एक एआई-ड्रिवन इनविजिबल मोबाइल कीबोर्ड जो आपको 157% तेजी से टाइप करने देता है

दक्षिण कोरिया के शोधकर्ताओं ने मशीन लर्निंग तकनीकों का उपयोग करके एक ‘इनविजिबल’ कीबोर्ड विकसित किया है जो स्पेस-परिश्रमी मोबाइल डिवाइसों के लिए उपयुक्त है और जो उपयोगकर्ताओं को 157.5% तेजी से टाइप करने की अनुमति देता है, भले ही स्क्रीन पर कोई कीबोर्ड दिखाई न दे।

नये तरीके – जिसे सिम्पली इनविजिबल मोबाइल कीबोर्ड (आईएमके) कहा जाता है – के लिए उपयोगकर्ता प्रतिक्रिया बहुत सकारात्मक है, जिसमें परीक्षण उपयोगकर्ताओं ने शारीरिक, मानसिक और समयिक मांग के कम स्तर की सूचना दी है जबकि कीबोर्ड का उपयोग करते हुए। कार्यक्षमता के संदर्भ में, आईएमके सबसे हाल के राज्य-ऑफ-द-आर्ट वैकल्पिक इनपुट विधि को हल्के से पार करता है, 51.6 शब्द प्रति मिनट के वैंगार्ड स्कोर तक पहुंचता है।

द फैंटम कीबोर्ड

इनपुट उत्पन्न करने के लिए शुरू करने के लिए, उपयोगकर्ता स्क्रीन पर कीबोर्ड दिखाई दे रहा है जैसे कि टाइप करना शुरू कर सकते हैं (हालांकि कोई नहीं है)। कुछ भी दिखाई नहीं देता है जो सामग्री के दृश्य को बाधित करता है, और टाइप किए गए शब्द किसी भी रिसेप्टिव टेक्स्ट बॉक्स में दिखाई देंगे जहां टाइपिंग उत्पन्न होती है, और वैकल्पिक रूप से एक पतली टेक्स्ट स्ट्रीम के रूप में जिसे उपयोगकर्ता सटीकता के लिए जांच सकता है।

सिस्टम स्व-कैलिब्रेट्स जब से यह इनपुट को पहचानता है। इसलिए उपयोगकर्ता मोबाइल डिवाइस को लैंडस्केप या पोर्ट्रेट मोड में रख सकता है, और उपलब्ध स्क्रीन स्पेस का उपयोग करके अपना टेक्स्ट टाइप आउट कर सकता है।

एक साथी वीडियो (लेख के अंत में देखें, और नीचे दी गई छवि) में लेखकों ने यह दिखाया है कि कार्रवाई कैसे काम करती है, हालांकि वे स्पष्ट करते हैं कि वास्तविक कीबोर्ड इनपुट के दौरान दिखाई नहीं देता (यह केवल वीडियो में स्पष्टीकरण के लिए है):

यह आईएमके का एक उदाहरण है डेटा संग्रह चरण में, हालांकि यह अंतिम उपयोग में समान रूप से काम करता है। वीडियो में दिखाई देने वाला कीबोर्ड केवल स्पष्टीकरण के लिए है और उपयोगकर्ता को दिखाई नहीं देता है, न तो डेटा संग्रह प्रक्रिया के दौरान और न ही इंटरफ़ेस के अंतिम उपयोग में। स्रोत: https://www.youtube.com/watch?v=PuhiVGOfIR0

टाइपिंग एक कोऑर्डिनेट सिस्टम के रूप में

शोध कोरिया एडवांस्ड इंस्टीट्यूट ऑफ साइंस एंड टेक्नोलॉजी (कैस्ट) से आता है, और हमारी प्राकृतिक क्षमता का फायदा उठाता है जो ‘प्लॉट’ करता है जहां अगली कुंजी कीबोर्ड पर है। हालांकि यह असामान्य लगता है कि कीबोर्ड को छुपाना और उपयोगकर्ता की उंगली को अगली वांछित कुंजी खोजने की अपेक्षा करना, वास्तव में एक औसत टाइपिस्ट स्वाभाविक रूप से सही अक्षर की ओर बढ़ता है।

प्रभावी रूप से, आईएमके कीबोर्ड को एक प्लॉट मैट्रिक्स के रूप में मानता है, और लेखकों ने सिस्टम के स्व-ध्यान न्यूरल कैरेक्टर डिकोडर (एसए-एनसीडी) के लिए प्रशिक्षण के लिए उपयोगकर्ता इनपुट का एक व्यापक डेटाबेस तैयार किया है।

एसए-एनसीडी ‘की-फॉल’ की स्थिति को नोट करेगा और यह अनुमान लगाएगा कि कौन सी कुंजी वांछित थी। जैसे ही शब्द कुंजी स्ट्रोक के माध्यम से निर्मित होते हैं, एसए-एनसीडी उन्हें उनके घटक इरादा शब्दों में संकलित और तोड़ सकता है, इनपुट को लाइव आधार पर साफ कर सकता है।

एसए-एनसीडी का नेटवर्क आर्किटेक्चर, जहां क्यू/के/वी स्व-ध्यान के लिए क्वेरी, कुंजी और मूल्य के लिए खड़े हैं। स्रोत: https://arxiv.org/pdf/2108.09030.pdf

