Θούι Λε, Διευθυντής Προϊόντων στην Speechmatics – Σειρά Συνεντεύξεων

Ο Θούι Λε είναι ο Διευθυντής Προϊόντων στην Speechmatics, με πάνω από δύο δεκαετίες εμπειρίας στην τεχνολογία και την ανάπτυξη καινοτόμων ιδεών, καθώς και πτυχίο Μηχανικού από το MIT και μεταπτυχιακό τίτλο στη Σχεδίαση Προϊόντων από το Στάνφορντ. Ο Θούι έχει ευρύ φάσμα εμπειρίας σε διαχείριση προϊόντων, σχεδίαση και ανάπτυξη, καθώς και έρευνα και ανάπτυξη, μηχανική, ανάπτυξη μέσων και στρατηγική επιχειρήσεων. Στην Speechmatics, είναι υπεύθυνος για την εκτόξευση καινοτόμων προϊόντων και υπηρεσιών για να διασφαλίσει ότι η επιχείρηση παραμένει ηγέτης στην αγορά σε όλα όσα κάνει.

Είσαι μέλος της Speechmatics από τον Νοέμβριο του 2019, αφού έχεις εργαστεί σε διάφορους κλάδους, συμπεριλαμβανομένων των οχημάτων αυτονομίας και του λογισμικού ανάλυσης B2B. Τι σε έκανε να ενδιαφερθείς για την εργασία στην αναγνώριση ομιλίας;

Έχω luônτραπεί στην εφαρμογή νέας τεχνολογίας για ενδιαφέρουσες περιπτώσεις και σημαντική επίδραση. Η αναγνώριση ομιλίας, ιδιαίτερα στην Speechmatics, πληροί αυτά τα κριτήρια. Φυσικά, ήταν υπέροχο να βοηθήσω τους πελάτες μας να εκμεταλλευτούν την αξία της μετατροπής ομιλίας σε κείμενο στις δικές τους ποικίλες προσφερόμενες υπηρεσίες.

Ως Διευθυντής Προϊόντων στην Speechmatics, τι συνιστά η καθημερινή σου δουλειά;

Η Speechmatics είναι μια εταιρεία που αναπτύσσεται και η ομάδα Προϊόντων είναι μικρή (και μεγαλώνει!), οπότε δεν υπάρχουν δύο ημέρες που να είναι παρόμοιες και όλοι συνεισφέρουν όπου/όταν είναι απαραίτητο. Ως Διευθυντής Προϊόντων, όλα, από την υψηλότερη επιχειρηματική και στρατηγική προϊόντων μέχρι τις τυπικές καθήκοντα προϊόντων, όπως προτεραιότητα δρόμου και αλληλεπίδραση με πελάτες μέχρι λεπτομερή επίλυση προβλημάτων, είναι όλα μέρος του ρόλου. Φυσικά, η κατασκευή σχέσεων σε διάφορες λειτουργίες της οργάνωσης και η προσέλκυση είναι επίσης σημαντικά μέρη του ρόλου.

Μπορείς να συζητήσεις τις προκλήσεις της πρόσβασης σε συνόλους δεδομένων με διαφορετικά ιδιώματα και προφορές;

Στην τεχνολογία ομιλίας, ο κινητήρας συνήθως κατασκευάζεται με την εκπαίδευση σε ένα ιδίωμα μιας γλώσσας, καθιστώντας αυτό το ιδίωμα αυτό που αναγνωρίζει και μεταγράφει με μεγαλύτερη ακρίβεια. Στην αγγλική γλώσσα, είναι η αμερικανική αγγλική και τα ποσοστά σφάλματος είναι συνήθως υψηλότερα για αυστραλιανές προφορές, βρετανικές προφορές, جامαϊκές προφορές και così κ.λπ. Έτσι, για τις εταιρείες που χρησιμοποιούν την τεχνολογία για να αλληλεπιδράσουν με μια παγκόσμια βάση πελάτων, αυτό παρουσιάζει μια τεράστια πρόκληση. Τρία χρόνια πριν, το 2018, εκτόξευσε το Global English, το βιομηχανικό πακέτο γλώσσας που καταλαβαίνει κάθε αγγλικό ιδίωμα και προφορά και πέρυσι, συνέχισε αυτή την αποστολή με την εκτόξευση του Global Spanish. Πιστεύουμε ότι για την τεχνολογία ομιλίας να φθάσει στο υψηλότερο δυνατό της потенシャル, πρέπει να καταλαβαίνει όλους αυτούς με τους οποίους αλληλεπιδρά. Προσβλέπουμε στο να κλείσουμε thêm το χάσμα “προφοράς” της τεχνολογίας AI με περισσότερες καινοτομίες που θα έρθουν αργότερα φέτος.

