Hvordan fungerer Cat Speech-oversættelsesapps?

Du har sandsynligvis set apps, der hævder at oversætte, hvad din kat siger. Men kan de virkelig oversætte din kats miau til engelsk? Det korte svar er ja, slags. Det er svært på grund af hvor unik hver kats "sprog" er, men de kan komme temmelig tæt på med moderne teknologi.

Katteoversættelsesapps som MeowTalk bruger en form for talegenkendelse, der understreger maskinindlæring. Lad os se nærmere på.

Talegenkendelse og maskinindlæring

Talegenkendelse fungerer ved at optage tale og omdanne lyden til en digital datafil. Det koder data som tonehøjde og volumen som datapunkter, som appen kan analysere og matche med betydningen. DPA-mikrofoner forklarer, at disse datapunkter kan se meget forskellige ud afhængigt af baggrundslyden og hvordan et ord tales.

Vi tager undertiden stemmegenkendelse for givet, men det er en utrolig bedrift af teknologi. Især i betragtning af hvor kompleks menneskelig tale er. Som Videnskabsmanden forklarer, hvert ord involverer en bred vifte af lyde eller "fonemer" blandet ind i hinanden. At få en computer til at forstå tale er meget vanskelig. Den nye grænse for kattelyde bliver endnu sværere.

Apps, der bruger talegenkendelse, er programmeret med et "ordforråd" med ord, der kaldes et datasæt. Appen matcher derefter din tale med den nærmeste mulighed i dens datavokabular.

Når det laver en fejl, retter du det, og det gemmer disse data til næste gang. Dette er en del af maskinlæring. Sådan lærer et program at genkende tale, selv når det ikke er identisk med det datasæt, det startede med.

Relaterede: Hvad er maskinindlæringsalgoritmer? Sådan fungerer de

Stemmegenkendelse har stadig problemer, især med talehindringer og accenter. Nogle virksomheder er forbedring af maskinindlæring for at løse disse problemer, selvom. Over tid kan maskinlæring gøre talegenkendelse til et kraftfuldt værktøj.

Sådan fungerer talegenkendelse for mennesker. Men fungerer det for katte?

Talegenkendelse vs. Meow-anerkendelse

Først skal vi forstå, hvorfor oversættelse af en bestemt slags miau som "Jeg er sulten" er forskellig fra at analysere menneskelig tale. Problemet er for det meste, at katkommunikation er mere afhængig af ikke-verbale signaler som kropsholdning. Et andet problem er fraværet af et universelt "kattesprog."

Ifølge ASPCA, voksne vildkatte miaver aldrig hinanden, kun mennesker. Anden forskning fra Humane Society tilføjer, at disse lyde "ikke forekommer i et vakuum." Vi skal fortolke dem sammen med kropssprog og andre sammenhænge. I mange tilfælde er disse lydløse signaler den eneste forskel mellem et meow, der betyder "Jeg er sulten" og en, der betyder "Jeg vil spille."

Tilføjelse til dette problem har ingen to katte det samme sprog. Katte udvikler personlige "sprog" til deres ejere. Disse er dels baseret på efterligning af ejerens stemme og dels på kattens personlighed. Ingen katte lyder ens, selv når de formidler det samme behov eller behov. Så hvordan kan en apps taleordforråd oversættes for dem alle?

Fleksibel maskinindlæring til katte

Selvom et par virtuelle assistenter kan lide Oto forsøg på at forstå tone og følelser, talegenkendelse er stadig forfærdelig ved ikke-verbale signaler. Men det betyder ikke, at det er umuligt at fortolke dem.

MeowTalk bruger en mere fleksibel form for maskinlæring for at hjælpe med at løse disse problemer.

Hent: MeowTalk for Android | iOS (Gratis)

Meowtalk blev oprettet af Javier Sanchez, som også arbejdede på Alexa-teamet. Han forestillede sig appen som et skridt mod smarte kraver. Disse kraver oversætter kattelyde til menneskelig tale og trækker på komplekse maskinlæringsstrategier for at hjælpe mennesker med bedre at forstå og pleje deres katte.

MeowTalk-teamet kompenserede for unikke problemer ved at oprette mere specifikke profiler for hver kat. I appen registrerer du hver kat separat. Videnskab Norge rapporterer, at killinger miave anderledes end voksne katte, så appen beder også om kattens fødselsdag. Hver profil genererer et unikt datanetværk til katten, der inkorporerer lidt dyb læring i maskinindlæringen.

Relaterede: Deep Learning vs. Machine Learning vs. AI: Hvordan går de sammen?

Til ordforråd starter MeowTalk med 10 lydprofiler i sit datasæt. Hver har en anden betydning knyttet, som "glad" eller "jagt." Når appen hører en lyd og får den forkert, kan du enten rette den eller oprette en ny fortolkning.

Korrigering beder appen om at erstatte basisordforrådet med den nye lyd.

For eksempel kan du bede appen om at matche "Jagt" til korte kvidre i stedet for en lang yowl. Denne form for korrektion er mere nyttigt end at tilføje flere lyde for at matche en, der betyder den måde, talegenkendelse gør, hvilket ville være som at fortælle appen, at en lang yowl og kort kvidrer begge betyder "Mother Call."

Maskinindlæring i apps til talegenkendelse modstår normalt denne type overskrivning. Det ville være som at prøve at lære Siri at når du siger "teknologiblog", mener du virkelig "pære". Men den mere fleksible form for maskinlæring, som MeowTalk bruger, kan håndtere denne korrektion mere let.

Oprettelse af en ny fortolkning tilføjer en betydning, der ikke tidligere var kodet. For eksempel, hvis din kat har et specifikt opkald, når hun vil have sit yndlingslegetøj, kan du tilføje "Jeg vil have min mus" som en mulighed. Det ligner at tilføje et ord til din autokorrektive ordbog.

Relaterede: Sådan defineres dine egne autokorrektive ord på Android

Over tid kan du udvikle en meget personlig taleprofil til din kat. Til sidst kan det endda være sofistikeret nok til at være nyttigt for dyrepassere eller til at løse adfærdsmæssige problemer. Hvis ikke andet, hjælper det katteejere med at blive mere opmærksomme på deres kæledyr.

Dommen: Fungerer katteoversættelsesapps?

I sidste ende stoler "katteoversættelse" stadig meget på, at brugeren lærer appen, hvordan deres kat taler. Det vil sandsynligvis altid være tilfældet på grund af hvor unik hver kats kommunikation er.

Men det faktum, at maskinlæring er kommet så langt, at udviklere endda delvist kan få succes med dette, er utroligt. Maskinindlæring og AI udvikler sig med voldsom hastighed, og vi kan ikke vente med at se, hvor de går videre.

Om forfatteren