Różne systemy sztucznej inteligencji już wiedzą, jak robić takie rzeczy, że czas pomyśleć, że fabuła serii filmów Terminator nie jest taką fantazją. Co więcej, każdego dnia AI uczy się coraz więcej nowych technik. Na przykład Google niedawno wyszkolił swoją sztuczną inteligencję, aby identyfikować głosy osób w hałasie tłumu z zadziwiającą dokładnością.
Na początku inżynierowie Google stworzyli technologię opartą na uczeniu maszynowym, która ujawnia głos poszczególnych osób poprzez „efekt imprezy”. Oto, co wszyscy wiemy: komunikując się z osobą otoczoną obcymi dźwiękami, możemy zrozumieć, o czym mówi, analizując nie tylko mowę, ale także mimikę twarzy, filtrując „przeszkadzające” dźwięki. AI Google działa w podobny sposób: analizując mięśnie twarzy i cały hałas, wybiera głosy różnych osób i tworzy z nich oddzielne ścieżki dźwiękowe. Następnie Google wyszkolił sztuczną inteligencję do rozpoznawania twarzy ludzi, izolowania ich głosów i tłumienia obcych dźwięków.
W ten sposób system może wybrać żądaną osobę z tłumu hałaśliwych ludzi i przeprowadzić rozpoznawanie jej głosu w czasie rzeczywistym. Jest to możliwe dzięki temu, że inżynierowie Google „trenowali” sztuczną inteligencję w ponad 100 000 wykładach wideo i filmach konwersacyjnych z YouTube z szumem w tle. Nowe rozwiązanie, według Google, może posłużyć np. Do poprawy jakości rozmów wideo, tak aby podczas komunikacji grupowej użytkownik mógł skupić się na jednym rozmówcy. Wynik działania algorytmu Google można obejrzeć na poniższym filmie.
Vladimir Kuznetsov