人工智能機(jī)器人會(huì)不會(huì)學(xué)到唇讀技巧
有點(diǎn)可怕，如果有一天，人工智能也學(xué)習(xí)到了唇讀技巧的話，是不是以后我們說話都要小心翼翼了，萬一旁邊有設(shè)備在對(duì)著我們的嘴。 來自于牛津大學(xué)、谷歌等相關(guān)機(jī)構(gòu)的科學(xué)家最近測驗(yàn)了一種算法，而這個(gè)算法現(xiàn)在已經(jīng)擊敗了專業(yè)的人類唇讀者。很快，或許監(jiān)控錄像不僅可以顯示你的行為，還可以顯示你說話的內(nèi)容。 研究人員運(yùn)用了谷歌的深度思維神經(jīng)網(wǎng)絡(luò)，并運(yùn)用了數(shù)千小時(shí)的 BBC 電視視頻來訓(xùn)練它。這些視頻顯示了不同的人在各種各樣的姿勢、活動(dòng)和燈光下所講的話。 “唇讀”是人工智能研究的一個(gè)活躍領(lǐng)域，而他們并不是第一個(gè)進(jìn)行這樣的研究的團(tuán)隊(duì)。但是，該團(tuán)隊(duì)通過運(yùn)用數(shù)千小時(shí)的視頻，讓他們的算法取得了最好的進(jìn)展。 他們的“觀看、聽、拼寫”神經(jīng)網(wǎng)絡(luò)學(xué)會(huì)了將視頻里嘴巴的動(dòng)作轉(zhuǎn)錄成字符，為此他們運(yùn)用了超過 100,000 個(gè)視頻。而通過把嘴的動(dòng)作轉(zhuǎn)換成單個(gè)的字符，最后神經(jīng)網(wǎng)絡(luò)將會(huì)拼出單詞。 在訓(xùn)練人工智能的過程中，團(tuán)隊(duì)的一個(gè)創(chuàng)新就是從單個(gè)單詞開始，然后逐漸增加樣本的長度以達(dá)到完整的句子。這加快了對(duì)人工智能的培訓(xùn)速度，同時(shí)也極大地提升了測驗(yàn)的性能。 他們發(fā)現(xiàn)，專業(yè)的唇讀者能夠正確解讀不到四分之一的口語。但是該團(tuán)隊(duì)的模型能夠辨認(rèn)出一半的口語詞匯，這個(gè)成績比專業(yè)的唇語讀者要好的多。 在許多實(shí)際使用中都可以用到機(jī)器唇讀，比如在嘈雜環(huán)境中進(jìn)行轉(zhuǎn)錄、配音或轉(zhuǎn)錄無聲電影，提升自動(dòng)語音識(shí)別能力等等。讓我們想象一下吧。隨著聊天機(jī)器人發(fā)明了自己的語言，人工智能在某一天超越了人類智能，或許屆時(shí)在人類與人工智能大戰(zhàn)中，我們說句話都要小心翼翼了，因?yàn)榛蛟S有機(jī)器在盯著我們的嘴巴！