تکنولوژی جدید گوگل، صدای هوش مصنوعی را به انسانی ترین شکل ممکن در می آورد

اگر فیلم هایی مانند «ترمیناتور» یا «من، ربات» را تماشا کرده باشید قطعاً می دانید که پتانسیل های به نمایش گذاشته شده از هوش مصنوعی، به شکلی چشمگیر با تکنولوژی های فعلی تفاوت دارد و قطعاً هیچکس هم از این موضوع نمی ترسد که هوش مصنوعی بیکسبی سامسونگ بتواند جهان را تحت سلطه خود در بیاورد. با این حال بنابر گزارش تازه گوگل، به نظر می رسد تکنولوژی های فیلم های علمی-تخیلی به آرامی در حال تبدیل شدن به واقعیت هستند.

کمپانی ساکن مانتین ویو در مقاله اخیر خود به صحبت درباره سیستمی به نام Tacotron 2 برای تبدیل متن به گفتار می پردازد که قادر به تولید صدایی شبیه به صدای انسان برای هوش مصنوعی است.

برای دستیابی به این مهم، Tacotron 2 از یک جفت شبکه عصبی استفاده می کند: یک شبکه برای بازنمود دیداری فرکانس های صوتی خاص و دیگری (به نام WaveNet) برای بازسازی این اطلاعات دیداری در قالب صوت. گوگل ضمن انتشار مقاله خود، وبسایتی نیز راه اندازی کرده که توانایی های عملی تکنولوژی اش را به نمایش می گذارد.

در این وب سایت، گوگل نشان می دهد که Tacotron 2 چطور از پس جملات و ;lghj از نگاه معناشناسی (مانند تفاوت اسمی و فعلی کلمه Present) بر می آید و آهنگ کلمات دشواری مانند Otolaryngology که حتی تلفظ شان برای انسان ها هم دشوار است را به خوبی درک می کند.

در بخش پایانی وب سایت، گوگل به مقایسه صدای انسانی و صدای هوش مصنوعی می پردازد و نتایج تکنولوژی این کمپانی، بدون شک تحسین برانگیز است. اگرچه به این موضوع در مقاله اشاره نشده، اما تکنولوژی صوتی تازه گوگل احتمالاً یکی از تلاش های ساکنین مانتین ویو برای تکامل هرچه بیشتر دستیار دیجیتالی گوگل است.

گوگل اسیستنت اصلی ترین عنصر محصولات سری Google Home به حساب می آید و این اسپیکرهای هوشمند قطعاً می توانند در آینده میزبانی شایسته برای تکنولوژی جدید گوگل باشند.در نهایت گفتنی است که علی رغم این پیشرفت، هنوز تفاوت زیادی میان مکالمات انسانی و هوش مصنوعی وجود دارد. در حالی که هوش مصنوعی قادر به تقلید از انسان در چگونگی ادای کلمات است، هیچ شخصیتی از خود نداشته و قادر به بیان عبارات غیرقابل پیش بینی نیست.