مقابلات
ثوي لي، رئيس المنتجات في Speechmatics – سلسلة المقابلات
أضف Unite.AI إلى مصادرك المفضلة على Google
ثوي لي هي رئيس المنتجات في Speechmatics، حيث لديها أكثر من عقدين من الخبرة في التكنولوجيا وتنمية الأفكار المبتكرة، بالإضافة إلى شهادة البكالوريوس في الهندسة الميكانيكية من معهد ماساتشوستس للتكنولوجيا، وشهادة الماجستير في تصميم المنتجات من جامعة ستانفورد. لديها خبرة واسعة في إدارة المنتجات والتصميم والتنمية، بالإضافة إلى البحث والتطوير والهندسة وتنمية الإعلام والاستراتيجية التجارية. في Speechmatics، وهي مسؤولة عن إطلاق منتجات وخدمات مبتكرة لضمان بقاء الشركة في صدارة السوق في كل ما تفعله.
انضممت إلى Speechmatics في نوفمبر 2019 بعد العمل في مجموعة متنوعة من الصناعات، بما في ذلك المركبات ذاتية القيادة وبرامج تحليل الأعمال. ما الذي جذبك للعمل في تقنية التعرف على الكلام؟
لقد كنت دائمًا متجذراً لتطبيق التكنولوجيا الجديدة للحالات المثيرة للاهتمام والآثار المهمة. تقنية التعرف على الكلام، خاصة في Speechmatics، تلبى هذه المعايير. بالتأكيد، لقد كان من الرائع مساعدتنا في تمكين عملائنا من الاستفادة من قيمة الكلام إلى النص في عروضهم المنتجة المتنوعة.
كما رئيس المنتجات في Speechmatics، ما يتكون يومك العادي من؟
Speechmatics هي شركة ناشئة وسوق المنتجات لدينا صغير (ومازال في نمو!)، لذلك لا يوجد يومان متشابهان وجميع الأشخاص يساهمون في مكانهم ووقتهم حسب الحاجة. كرئيس للمنتجات، كل شيء من الاستراتيجية العليا للشركة والمنتجات إلى واجبات المنتجات التقليدية مثل تحديد الأولويات و تفاعل العملاء وحل المشكلات المحددة يعتبر جزءًا من اللعبة. بالطبع، بناء العلاقات عبر الوظائف المختلفة في المنظمة والتوظيف هو جزء مهم من الدور.
يمكنك مناقشة تحديات الوصول إلى مجموعات البيانات ذات اللهجات والمُنطَقات المختلفة؟
في تكنولوجيا الكلام، يتم بناء المحرك عادةً من خلال تدريبه على لهجة واحدة من اللغة، مما يجعل تلك اللهجة هي التي يتم التعرف عليها وترجمتها بدقة. في اللغة الإنجليزية، تكون اللهجة الأمريكية، وتكون معدلات الخطأ عادةً أعلى لللهجات الأسترالية والبريطانية والجامايكية، وغيرها. لذا،对于 الشركات التي تستخدم هذه التكنولوجيا للتفاعل مع قاعدة العملاء العالمية، هذا يعرض تحديًا كبيرًا. قبل ثلاث سنوات، في عام 2018، أطلقنا حزمة اللغة الإنجليزية العالمية، وهي حزمة لغة رائدة في الصناعة تفهم كل لهجة ولهجة إنجليزية، وفي العام الماضي، واصلنا هذه المهمة بإطلاق الإسبانية العالمية. نعتقد أن تكنولوجيا التعرف على الكلام يجب أن تفهم الجميع الذين يتفاعلون معها لتحقيق أقصى إمكاناتها. نحن نتطلع إلى إغلاق الفجوة بين اللهجات بشكل أكبر مع المزيد من الابتكارات التي سيتم الكشف عنها في وقت لاحق من هذا العام.
