Hvorfor en kognitiv AI-motor er det neste skrittet i tilgjengelighet og inklusjon

Av: Grigory Sapunov, CTO of inten.to & Andrew Gershfeld, Partner of Flint Capital.

For å fremme det neste nivået av tilgjengelighet og inklusjon, er det på tide å begynne å investere våre anstrengelser i å utvikle mer avanserte kognitive AI-maskiner. Utvikling av mer avanserte former for kognitiv AI er nøkkelen til å utvide global tilgjengelighet og utvide omfanget av inklusjon.

I virkeligheten ser vi allerede utenforliggende språkdekning. Flint Capital bemerker at ny forskning viser at antallet maskinoversettelses-språkpar har skutt fra 16 000 til om lag 100 000 på ett år. Selskapet peker på Niutrans og Alibaba som toppbidragsytere med 88 000 og 20 000 språkpar.

I tillegg bemerker Flint Capital at den globale kognitive datamarkedet forventes å øke til $72,26 milliarder i 2027. Vi ser allerede store fremgang med den raske utviklingen av ny AI-teknologi som skyver grensene for eksisterende tale- og språkigenkjenningsteknologi.

Fra et finansielt og teknologisk ståsted er det tydelig hvorfor det er en så stor fremstøt for å videreutvikle AI-egenskapene. Men hvorfor fokusere på tilgjengelighet og inklusjon?

For øyeblikket er det omtrent 1 milliard funksjonshemmede mennesker i verden. I tillegg estimerer eksperter at det finnes om lag 7 000 forskjellige språk i vår globale samfunn. Ettersom vi blir mer sammenknyttet, vokser også utfordringene med tilgjengelighet og inklusjon for stort for å håndteres av mennesker alene.

La oss se på noen inklusivitetsproblemer bedrifter møter som avansert kognitiv AI kan forbedre.

1. Språkbarrierer kan hindre selvuttrykk.

Ettersom vi fortsatt beveger oss mot en global økonomi og ideen om en global arbeidsstyrke består, må vi møte begrensningene i felles språk.

Det finnes tusenvis av språk og dialekter som tales av ansatte over hele verden. Selv om de alle deler et felles språk (slik som engelsk), er det talløse tilfeller hvor de ikke kan uttrykke sine ideer eller meninger effektivt på grunn av språklige forskjeller.

Ifølge eksperter er å adoptere avanserte kognitive AI-motorer og deployere VSAs løsningen på dette problemet. Disse maskinene er omfattende trent for å håndtere et nisjesett av oversettelsesoppgaver, så de tilbyr mer inklusive og uttrykksfulle muligheter uten menneskelig innblanding.

Kognitiv AI muliggjør også større tilgjengelighet for funksjonshemmede. For eksempel kan den tilby tale-til-tekst-tjenester for mennesker med hørselshemming. Omvendt kan den også generere tale fra tekst for å hjelpe mennesker med visuelle hemninger.

I fremtiden forventer vi å se forbedrede kognitive AI-tjenester som kan oversette tale, tekst og bilder til flere språk og på en måte som tjener et bredere spekter av funksjonshemmede.

2. Generisk MT kan ikke håndtere sensitive oversettelser.

Forestall deg å bruke Google Translate for å lage pasientkort i et helsemiljø. Dette ville uunngåelig føre til forvirring og feiloversetting, og kunne utilsiktet skade en pasient. Grunnleggende maskinoversettelsesmotorer forstår ikke bransjespesifikk terminologi, og selv små feil kan ha en rippleffekt på pasientbehandling.

Dette gjelder også for andre sensitive bransjer som rettsvesen, finans og regjering. Bedrifter må være forsiktige med hvilken maskinoversettelsesmotor de velger, fordi få kan fungere på et høyt nivå.

Dette er hvor tilpasning av kognitiv AI kommer inn. Selskaper som kan lage tilpassede, høyaktige maskinoversettelsesmotorer tilbyr en massiv konkurransefordel.

3. Tone, intensjon og berikede erfaringer er begrenset for bestemte befolkninger.

Mange språk avhenger av tone, kontekst og gest for å overføre mening. I kinesisk endrer en liten endring i intonasjon fullstendig mening av en setning, og på spansk bestemmer formaliteten i forholdet hvordan man skal snakke til noen.

Grunnleggende oversettelses-tjenester kan ikke nøyaktig lese tone eller intensjon. Dette kan føre til kommunikasjonsfeil eller utilsiktet fornærmelser. For eksempel er honorifikum i koreansk ekstremt viktig når man snakker til noen, så det er kritisk for en oversettelses-tjeneste å forstå formaliteten i tone for å overføre riktig mening.

Et annet problem langs disse linjene er muligheten for kjønnsbias. Mange språk skiller mellom maskulin og feminin, men det er ikke alltid nok kontekst for AI å korrekt bestemme om det skal returnere en maskulin eller feminin oversettelse.

Intento-forskning har funnet at generiske NMT-motorer som standard returnerer maskuline oversettelser minst 90 prosent av tiden. Imidlertid, siden så mange bedriftsoperasjoner har flyttet online og nå omfatter globale team, gjøres det arbeid for å korrigere for disse biasene.

I en 2021-rapport så Intento en økning i multilinguale NLP-ML-modeller. Dette utvider slutbrukerens deployeringsmuligheter og lar utviklere og brukere tilpasse AI til bestemte behov.

Fremtiden er mer inklusiv enn noensinne takket være kognitiv AI.

For øyeblikket er det fortsatt mange begrensninger på hva maskinoversettelse og kognitiv AI kan gjøre. Den kan ikke ennå tolke tonen i en dikt eller emosjonen i en sang.

Likevel kan den lære å tilby bedre, mer nuanserte samtalemuligheter, som allerede endrer hvordan globale merker driver forretning.

Eksperter som Flint Capital peker på hvordan dataene viser at den globale kognitive datamarkedet er mer robust enn noensinne før, og det er ingen tegn på at det skal sakke. Intento bemerker at antallet MT-motorer har nesten doblet seg i løpet av det siste året.

Mindre teknologiselskaper arbeider med utviklingen av kognitiv AI, men bransjegiganter som Google, IBM og Microsoft kaster sin vekt bak dette problemet også. Fordi dette, forventer vi å se utenforliggende vekst og utvidelse i kognitiv AI-kapasiteter i den nærmeste fremtid.