Pour la reconnaissance vocale jetable, prenez des puces bon marché et ajoutez une IA simple

Flickr | msantos7

Pete Warden veut que vous jetiez votre matériel de reconnaissance vocale à la poubelle. Et puis achetez plus, et plus, et plus. Cet ingénieur de Google cherche à rendre la reconnaissance vocale bon marché.

Son idée est assez simple : réduire les réseaux de neurones qui sont habituellement utilisés pour traiter le son jusqu'à ce qu'ils soient suffisamment efficaces pour fonctionner sur des puces légères et bon marché. Ce que je veux, c'est une puce à 50 cents qui peut faire une simple reconnaissance vocale et fonctionner pendant un an sur une pile bouton, a-t-il expliqué lors du Arm Research Summit de la semaine dernière à Cambridge, au Royaume-Uni. Nous n'en sommes pas encore là… mais je pense vraiment que c'est faisable même avec la technologie actuelle que nous avons maintenant.

Histoire connexe

Histoire connexe

À un prix aussi bas, le matériel deviendrait effectivement jetable, ouvrant des usages qui étaient auparavant inimaginables. Les appareils pourraient être utilisés pour construire des poupées bon marché qui répondent à vos enfants, par exemple, ou de simples appareils électroniques domestiques comme des lampes à commande vocale. Mais Warden dit également qu'ils pourraient trouver une utilisation dans les environnements industriels, en écoutant les bruits plutôt que les voix - des centaines de capteurs repérant des signatures audio révélatrices de roues qui grincent dans des équipements d'usine ou de criquets dans un champ agricole.

Warden, qui dirige l'équipe de Google qui développe des applications mobiles et embarquées pour l'outil d'IA cloud de l'entreprise, appelé TensorFlow, se rend compte qu'il s'est lancé un défi. Réduire, par exemple, l'IA qui alimente l'assistant d'IA d'Amazon, Alexa, pour qu'elle fonctionne sur de simples puces alimentées par batterie avec des vitesses d'horloge de quelques centaines de mégahertz n'est pas réalisable. C'est en partie parce qu'Alexa doit interpréter de nombreux sons différents, mais aussi parce que la plupart des IA de reconnaissance vocale utilisent des réseaux de neurones gourmands en ressources, c'est pourquoi Alexa envoie son traitement dans le cloud.

Il a donc limité le problème, cherchant à identifier une poignée de commandes utiles, telles que marche, arrêt, démarrage, arrêt, etc. Il a également échangé des algorithmes de reconnaissance vocale réguliers. Au lieu de cela, il prend un clip audio, le découpe en courts extraits, puis calcule le contenu fréquentiel de chacun. Il aligne chacun des tracés de fréquence l'un après l'autre pour créer une image 2D du contenu fréquentiel en fonction du temps, et applique des algorithmes de reconnaissance visuelle pour identifier la signature distinctive de quelqu'un qui prononce un seul mot.

Les premières tentatives de l'équipe ont nécessité huit millions de calculs pour analyser un clip audio d'une seconde avec une précision de 89 %. Cela pourrait fonctionner sur un smartphone moderne et être suffisamment rapide pour être interactif – ce qui est mieux que d'avoir à envoyer le traitement vers le cloud – mais cela ne fonctionnerait pas bien sur une puce à faible consommation d'énergie. Après que l'équipe ait emprunté astuces algorithmiques qui aident les téléphones Android à reconnaître la phrase OK, Google, le système a pu analyser une seconde de parole avec une précision de 85 % en effectuant seulement 750 000 calculs.

L'équipe a a publié son code sur le site Web de TensorFlow pour que d'autres personnes puissent l'utiliser. Actuellement, il exécute le logiciel sur les puces comme celles utilisées dans les smartphones et Raspberry Pis , l'ordinateur sur carte ultra-bon marché. Il prévoit d'essayer de les faire fonctionner sur les puces plus petites comme celles trouvées dans les cartes Arduino.

Tony Robinson, ancien chercheur en IA à l'Université de Cambridge, au Royaume-Uni, et maintenant directeur technique d'une société de reconnaissance vocale Speechmatique , affirme que l'ambition de Warden est bonne et estime que ces approches à faible coût aideront la reconnaissance vocale à devenir omniprésente dans les années à venir. Mais il voit un problème avec la construction d'IA aussi limitées. Les gens ne s'en tiennent pas au script, dit-il, expliquant qu'il est peu probable que les utilisateurs soient assez patients pour utiliser un ensemble d'instructions aussi contraignant.

Au lieu de cela, il suggère que des puces légèrement puissantes qui peuvent invoquer davantage de capacités linguistiques du type de celles trouvées dans Google Assistant et Alexa d'Amazon pourraient être mieux adaptées aux applications grand public.

cacher