ما هي بعض منهجيات التعلم الآلي المستخدمة لتدريب هذه المجموعات من البيانات؟
نستخدم تقنيات التعلم العميق الخاضعة للإشراف والشبكات العصبية في محركنا. كما أننا نبحث باستمرار عن نهج جديد، ولا سيما كيفية تقليل مقدار البيانات المُصنفة المطلوبة في نماذج التعرف على الكلام. البيانات هي الملك عند بناء تكنولوجيا التعرف على الكلام، لذا فإن البحث الذي يسمح لنا بتوسيع نطاق البيانات هو أمر أساسي. استخدام الشبكات العصبية في محركنا يسمح لنا بالتعرف بشكل أفضل على السياقات واللغات المختلفة.
تعتبر Speechmatics حاليًا من الشركات الرائدة في الصناعة، حيث وجدت الاختبارات أن الإسبانية العالمية أكثر دقة بنسبة 3-20٪ من عروض جوجل و 4-13٪ من منتجات مايكروسوفت المماثلة. ما الذي تعزيه إلى هذا النجاح؟
كما ذكرت سابقًا، من أجل أن تكون تكنولوجيا التعرف على الكلام موردًا حقيقيًا للأعمال، يجب أن تساعد الشركات على فهم قاعدة عملائها الكاملة، بغض النظر عن اللغة التي يتحدثونها أو اللهجة التي يستخدمونها. هذا هو جوهر الابتكارات في Speechmatics، ونحن ملتزمون بحل هذه التحديات المعقدة. ولدينا فريق رائع يعتز بالاستخدام أحدث تقنيات التعلم العميق لتقديم أفضل تكنولوجيا لعملائنا.
ما هي اللغات الحالية التي يتم تقديمها وما هي اللغات التي يتم البحث فيها لإضافتها؟
نقدم حاليًا أكثر من 30 لغة تجارية، من العربية إلى الماندرين، والبولندية إلى البرتغالية، وغيرها. ولكن حزمتنا اللغوية الإنجليزية والإسبانية هي العالمية. فيما يتعلق بالآفاق، نحن نبحث في تقنيات جديدة ستسمح لنا ليس فقط بإضافة لغات جديدة بسرعة أكبر ولكن أيضًا تحسين اللغات الحالية بانتظام.
ما هي آراؤك حول مستقبل الكلام المُفعَل حيث يكون الصوت هو الشكل الرئيسي للاتصال؟
تعتبر الشركات بشكل متزايد قيمة تكنولوجيا التعرف على الكلام: شهد عام 2020 زيادة ملحوظة في اعتماد هذه التكنولوجيا بين الشركات، حيث أفاد 68٪ من المستجيبين أن شركتهم لديها استراتيجية تكنولوجيا الصوت – بزيادة 18٪ عن العام السابق. ولكن من أجل أن تصل إلى أقصى إمكاناتها، فإن التكنولوجيا تحتاج إلى تحسين. المحادثة هي أكثر من الكلمات فقط – إنها أيضًا تتكون من أدلة سياقية مثل العواطف والإيقاع والفاصلات والضوضاء الخلفية والنبرة وتغييرات المتحدث وغيرها. في حين أن النص من تكنولوجيا التعرف على الكلام يُمكن أن يُ启ل قيمة كبيرة في حد ذاته، فإن مستقبل تكنولوجيا التعرف على الكلام سوف يأخذ هذه العوامل الأخرى في الاعتبار. فقط عندئذٍ لن تكون مجرد تحويل الكلام إلى نص، بل تحويل الكلام إلى قيمة وفهم حقيقي لكل صوت.
هل هناك أي شيء آخر تود مشاركته حول Speechmatics؟
لدينا بعض التطورات المثيرة التي سيتم الكشف عنها في وقت لاحق من هذا العام، لذا请 تابعونا!
شكرًا على المقابلة الرائعة، يُرجى من القراء الذين يرغبون في معرفة المزيد زيارة Speechmatics.
