211service.com
Para el reconocimiento de voz desechable, tome chips baratos y agregue IA simple
Flickr | msantos7
Pete Warden quiere que tires tu hardware de reconocimiento de voz a la basura. Y luego compre más, y más, y más. Este ingeniero de Google está en una búsqueda para hacer que el reconocimiento de voz sea muy barato.
Su idea es bastante simple: reducir las redes neuronales que generalmente se usan para procesar el sonido hasta que sean lo suficientemente eficientes como para funcionar con chips livianos y baratos. Lo que quiero es un chip de 50 centavos que pueda hacer un reconocimiento de voz simple y funcionar durante un año con una batería de moneda, explicó durante la Cumbre de Investigación Arm de la semana pasada en Cambridge, Reino Unido. Todavía no hemos llegado... pero realmente creo que esto es factible incluso con la tecnología actual que tenemos ahora.
Historia relacionada
Historia relacionadaA un precio tan bajo, el hardware se volvería efectivamente desechable, abriendo usos que antes eran inimaginables. Los dispositivos podrían usarse para construir muñecas baratas que respondan a sus hijos, por ejemplo, o dispositivos electrónicos simples para el hogar, como lámparas que se activan con la voz. Pero Warden también dice que podrían encontrar un uso en entornos industriales, escuchando ruidos en lugar de voces: cientos de sensores que detectan firmas de audio reveladoras de ruedas chirriantes en equipos de fábrica o grillos cantando en un campo agrícola.
Warden, que dirige el equipo de Google que está desarrollando aplicaciones móviles e integradas para la herramienta de inteligencia artificial en la nube de la empresa, llamada TensorFlow, se da cuenta de que se ha planteado un desafío. Exprimir, digamos, la IA que impulsa a la asistente de IA de Amazon, Alexa, para que funcione con chips simples alimentados por batería con velocidades de reloj de solo cientos de megahercios no es factible. Eso se debe en parte a que Alexa tiene que interpretar muchos sonidos diferentes, pero también a que la mayoría de las IA de reconocimiento de voz utilizan redes neuronales que consumen muchos recursos, razón por la cual Alexa envía su procesamiento a la nube.
Así que restringió el problema, buscando identificar solo un puñado de comandos útiles, como encendido, apagado, inicio, parada, etc. También ha intercambiado algoritmos regulares de reconocimiento de voz. En su lugar, toma un clip de audio, lo corta en fragmentos cortos y luego calcula el contenido de frecuencia de cada uno. Alinea cada uno de los gráficos de frecuencia uno tras otro para crear una imagen 2-D del contenido de frecuencia frente al tiempo, y aplica algoritmos de reconocimiento visual para identificar la firma distintiva de alguien que dice una sola palabra.
Los primeros intentos del equipo requirieron ocho millones de cálculos para analizar un clip de audio de un segundo con un 89 por ciento de precisión. Eso podría ejecutarse en un teléfono inteligente moderno y ser lo suficientemente rápido como para ser interactivo, lo cual es mejor que tener que enviar el procesamiento a la nube, pero no funcionaría bien en un chip de bajo consumo. Después de que el equipo tomó prestado trucos algorítmicos que ayudan a los teléfonos Android a reconocer la frase OK, Google, el sistema pudo analizar un segundo de voz con un 85 por ciento de precisión al realizar solo 750,000 cálculos.
el equipo tiene publicó su código en el sitio web de TensorFlow para que lo usen otras personas. Actualmente, ejecuta el software en los chips como los que se usan en los teléfonos inteligentes y Raspberry Pis, la computadora ultraeconómica en una tarjeta. Planea intentar que funcionen en los chips más pequeños como los que se encuentran en las placas Arduino.
Tony Robinson, exinvestigador de IA en la Universidad de Cambridge, Reino Unido, y ahora director técnico de la firma de reconocimiento de voz. Discursomática , dice que la ambición de Warden es buena y cree que estos enfoques de bajo costo ayudarán a que el reconocimiento de voz se generalice en los próximos años. Pero él ve un problema con la construcción de IA tan limitadas. La gente no se apega al guión, dice, y explica que es poco probable que los usuarios sean lo suficientemente pacientes como para hacer uso de un conjunto de instrucciones tan restringido.
En cambio, sugiere que los chips de potencia ligeramente alta que pueden invocar más capacidades lingüísticas del tipo que se encuentran en el Asistente de Google y Alexa de Amazon pueden ser más adecuados para las aplicaciones de consumo.