Ποια είναι κάποια από τα μεθοδολογικά machine learning που χρησιμοποιούνται για την εκπαίδευση από αυτά τα συνόλους δεδομένων;

Χρησιμοποιούμε γνωστές τεχνικές επιβλεπόμενης βαθιάς μάθησης και νευρωνικών δικτύων στο κινητήρα μας. Επίσης, συνεχώς ερευνάμε νέες προσεγγίσεις, ιδιαίτερα πώς να μειώσουμε την ποσότητα δεδομένων που χρειάζονται στην εκπαίδευση των μοντέλων ASR. Τα δεδομένα είναι ο βασιλιάς όταν κατασκευάζουμε τεχνολογία αναγνώρισης ομιλίας, οπότε η προώθηση της έρευνας που μας επιτρέπει να διευρύνουμε την εμβέλεια των δεδομένων μας είναι απαραίτητη. Η χρήση νευρωνικών δικτύων στο κινητήρα μας μας επιτρέπει να γενικεύσουμε καλύτερα σε διάφορες περιπτώσεις και γλώσσες.

Η Speechmatics είναι目前 ηγέτης της βιομηχανίας με δοκιμές που δείχνουν ότι το Global Spanish είναι 3-20% πιο ακριβές από την προσφορά του Google (GOOGL ) και 4-13% πιο ακριβές από το tương đương προϊόν της Microsoft (MSFT ). Τι αποδίδεις αυτή την επιτυχία;

Όπως ανέφερα νωρίτερα, για την τεχνολογία ομιλίας να είναι πραγματικά ένα περιουσιακό στοιχείο για τις επιχειρήσεις, πρέπει να τις βοηθήσει να καταλαβαίνουν όλη την βάση πελάτων τους, ανεξάρτητα από τη γλώσσα που ομιλούν ή το ιδίωμα που χρησιμοποιούν. Αυτό είναι στο κέντρο των καινοτομιών της Speechmatics και είμαστε αφοσιωμένοι στο να λύσουμε αυτές τις σύνθετες προκλήσεις. Και, έχουμε ένα υπέροχο 팀 που είναι παθιασμένο, ενεργό και επενδύει στην χρήση των τελευταίων τεχνικών βαθιάς μάθησης για να προσφέρει στους πελάτες μας την καλύτερη τεχνολογία στην αγορά.

Ποίες είναι οι τρέχουσες γλώσσες που προσφέρονται και ποίες γλώσσες είναι τώρα υπό έρευνα για να προστεθούν;

Προσφέρουμε πάνω από 30 εμπορικές γλώσσες, από την αραβική έως την κινεζική, την πολωνική έως την πορτογαλική και πολλές άλλες. Αλλά είναι τα πακέτα γλώσσας αγγλικών και ισπανικών που είναι Global. Προσβλέπουμε στο να εξετάσουμε νέες τεχνικές που θα μας επιτρέψουν να προσθέσουμε νέες γλώσσες πιο γρήγορα και να βελτιώσουμε τις υπάρχουσες γλώσσες μας πιο τακτικά.

Τι είναι η άποψή σου για ένα μέλλον όπου η ομιλία είναι η πρωταρχική μορφή επικοινωνίας;

Οι επιχειρήσεις βλέπουν ολοένα και περισσότερο την αξία της τεχνολογίας αναγνώρισης ομιλίας: το 2020 saw μια σηματική αύξηση της υιοθέτησης της τεχνολογίας μεταξύ των επιχειρήσεων, με 68% των απαντησάντων να αναφέρουν ότι η εταιρεία τους έχει μια στρατηγική τεχνολογίας φωνής — αύξηση 18% από το προηγούμενο έτος. Αλλά για να φθάσει στο μέγιστο της αξίας, η τεχνολογία πρέπει να ανεβαίνει. Μια συνομιλία είναι περισσότερο από τα λόγια – είναι επίσης αποτελούμενη από контекστούς ενδείξεις όπως η διάθεση, ο ρυθμός, η στίξη, ο θόρυβος, ο τόνος, οι αλλαγές ομιλητή και così κ.λπ. Ενώ το κείμενο από την τεχνολογία αναγνώρισης ομιλίας μόνο μπορεί να ενεργοποιήσει πολλή αξία από μόνο του, όταν πρόκειται για αρχείο ήχου ή ακόμη και βίντεο, η πραγματική ομιλία που καταγράφεται μπορεί τώρα να υπερβαίνει τα λόγια. Το μέλλον της τεχνολογίας αναγνώρισης ομιλίας θα λάβει υπόψη όλα αυτά τα άλλα στοιχεία. Μόνο τότε δεν θα είναι μόνο για την μετατροπή ομιλίας σε κείμενο, αλλά για την μετατροπή ομιλίας σε αξία και πραγματικά καταλαβαίνοντας κάθε φωνή.

Υπάρχει κάτι άλλο που θα ήθελες να μοιραστείς για την Speechmatics;

Έχουμε κάποιες πραγματικά ενθουσιαστικές προόδους που θα βγουν αργότερα φέτος που είμαστε ενθουσιασμένοι να μοιραστούμε, οπότε κρατήστε το μάτι σας για αυτά!

Ευχαριστώ για τη μεγάλη συνέντευξη, οι αναγνώστες που επιθυμούν να μάθουν περισσότερα πρέπει να επισκεφθούν την Speechmatics.