و شکست یکی از بهترین بازیکنان بازی فکری Go، نام خود را در سرخط خبرهای روز قرار داد.

اما در بحث برنامه‌های تبدیل متن به کلام هم باید بگوییم که هم اکنون توسعه دهندگان از دو شیوه مختلف برای این منظور استفاده می کنند. در یک شیوه آنها مجموعه عظیمی از کلمات و اجزای زبانی به کار رونده توسط یک انسان را مورد استفاده قرار می دهند و در دیگری، واژگان بسته به اینکه قرار است چه صدایی را تولید کنند به صورت الکترونیکی شکل داده می شوند. این پروسه البته دشواری چندانی ندارد اما نتیجه کار معمولا شکلی رباتیک دارد که تا حدی با آن آشنا هستیم.

حالا گروه Deep Mind برای تولید برنامه ای که کلام را به شیوه انسان گونه ایجاد کند، اشکال مربوط به امواج صوتی خام ضبط شده از متکلمان انسانی را دریافت و در اختیار شبکه عصبی خود قرار داده اند. اشکال امواج صوتی (Waveform) نیز در اصل معرف‌های بصری از اشکالی هستند که صداها به خود می گیرند و حتما تا به حال روی نمایشگر برخی دستگاه های پخش موسیقی نمونه شان را دیده اید. با در نظر داشتن آنچه گفته شد، WaveNet با شکل دادن به امواج صوتی صحبت می کند.

حال اگر از این هوش مصنوعی به عنوان یک برنامه تبدیل متن به کلام استفاده شود، متنی که در داخل واج ها و هجاها تایپ می کنید را تغییر داده و سپس نتیجه را ادا می کند. گفتنی است سوژه های مشارکت کننده در این آزمایشان بر این باور بودند که نتایج به دست آمده از WaveNet نسبت به روش های دیگر شکلی انسانی تر داشته اند.

دیپ مایند هم در مطلبی که برای معرفی دستاورد تازه اش منتشر کرد اعلام نمود هوش مصنوعی آن قادر است «اختلاف میان پیشرفته ترین فناوری های ارائه شده برای این منظور و همچنین عملکرد انسانی را به میزان ۵۰ درصد کاهش دهد».

درخواست دمو   درخواست دمو