IBM Watson Công Bố Phát Triển Tính Năng Nhận Diện Đoạn Hội Thoại

Công nghệ nhận dạng giọng nói đã có những bước tiến rất lớn. Người dùng trong khoảng năm 2015 đã có thể dùng giọng nói để nhập văn bản vào smartphone với độ chính xác khá cao. Có thể nói, đây là một tính năng rất quan trọng giúp giải quyết những khó khăn liên quan đến việc nhập văn bản trên những thiết bị có bàn phím nhỏ.

Smartphone có thể nhận dạng khá chính xác giọng nói của người dùng, nhưng nó vẫn chưa thể hiểu được nội dung của đoạn hội thoại đó. Các nhà nghiên cứu tại IBM công bố đã xây dựng thành công thuật toán giúp thiết bị có thể phân biệt được cuộc hội thoại xen kẽ giữa 2 người, với tỷ lệ sai sót chỉ khoảng 8%.

Theo đó, nhóm nghiên cứu tại IBM đã sử dụng siêu máy tính Watson và cơ sở dữ liệu các cuộc nói chuyện qua điện thoại nhằm thử nghiệm độ chính xác của thuật toán mới. Kết quả, nó có thể nhận diện được nội dung nói chuyện giữa 2 người với tỷ lệ lỗi 8%.

Rheo Picheny, 1 thành viên trong nhóm nghiên cứu cho biết: “Độ chính xác trong thử nghiệm mới cao gấp 36% so với những phiên bản trước. Đối với con người trước các tình huống nói chuyện tương tự thì tỷ lệ nhận diện giọng nói sai là 4%. Do đó, con số 8% của thuật toán mới là khá chính xác hơn nhiều so với 20% của vài năm trước”

Giám đốc nghiên cứu trí tuệ nhân tạo của Facebook, đối thủ của IBM trong cuộc đua AI, cũng phải nhận định rằng đây là một “bước tiến đầy ý nghĩa”. Thành công của IBM là nhờ vào quá trình nghiên cứu phát triển kỹ thuật điện toán học tập sâu.

Cụ thể, nó sử dụng mạng neural sâu để xác định mô hình giọng nói, dùng mạng neural nhân chập (ConvNets) để sắp xếp các biến thể trong ngữ âm và cuối cùng là sử dụng mạng neural hồi quy để ghi nhớ âm thanh. Một số hãng khác cũng đã kết hợp các kỹ thuật trên, như Google, Microsoft… và cũng đã thu được những kết quả đầy hứa hẹn.

LeCun, một trong những người phát minh kỹ thuật ConvNet cho biết: “Trước đây, các nhà nghiên cứu ở IBM đã sử dụng ConvNets và mô hình ngôn ngữ neural nhưng đây là hệ thống đầu tiên có thể kết hợp tất cả mọi thứ lại với nhau nhằm đạt được hiệu suất nhận diện giọng nói kỷ lục và có thể chấp nhận được”

 Được biết, thuật toán mới đã được bổ sung vào trong hàm API do IBM công bố cách đây không lâu, cho phép các lập trình viên có thể sử dụng Watson để nhận biết giọng nói. Về ứng dụng thực tế, nó sẽ giúp người dùng có thể hiểu được nội dung từ các giọng nói khó nghe.