تقریر کی شناختی نظام سست ہوسکتی ہے، پروفیسر کہتے ہیں

فون پر بات کرتے ہوئے خود کار طریقے سے تقریر کی شناخت کے نظام پر اس بات کا یقین ہوسکتا ہے کہ سائنسدان اس طرح کے نظام کو استعمال کرنے کے لئے زیادہ محتاج اور کم پریشان ہوتے ہیں.

"صارفین کے تجربے سے، لوگوں کو یہ نظام بہت ناپسندی محسوس ہوتی ہے". ایلن، جسے روچسٹر یونیورسٹی میں کمپیوٹر سائنس کا سربراہ ہے، اس ہفتے نیویارک میں ہونے والے تقریر نیویارک میں منعقد ہونے والے خطاب 2010 سے پہلے بولتے ہیں.

زیادہ کمپیوٹرائزڈ تقریر کی شناخت کے نظام کو یہ سمجھا جا سکتا ہے کہ انسان کو 98٪ وقت کا کیا کہنا ہے، اور ابھی بھی لوگ خود کار طریقے سے فون مدد ڈیسک سسٹم کا استعمال کرتے ہوئے چائے میں موجود ہیں. ایلن نے کہا کہ ان نظاموں کو کم کرنے میں ناکام ہونے کی اہمیت وہ زبان کی گہرائی سمجھنے اور انہیں زیادہ سارے انٹرایکٹو بنائے گی.

[مزید پڑھنے: آپ کے نئے کمپیوٹر کو ان 15 مفت، بہترین پروگراموں کی ضرورت ہے]

اب تک، سب سے بڑی تنظیموں کے کسٹمر سروس کے اداروں خود کار طریقے سے فون پر مبنی مدد کے نظام پیش کرتے ہیں. صارف کو مدد نمبر پر فون کرتی ہے اور مصنوعی آواز کالر کی ایک سلسلہ کے سوال سے پوچھتا ہے. ان میں سے اکثر نظام فریم ورک پر مبنی ہیں جو بنیادی طور پر بڑے فیصلہ کے درخت ہیں. اس نظام کے ساتھ، "آپ کو پتہ نہیں ہے کہ جو شخص چاہتا ہے، آپ ایک اسکرپٹ پر عمل کررہے ہیں،" انہوں نے کہا.

نظام اصل میں مختلف ٹیکنالوجیوں کی ایک جامع شکل ہے. ایک ایک تقریر کی شناخت، یا کمپیوٹر کے بارے میں سمجھنے کی صلاحیت، یا متن میں کامیابی سے ترجمہ کرنا، اسپیکر کیا کہہ رہا ہے.

دوسری ٹیکنالوجی، قدرتی زبان پروسیسنگ (این ایل پی)، اسپیکر کے پیغام کو ایک کمانڈ میں تبدیل کرنے کی کوشش کرتا ہے یہ کمپیوٹر چل سکتا ہے، یا انسانی آپریٹر کے لئے اس کا خلاصہ کیا جا سکتا ہے.

گزشتہ چند دہائیوں میں آواز کی شناخت اور این ایل پی دونوں کے درمیان بہت سارے راستے بنائے جاتے ہیں، لیکن انھوں نے اپنے صارفین کو زیادہ تر پریشان لایا ہے. ایلن نے کہا کہ "میں صرف بینک کو فون کرتا ہوں جب مجھے ایک مسئلہ ملتا ہے اور ان نظاموں سے لڑتا ہے. [میں پوچھتا ہوں] میں کس طرح ممکن ہو سکے کے طور پر تیزی سے ایک شخص کے ذریعے حاصل کرنے کا جواب دے سکتا ہوں."

ایلن کی تعلیمی تحقیق کا کام کیا گیا ہے انہوں نے کہا کہ "ہم ایک مشین سے گفتگو کر سکتے ہیں کہ طریقوں کو تلاش کرنے میں،" انہوں نے کہا.

دو لوگوں کے درمیان بات چیت کرنے کے طریقوں میں کمپیوٹر کے مماثلت سے نمٹنے کے قابل ہوسکتا ہے. ایلن نے کچھ ابتدائی کام کی توثیق کی جو انہوں نے گریجویٹ طالب علم کے طور پر کیا تھا، جس میں انہوں نے ٹرین سٹیشن کی معلومات کی میز پر بات چیت کی. ایک بات چیت میں، ایک مسافر بوٹ تک چلتا ہے اور کہتے ہیں "8:50 ون ونسر" اور اس وقت حاضر "گیٹ 10، 20 منٹ کی دیر ہو" کا جواب دیتے ہیں. جب حاضری جانتا تھا کہ انکوائریر نے کیا معلومات کی تلاش کی، کمپیوٹرائزڈ نظام مسافر کا پہلا بیان بنائے گا.

ایلن کا راستہ یہ دیکھتا ہے کہ، دو عناصر جدید نظام سے غائب ہیں: اسپیکر کیا کہہ رہا ہے اور اس کا تجزیہ کرنے کی صلاحیت اسپیکر کے ساتھ بات چیت کرنے کی صلاحیت اس بات کے بارے میں مزید جاننے کے لئے کہ اسپیکر جو کہنا چاہتا ہے.

"بہت سے غیر محفوظ شیلف این ایل پی اتنا ہی ہوتا ہے. ہمارے پاس ٹیکنالوجی نہیں ہے جو آپ کو سزائیں کا معنی فراہم کرتی ہے." انہوں نے کہا. اعداد و شمار کے پراسیسنگ کے اوزار اور لفظ کی تعریف سروس جیسے WordNet ایک لفظ کی وضاحت کرنے کے لئے ایک لفظ کے تعلقات کی وضاحت بھی کر سکتے ہیں، لہذا ایک نظام یہ جانتا ہے کہ، "ماتحت ادارہ" ایک "کمپنی" کا حصہ ہے.

