Fei-Fei Li: bilgisayar görmeyi örnekle öğrendi
Bir makineye “kedi” demeyi öğretmek için önce birçok kedi örneği gerekir. Fei-Fei Li, bu örnekleri büyük ve düzenli bir veri kümesinde toplayan çalışmanın öncülerindendir.
Yazıyı okuSesli not alma, sesle arama ve altyazı oluşturma işlerinin arkasında konuşma tanıma teknolojisi vardır. Ses dalgaları nasıl kelimelere dönüşür?

Ekrana bakmadan bir cümle söyleyip onun yazıya dönüştüğünü görmek oldukça etkileyicidir. Sen havayı titreştiren sesler çıkarırsın; bilgisayar ise bu seslerin sayısal temsilini işler. Mikrofon, ses dalgalarını elektrik sinyaline dönüştürür. Bu sinyalin sayısallaştırılmasıyla yazılımın inceleyebileceği veriler oluşur. Konuşma tanıma sistemi, bu veriden hangi kelimelerin söylenmiş olabileceğini çıkarmaya çalışır. Ekranda beliren yazı, bu işlem zincirinin son ürünüdür.
Geleneksel sistemlerde sesin küçük bölümlerini yorumlayan akustik model, sesleri kelimelerle ilişkilendiren telaffuz bilgisi ve olası kelime dizilerini değerlendiren dil modeli gibi parçalar bulunur. Bazı sinir ağı yaklaşımları bu görevleri tek bir modelde birleştirir. Yöntem değişse de temel problem aynıdır: Sürekli akan bir sesin içinde kelimelerin nerede başlayıp bittiğini ve ne söylendiğini kestirmek.
Bir modelin eğitilmesinde konuşma kayıtları ve bunlarla ilişkili metinlerden yararlanılabilir. Model, örneklerdeki ses özellikleri ile yazılı karşılıklar arasındaki ilişkileri öğrenir. Bu, her yeni cümleyi önceden ezberlediği anlamına gelmez; gördüğü örüntülerden hareketle yeni girdiler için tahmin üretir. Kullanılan verilerin çeşitliliği önemlidir. Bir konuşma biçiminin eğitim örneklerinde az bulunması, o biçimdeki konuşmaların daha zor tanınmasına yol açabilir.
İnsanlar aynı kelimeyi farklı hızlarda ve farklı aksanlarla söyleyebilir. Bunlar yanlış konuşmak değildir. Teknolojinin farklı konuşmacıları yeterince iyi desteklemesi, araştırmacıların ve geliştiricilerin çözmesi gereken bir meseledir. Bir sistem senin cümleni yanlış yazdığında bunu kendi sesinin kusuru olarak görme. Gürültü, mikrofonun konumu, eğitim verileri ve modelin tasarımı gibi birçok etken sonucu birlikte değiştirebilir.
Konuşmayı yazıya çevirmek, konuşmanın anlamını bütünüyle anlamakla aynı şey değildir. Bir sistem söylediğin kelimeleri doğru yazabilir ama neyi kastettiğini ayrıca yorumlaması gerekir. Örneğin gül sözcüğü hem bir çiçeği hem gülmek fiilinin bir biçimini anlatabilir. İki kullanım da aynı harflerle yazılır; burada yalnızca sesin doğru tanınması, anlam sorununu kendiliğinden çözmez. Cümlenin bütünü önem taşır.
Tahmin sırasında kelimelerin birlikte kullanılma olasılığı işe yarayabilir, ama bu ipucu yanıltabilir de. Alışılmadık bir kişi adı, yaygın bir kelimeyle değiştirilebilir. Böyle bir hata bazen sessiz bir ortamda da oluşur. Bu yüzden sesle yazılan önemli bir mesajı göndermeden önce okumak iyi bir alışkanlıktır. Özellikle isimlere, sayılara ve olumsuzluklara bak; küçük bir değişiklik, cümlenin niyetini bambaşka yapabilir.
Bu teknolojiyi araştırmak için çevrendeki insanların seslerini izinsiz kaydetmen gerekmez. Önce kâğıt üzerinde bir düşünce deneyi yap: Tamamen hayalî bir cümlenin yanlış yazıldığını varsay ve olası nedenlerini sıralamaya çalış. Arka plandaki müzik mi, birbirine benzeyen sesler mi, tanınmayan bir isim mi? Birden fazla olasılık üretmek, her hatayı tek bir sebebe bağlamamayı öğretir.
Bir yetişkinle birlikte zaten kullandığınız sesle yazma özelliğini incelersen, kişisel bilgi içermeyen kısa bir cümle seçebilirsiniz. Sesin cihazda mı işlendiğini, bir hizmete mi gönderildiğini ve kayıt ayarlarını kontrol etmek de araştırmanın parçasıdır. Bazı sistemler cihaz üzerinde çalışabilir; hepsinin aynı yolu kullandığını varsaymamak gerekir. Konuşma tanımanın güzelliği, insan sesini bilgisayarlarla iletişim kurmanın bir yoluna dönüştürmesidir; dikkatli kontrol de bu yolu daha kullanışlı yapar.
KEŞFE DEVAM
Bir makineye “kedi” demeyi öğretmek için önce birçok kedi örneği gerekir. Fei-Fei Li, bu örnekleri büyük ve düzenli bir veri kümesinde toplayan çalışmanın öncülerindendir.
Yazıyı okuBir yapay zekâ aracı hızlı ve düzgün görünen cevaplar verebilir. Yine de cevabı kullanmadan önce birkaç küçük kontrol yapmak iyi bir alışkanlıktır.
Yazıyı okuTelefonun sesli komutunu anlıyor, video sitesi sana tam seveceğin videolar öneriyor. Peki bunu nasıl yapıyor? Cevap: yapay zekâ.
Yazıyı oku