Là où Siri a du mal à entendre, une foule d'humains pourrait aider

L'informaticien Jeffrey Bigham a créé un programme de reconnaissance vocale qui combine les meilleurs talents des machines et des personnes.

Bien que les programmes de reconnaissance vocale comme Siri d'Apple et Dragon de Nuance soient assez bons pour entendre les voix familières et les mots clairement dictés, la technologie ne peut toujours pas sous-titrer de manière fiable les événements qui présentent de nouveaux locuteurs, accents, phrases et bruits de fond. Les gens comprennent assez bien les mots dans de telles situations, mais la plupart d'entre nous ne sont pas assez rapides pour transcrire le texte en temps réel (c'est pourquoi les sténographes professionnels peuvent facturer plus de 100 $ l'heure). Donc le programme de Bigham Scribe augmente les ordinateurs rapides avec des humains précis dans l'espoir de produire rapidement des légendes et des transcriptions.

Cette expérience d'informatique de foule à tir rapide pourrait être d'une grande aide pour les personnes sourdes et malentendantes. Cela pourrait également fournir de nouvelles façons d'améliorer les applications de reconnaissance vocale comme Siri dans les domaines où elles ont des difficultés.

Les algorithmes de Scribe ordonnent aux travailleurs humains de saisir des fragments de ce qu'ils entendent dans un discours. En augmentant le volume ou en ralentissant la vitesse des tranches de l'audio, le programme peut diriger différents travailleurs vers des sections uniques mais se chevauchant d'un discours, puis leur donner quelques secondes pour récupérer avant de leur demander de taper à nouveau.

À l'aide d'algorithmes de traitement du langage naturel, Scribe rassemble les fragments dactylographiés dans une transcription complète, et les chevauchements redondants peuvent l'aider à éliminer les erreurs. (Cette technique informatique de fusil de chasse est similaire à la façon dont fonctionnent de nombreuses machines de séquençage d'ADN, souligne Bigham.) Elle peut produire une transcription ou une légende avec un délai aussi court que trois secondes en utilisant seulement trois à cinq travailleurs.

La seule exigence est que les travailleurs puissent entendre et taper, donc même en groupe, ils coûtent moins cher qu'un sténographe et n'ont pas besoin de jours de préavis, note-t-il. Cela pourrait être d'une grande aide pour un étudiant sourd qui souhaite, par exemple, suivre un nouveau cours en ligne qui n'a pas été sous-titré.

Bigham (voir Innovators Under 35, 2009 : Jeffrey Bigham ) et son collègue de l'Université de Rochester Walter Lasecki ont testé Scribe avec des ouvriers qu'ils ont trouvés via Amazon's Mechanical Turk, où les gens s'inscrivent pour effectuer des tâches simples. Ces travailleurs étaient payés au moins 6 $ de l'heure par l'équipe de Bigham. L'équipe a également embauché des étudiants de premier cycle en alternance travail-études pour 10 $ de l'heure. Le travail de crowdsourcing des personnes des deux groupes semble être à peine moins précis que celui d'un sténographe professionnel, dit Bigham. Et dans certains cas, les travailleurs mis en commun ont transcrit avec plus de précision des termes de jargon qu'un seul dactylographe professionnel pourrait mal entendre.

Ce que Scribe commence à montrer, c'est la capacité de travailler ensemble dans le cadre d'une foule pour effectuer des tâches de performance très difficiles mieux qu'une personne ne peut le faire seule, dit-il.

Bigham développe maintenant Scribe en une application qui, espère-t-il, pourrait aider les personnes sourdes à générer rapidement des transcriptions. Pour accompagner un grand nombre d'utilisateurs, il envisage également de licencier la technologie ou de créer une startup.

Ce n'est pas la première fois que quelqu'un pense à utiliser une main-d'œuvre humaine bon marché et coordonnée par ordinateur pour renforcer les faiblesses traditionnelles des programmes d'intelligence artificielle ou d'autres logiciels. Twitter recrute des personnes sur Mechanical Turk pour aider son moteur de recherche à classer les sujets d'actualité qui commencent soudainement à devenir une tendance. Bigham a également créé un système d'assistance personnelle participatif appelé Chorus (voir Intelligence artificielle, alimenté par de nombreux humains) qui pourrait être plus intelligent que Siri mais moins cher que n'importe quel employé horaire individuel.

Cela ne veut pas dire que le travail humain surpassera toujours les systèmes automatisés pour la transcription de la parole. Aditya Parameswaran, chercheur à l'Université de Stanford qui travaille également sur les méthodes de calcul assistées par l'homme, affirme qu'à mesure que les algorithmes d'apprentissage s'améliorent, les techniques de crowdsourcing comme celles-ci seront principalement utiles pour augmenter la précision des ordinateurs, plutôt que pour que les humains fassent la majeure partie du travail. travail.

cacher