مزید صارفین اور کمپیوٹرز کے درمیان دو طرفہ مواصلات بھی ضروری ہے. ان کی ضروریات کے بارے میں بات کرتے وقت، لوگ کسی خاص حکم میں معلومات فراہم کرسکتے ہیں. کمپیوٹر کو یہ ہونا چاہئے کہ اس معلومات کو ایک دوسرے کے ساتھ ٹکڑے ٹکڑے ٹکڑے ٹکڑے ٹکڑے کریں اور صارف کے سوالات کے ساتھ بوجھ نہ کریں جن کے جوابات پہلے سے ہی فراہم کیے گئے ہیں.

"یہ مستقبل ہے، یہ واقعی وہی ہے جو آپ چاہتے ہیں کہ سسٹم کو کرنا چاہتے ہیں، اور ہم ڈائیلاگ تشکیل دے سکتے ہیں. اس نظام کو جو اس پیچیدگی کی اس حد کی حمایت کرسکتا ہے، "انہوں نے کہا.

اس خیال کی وضاحت کرنے کے لئے، ایلن اور محققین کی ایک ٹیم نے کارڈییک کو ایک پروگرام تیار کیا جس میں سوالات کی نرس کو دل کی بیماری کے ساتھ مریض سے پوچھا جائے گا. یہ پروگرام امریکی نیشنل انسٹی ٹیوٹ آف ہیلتھ سے فنڈ کے ساتھ تشکیل دے دیا گیا تھا. ایلن نے کہا، اس نظام کے ساتھ، جب ایک بار صارف کو معلومات فراہم کرتا ہے، اس کے ساتھ نظام دوبارہ نہیں مانگتا. نظام اس بات کا سبب بنتا تھا کہ پہلے سے ہی کیا مواد پیش کیا گیا تھا اور اب بھی کیا ضرورت تھی.

ایلن اور ان کی ٹیم نے ڈیزائن کیا ہے جسے پلیئر کہا جاتا ہے، یہ ایک کمپیوٹر پر عام کاموں کو کس طرح لے جا سکتا ہے. "یہ ایک ایسا نظام ہے جو آپ کو آپ کے نظام کو آپ کے لئے کام کرنے کی تربیت دینے کے لئے بنیادی طور پر بات چیت کرنے کی اجازت دیتا ہے."

ایک مثال کے طور پر، ایلن براؤزر کا استعمال کرتے ہوئے قریبی ریستورانوں کو تلاش کرنے کے بارے میں پروگرام سیکھنے کا مظاہرہ کیا. صارف براؤزر کھولتا ہے، ایک ریستوراں لوکٹر سائٹ پر نیویگیشن، ریسٹورانٹ کی قسم اور مقام کی قسم میں ٹائپ کریں، اور پھر نتائج کو خالی صفحے میں کاٹ اور چسپاں کریں. صارف ہر مرحلے کا بیان کرتا ہے جیسا کہ یہ کیا گیا تھا.

اس عمل میں، پلیٹ ہر مرحلے کا ریکارڈ کرے گا، اور مرحلہ سمجھا جاتا ہے جب آداب سے جواب دیا جائے گا. بعد میں جب صارف کسی اور ریسٹورانٹ کو دیکھنا چاہتی ہے، تو یہ پروگرام خود کار طریقے سے دوسری ریستوراں کی دوسری فہرست تیار کرے گی. امریکی دفاع اعلی درجے کی ریسرچ پراجیکٹ ایجنسی نے اس پروگرام کی ترقی کو فنڈ دی.

زیادہ انسانی کی طرح زبان کے پراسیسنگ سسٹم کے لئے اہمیت ہے، مائیکروسافٹ کے سربراہ سائنسدان نے لیوری ہیک کو کانفرنس میں ایک اور بات پر اتفاق کیا. انہوں نے کہا کہ "اگر آپ کے پاس ڈیٹا نہیں ہے، تو یہ فرق نہیں پڑتا کہ آپ کی الگورتھم کیسے بہتر ہیں،" انہوں نے کہا.

مزید ڈیٹا تلاش کرنے کے لئے ایک جگہ تلاش انجن کے سوالات میں ہو گا. تلاش کے انجن کی خدمات بڑی تعداد میں سوالات حاصل کرتے ہیں، جن میں سے تمام جوابات سے منسلک ہوتے ہیں. ہیک نے کہا کہ "میں زبان پروسیسنگ ٹیکنالوجی کے قریبی کزن کے طور پر تلاش دیکھتا ہوں،" ہیک نے کہا.

ان دنوں، لوگوں کو تربیت دی جاتی ہے کہ ان کے سوالات کو ایک مطلوبہ الفاظ کے طور پر تشکیل دیں. اس کے بجائے، صارفین کو مکمل جملے میں بیان کیا گیا تھا کہ وہ کیا ضرورت ہے، نتیجے میں اعداد و شمار سیٹ نظاموں کو بہتر سمجھنے میں مدد کرنے میں ایک طویل راستہ چلا سکتے ہیں.

ہیک کی پیش گوئی کی گئی ہے کہ زیادہ سے زیادہ لوگ صوتی فعال تلاش کی خدمات استعمال کرتے ہیں. مائیکروسافٹ اور گوگل سے، وہ ان کے سوالات کو مکمل جملے کے طور پر منظم کرنے کے عادی بن جائیں گے، جس وقت سے این ایل پی کے نظام کو صارف کی ضروریات کو بہتر بنانے میں مدد ملے گی. سروس

. Joab_Jackson پر ٹویٹر پر جوااب کو فالو کریں. جواب کا ای میل ایڈریس [email protected] ہے