اگر فيلم هايي مانند «ترميناتور» يا «من، ربات» را تماشا كرده باشيد قطعاً مي دانيد كه پتانسيل هاي به نمايش گذاشته شده از هوش مصنوعي، به شكلي چشمگير با تكنولوژي هاي فعلي تفاوت دارد و قطعاً هيچكس هم از اين موضوع نمي ترسد كه هوش مصنوعي بيكسبي سامسونگ بتواند جهان را تحت سلطه خود در بياورد. با اين حال بنابر گزارش تازه گوگل، به نظر مي رسد تكنولوژي هاي فيلم هاي علمي-تخيلي به آرامي در حال تبديل شدن به واقعيت هستند.

كمپاني ساكن مانتين ويو در مقاله اخير خود به صحبت درباره سيستمي به نام Tacotron 2 براي تبديل متن به گفتار مي پردازد كه قادر به توليد صدايي شبيه به صداي انسان براي هوش مصنوعي است.

براي دستيابي به اين مهم، Tacotron 2 از يك جفت شبكه عصبي استفاده مي كند: يك شبكه براي بازنمود ديداري فركانس هاي صوتي خاص و ديگري (به نام WaveNet) براي بازسازي اين اطلاعات ديداري در قالب صوت. گوگل ضمن انتشار مقاله خود، وبسايتي نيز راه اندازي كرده كه توانايي هاي عملي تكنولوژي اش را به نمايش مي گذارد.

 

در اين وب سايت، گوگل نشان مي دهد كه Tacotron 2 چطور از پس جملات و ;lghj از نگاه معناشناسي (مانند تفاوت اسمي و فعلي كلمه Present) بر مي آيد و آهنگ كلمات دشواري مانند Otolaryngology كه حتي تلفظ شان براي انسان ها هم دشوار است را به خوبي درك مي كند.

در بخش پاياني وب سايت، گوگل به مقايسه صداي انساني و صداي هوش مصنوعي مي پردازد و نتايج تكنولوژي اين كمپاني، بدون شك تحسين برانگيز است. اگرچه به اين موضوع در مقاله اشاره نشده، اما تكنولوژي صوتي تازه گوگل احتمالاً يكي از تلاش هاي ساكنين مانتين ويو براي تكامل هرچه بيشتر دستيار ديجيتالي گوگل است.

گوگل اسيستنت اصلي ترين عنصر محصولات سري Google Home به حساب مي آيد و اين اسپيكرهاي هوشمند قطعاً مي توانند در آينده ميزباني شايسته براي تكنولوژي جديد گوگل باشند.در نهايت گفتني است كه علي رغم اين پيشرفت، هنوز تفاوت زيادي ميان مكالمات انساني و هوش مصنوعي وجود دارد. در حالي كه هوش مصنوعي قادر به تقليد از انسان در چگونگي اداي كلمات است، هيچ شخصيتي از خود نداشته و قادر به بيان عبارات غيرقابل پيش بيني نيست.