एसए-एनसीडी तब तक प्रतीक्षा नहीं करता जब तक कि एक संभावित वाक्य पूरा नहीं हो जाता, क्योंकि यह नहीं जानता कि वाक्य इनपुट कब समाप्त होगा, और जैसे ही एक शब्द या शब्द वाक्य में जोड़े जाते हैं, यह पहले की व्याख्याओं को पुनः लिखने और पुनः देखने के लिए पिछले वाक्य से शब्दों को पुनः देख सकता है।

डेटाबेस

प्रशिक्षण प्रक्रिया को ईंधन देने के लिए, शोधकर्ताओं ने लगभग दो मिलियन जोड़े टच पॉइंट और पाठ को परीक्षण विषयों से एकत्र किया, जो टच-क्षमता वाले मोबाइल डिवाइसों से एक्सेस किए गए एक सरल वेब-आधारित इंटरफ़ेस का उपयोग कर रहे थे।

डेटासेट में उपयोगकर्ता के नाम के प्रारंभिक अक्षर, उनके डिवाइस का स्क्रीन आकार, उनकी आयु, मोबाइल डिवाइस का प्रकार (जैसे कि टैबलेट, स्मार्टफोन, आदि), और प्रत्येक पंजीकृत की-फॉल के एक्स और वाई समन्वय मूल्य शामिल हैं।

उपयोगकर्ताओं के बीच की-फॉल की औसत स्थिति, जिसमें समान रंग के बिंदु एक ही उपयोगकर्ता से की-फॉल को दर्शाते हैं। समान-उपयोगकर्ता डेटा की पहचान करने से डेटासेट को अनुकूलित करने और ओवरफिटिंग से बचने में मदद मिलती है ताकि व्यक्तिगत उपयोगकर्ताओं से की-फॉल समूहों की तुलना की जा सके, न कि एक उपयोगकर्ता के कीस्ट्रोक को दूसरे के खिलाफ प्रशिक्षित किया जा सके।

प्रशिक्षण में उपयोगकर्ताओं के बीच औसत पिक्सेल दूरी में उल्लेखनीय भिन्नताओं के लिए खाता बनाना था। कुछ उपयोगकर्ता, शायद उन लोगों को जो बहुत संकुचित सॉफ्टवेयर कीबोर्ड के अभ्यस्त हैं, केवल 50 पिक्सेल की औसत दूरी के साथ कुंजियों के बीच बनाए रखा, जबकि अन्य ने 300 पिक्सेल की औसत दूरी बनाए रखी।

इन अंतरों का महत्व है, क्योंकि य-अक्ष के मामले में, एक त्रुटि कुंजी-फॉल को गलत पंक्ति पर रख देगी, जैसे कि ‘आई’ या ‘एम’ को ‘के’ स्ट्रोक के लिए प्रतिस्थापित करेगा।

आर्किटेक्चर और प्रशिक्षण

एसए-एनसीडी में दो डिकोडर मॉड्यूल होते हैं: एक ज्यामितीय डिकोडर, जो यह गणना करता है कि इनविजिबल कीबोर्ड पर एक कीस्ट्रोक कहां गिरना था; और एक सेमेंटिक डिकोडर, जो लाइव इनपुट टेक्स्ट की व्याख्या करता है।

ज्यामितीय डिकोडर बिडायरेक्शनल जीआरयू (बीจीआरयू) का उपयोग करता है, जीआरयू को एक रिकरेंट न्यूरल नेटवर्क (आरएनएन) के रूप में अपनाया जाता है, जिसमें आगे और पीछे के पास एक निरंतर बदलती व्याख्या की सुविधा प्रदान करते हैं।

सेमेंटिक घटक एक ट्रांसफॉर्मर आर्किटेक्चर का उपयोग करता है, जो इनपुट की व्याख्या करता है जो एक ‘कॉन्फिडेंस मास्किंग’ प्रक्रिया से गुजरता है जो औसत उपयोग की तुलना नए विशिष्ट की-फॉल से करता है। सेमेंटिक डिकोडर को एक मास्क्ड कैरेक्टर भाषा मॉडल के रूप में वन बिलियन वर्ड बेंचमार्क के खिलाफ प्रशिक्षित किया गया था, जो 2014 में गूगल, कैम्ब्रिज विश्वविद्यालय और एडिनबर्ग विश्वविद्यालय के बीच एक सहयोग था।

परिणाम

परीक्षणों में, उपयोगकर्ता अपने स्मार्टफोन पर तीसरे पक्ष के सॉफ्टवेयर कीबोर्ड की तुलना में आईएमके का उपयोग करके 157.5% तेजी से टाइप कर सकते थे। इसके अलावा, यह पाया गया कि आईएमके ने हाल के वर्षों की प्रतिद्वंद्वी नए तरीकों द्वारा प्राप्त परिणामों को पार कर लिया, जैसे कि इशारा-आधारित, स्पर्श-आधारित और दस उंगलियों वाले टेक्स्ट एंट्री तरीके। लेख में बताया गया है कि उपयोगकर्ताओं ने प्रणाली के साथ उच्च संतुष्टि दिखाई।

आईएमके के बारे में अधिक जानने के लिए लेखकों का वीडियो नीचे देखें。