KAIST-in AI Sistemi Dodaq Oxumaqda İnqilabi Yeniliyə İmza Atır
...
Süni intellekt
Oxumaq vaxt alır?
Məqalələri dinləyə bilərsizDodaq Oxuma Texnologiyasında Yeni İrəliləyiş
KAIST-in DLLM-VSR adlı süni intellekt sistemi, 433 saat etiketlənmiş video məlumatı əsasında dodaq hərəkətlərini izləməklə danışığı səs olmadan mətnə çevirə bilir. Bu texnologiya, standart dodaq oxuma benchmarkında 19.4% səhv dərəcəsi ilə yeni rekord qırıb və insan-maşın ünsiyyətində mühüm irəliləyişdir.
DLLM-VSR-in İş Prinsipi və Yenilikləri
Sistem əvvəlcə ən çox inamlı olduğu sözləri müəyyən edir, sonra isə cümlənin əvvəl və son hissələrini nəzərə alaraq boşluqları tədricən doldurur. Video uzunluğuna əsaslanaraq müxtəlif cümlə uzunluqları üçün təxminlər aparır və ən məntiqli nəticəni seçir. Bu yanaşma texnologiyanı daha dəqiq və çevik edir. Tədqiqatçılar sistemi real vaxt rejimində, internet bağlantısı olmadan da işləyə biləcək şəkildə optimallaşdırmağa çalışırlar.
İnsanlara Təsiri və Gələcək Perspektivlər
DLLM-VSR texnologiyası sənaye mühitlərində, səs-küylü yerlərdə ünsiyyəti asanlaşdırmaq üçün nəzərdə tutulub. Ən böyük potensialı isə eşitmə problemi olan şəxslər üçün əlçatanlığı artırmaqdır. Səs olmadan danışığı anlamaq onların gündəlik həyatını asanlaşdıracaq və sosial inteqrasiyanı gücləndirəcək.
Gizlilik və Hesablama Tələbləri
Texnologiyanın hesablama tələbləri hələ yüksəkdir və tədqiqatçılar bunları azaltmağa çalışırlar ki, cihazlarda daha rahat istifadə olunsun. Eyni zamanda, dodaq oxuma texnologiyasının şəxsi məxfiliyə təsiri ilə bağlı narahatlıqlar mövcuddur. Buna görə də gələcəkdə etik və hüquqi çərçivələrin hazırlanması vacibdir.
KAIST-in DLLM-VSR sistemi səs olmadan danışığı anlamaq üçün yeni imkanlar yaradır və süni intellekt sahəsində insan həyatını dəyişdirəcək mühüm addımdır.