نماذج ومنصات الذكاء الاصطناعي
باحثون يهدفون إلى توسيع نظام التعرف التلقائي على الكلام إلى 2000 لغة
النقاط الرئيسيةفريق من جامعة كارنيجي ميلون يستهدف التعرف على الكلام لـ 2,000 لغة دون بيانات صوتية.
عرض المزيد
- فريق من جامعة كارنيجي ميلون يستهدف التعرف على الكلام لـ 2,000 لغة دون بيانات صوتية.
- يستخدم النموذج الأصوات المشتركة بين اللغات لتجاوز متطلبات الصوتيات الفريدة.
- يساعد رسم شجرة النشوء والتطور في تقريب قواعد النطق لآلاف اللغات.
يتطلع فريق من الباحثين في جامعة كارنيجي ميلون إلى توسيع نظام التعرف التلقائي على الكلام إلى 2000 لغة. في الوقت الحالي، لن يستفيد إلا جزء من اللغات المحكية المقدرة بحوالي 7000 إلى 8000 لغة حول العالم من تقنيات اللغة الحديثة مثل تحويل الكلام إلى نص أو إنشاء النصوص المصاحبة تلقائيًا.
شينجيان لي هو طالب دكتوراه في معهد تكنولوجيا اللغة في كلية علوم الحاسوب.
قال لي: “كثير من الناس في هذا العالم يتحدثون لغات متنوعة، ولكن أدوات تكنولوجيا اللغة لا يتم تطويرها لجميعهم”. “تطوير التكنولوجيا ونموذج لغة جيد لجميع الناس هو واحد من أهداف هذا البحث”.
ينتمي لي إلى فريق من الخبراء الذين يهدفون إلى تبسيط متطلبات البيانات التي تحتاجها اللغات لتطوير نموذج للتعرف على الكلام.
يتضمن الفريق أيضًا أعضاء هيئة تدريس في معهد تكنولوجيا اللغة، وهم شينجي واتانابي وفلوريان ميتزي ودافيد مورتنسن وألان بلاك.
تم تقديم البحث بعنوان “ASR2K: التعرف على الكلام لما يقرب من 2000 لغة بدون صوت” في مؤتمر Interspeech 2022 في كوريا الجنوبية.
تتطلب معظم نماذج التعرف على الكلام الحالية مجموعات بيانات نصية وصوتية. في حين أن بيانات النص موجودة للآلاف من اللغات، فإن نفس الشيء لا ينطبق على الصوت. يريد الفريق القضاء على الحاجة إلى بيانات الصوت من خلال التركيز على العناصر اللغوية المشتركة بين العديد من اللغات.
تعتمد تقنيات التعرف على الكلام عادة على الفونيمات (الوحدات الصوتية المميزة) في اللغة، وهو الأصوات المتميزة التي تميزها عن اللغات الأخرى. هذه الأصوات فريدة من نوعها لكل لغة. في نفس الوقت، تضم اللغات أصواتًا منطوقة فعلية (phones) تصف الشكل الفيزيائي لنطق الكلمة، ويمكن للأصوات المتعددة أن تتوافق مع فونيم واحد. في حين أن اللغات المنفصلة يمكن أن يكون لها أصوات مميزة مختلفة، يمكن للأصوات الأساسية أن تكون متماثلة.
يعمل الفريق على نموذج للتعرف على الكلام يعتمد بدرجة أقل على الفونيمات وبدرجة أكبر على المعلومات المتعلقة بالأصوات المنطوقة المشتركة بين اللغات. هذا يساعد على تقليل الجهد المبذول لبناء نماذج منفصلة لكل لغة فردية. وبإقران النموذج بشجرة تطورية، والتي هي مخطط يحدد العلاقات بين اللغات، يساعد في قواعد النطق. وقد مكّن نموذج الفريق وهيكل الشجرة من تقدير نموذج الكلام لآلاف اللغات حتى بدون بيانات صوتية.
قال لي: “نحن نحاول إزالة هذا المتطلب من بيانات الصوت، مما يساعدنا على الانتقال من 100 إلى 200 لغة إلى 2000 لغة”. “هذا هو البحث الأول الذي يستهدف عددًا كبيرًا من اللغات، ونحن الفريق الأول الذي يهدف إلى توسيع أدوات اللغة إلى هذا الحجم”.
على الرغم من أن البحث لا يزال في مرحلة مبكرة، إلا أنه قد حسّن الأدوات الحالية لتقدير اللغة بنسبة 5٪.
قال لي: “كل لغة هي عامل مهم جدًا في ثقافتها. كل لغة لها قصتها الخاصة، وإذا لم تحاول الحفاظ على اللغات، فقد تُفقد تلك القصص”. “تطوير نظام التعرف على الكلام وأداة مثل هذه هي خطوة لمحاولة الحفاظ على تلك اللغات”.












