211service.com
Donde Siri tiene problemas de audición, una multitud de humanos podría ayudar
El informático Jeffrey Bigham ha creado un programa de reconocimiento de voz que combina los mejores talentos de las máquinas y las personas.
Aunque los programas de reconocimiento de voz como Siri de Apple y Dragon de Nuance son bastante buenos para escuchar voces familiares y palabras claramente dictadas, la tecnología aún no puede subtitular de manera confiable eventos que presentan nuevos oradores, acentos, frases y ruidos de fondo. La gente es bastante buena entendiendo palabras en tales situaciones, pero la mayoría de nosotros no somos lo suficientemente rápidos para transcribir el texto en tiempo real (es por eso que los taquígrafos profesionales pueden cobrar más de $ 100 por hora). Así que el programa de Bigham Escriba aumenta las computadoras rápidas con humanos precisos con la esperanza de producir subtítulos y transcripciones rápidamente.
Este experimento de computación colectiva de fuego rápido podría ser de gran ayuda para las personas sordas y con problemas de audición. También podría proporcionar nuevas formas de mejorar las aplicaciones de reconocimiento de voz como Siri en áreas en las que tienen dificultades.
Los algoritmos de Scribe dirigen a los trabajadores humanos a escribir fragmentos de lo que escuchan en un discurso. Al subir el volumen o reducir la velocidad de las partes del audio, el programa puede dirigir a diferentes trabajadores a secciones únicas pero superpuestas de un discurso y luego darles unos segundos para recuperarse antes de pedirles que vuelvan a escribir.
Usando algoritmos de procesamiento de lenguaje natural, Scribe une los fragmentos escritos a máquina en una transcripción completa, y las superposiciones redundantes pueden ayudarlo a eliminar errores. (Esta técnica de cómputo de escopeta es similar a la forma en que funcionan muchas máquinas de secuenciación de ADN, señala Bigham). Puede producir una transcripción o pie de foto con un retraso de tan solo tres segundos utilizando solo de tres a cinco trabajadores.
El único requisito es que los trabajadores puedan oír y mecanografiar, por lo que, incluso como grupo, cuestan menos que una taquígrafa y no necesitan días de anticipación, señala. Eso podría ser de gran ayuda para un estudiante sordo que quiera, por ejemplo, tomar una nueva clase en línea que no tenga subtítulos.
Bigham (ver Innovadores menores de 35, 2009: Jeffrey Bigham) y su colega de la Universidad de Rochester Walter Lasecki han probado Scribe con trabajadores que encontraron a través de Mechanical Turk de Amazon, donde las personas se inscriben para realizar tareas simples. El equipo de Bigham les pagó a esos trabajadores un mínimo de $ 6 la hora. El equipo también contrató a estudiantes de estudio y trabajo de pregrado por $ 10 la hora. El trabajo colaborativo de personas de ambos grupos parece ser solo un poco menos preciso que el de un taquígrafo profesional, dice Bigham. Y en algunos casos, los trabajadores agrupados transcribieron con mayor precisión términos de la jerga que un solo mecanógrafo profesional podría entender mal.
Lo que Scribe está comenzando a mostrar es la capacidad de trabajar juntos como parte de una multitud para realizar tareas de desempeño muy difíciles mejor de lo que una persona puede hacer sola, dice.
Bigham ahora está desarrollando Scribe en una aplicación que espera pueda ayudar a las personas sordas a obtener transcripciones colectivas rápidamente. Para brindar soporte a una gran cantidad de usuarios, también está considerando otorgar licencias para la tecnología o crear una startup.
No es la primera vez que alguien piensa en utilizar mano de obra humana barata y coordinada por computadora para reforzar las debilidades tradicionales de los programas de inteligencia artificial u otro software. Gorjeo está contratando personas en Mechanical Turk para ayudar a su motor de búsqueda a clasificar los temas de noticias que de repente comienzan a ser tendencia. Bigham también ha creado un sistema de asistencia personal colaborativo llamado Chorus (ver Inteligencia artificial, impulsada por muchos humanos) que podría ser más inteligente que Siri pero más económico que cualquier empleado individual por hora.
Esto no quiere decir que el trabajo humano siempre superará a los sistemas automatizados en la transcripción del habla. Aditya Parameswaran, un investigador de la Universidad de Stanford que también trabaja en métodos de computación asistidos por humanos, dice que a medida que mejoren los algoritmos de aprendizaje, técnicas de crowdsourcing como estas serán útiles principalmente para aumentar la precisión de las computadoras, en lugar de que los humanos hagan la mayor parte del proceso. trabajo.