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

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

For å fremme neste nivå 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 påpeker 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 påpeker Flint Capital også at den globale kognitive datamarkedet forventes å øke til $72,26 milliarder i 2027. Vi ser allerede enorme gevinster med den raske utviklingen av nye AI-teknologier som presser grensene for eksisterende stemmesyntese og talegjenkjenning.

Fra et økonomisk og teknologisk fremgangsperspektiv er det tydelig hvorfor det er så stor fokus på 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 distinkte språk i vår globale samfunn. Ettersom vi blir mer tilknyttet, vokser utfordringene med tilgjengelighet og inklusjon for stor for mennesker å håndtere alene.

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

1. Språkbarrierer kan hindre selvuttrykk.

Ettersom vi fortsetter å gå mot en global økonomi og ideen om en global arbeidsstyrke består, må vi løse begrensningene i felles språk.

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

Ifølge eksperter er å adoptere avanserte kognitive AI-motorer og utrulle 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 personer med funksjonsnedsettelser. For eksempel er det i stand til å tilby tale-til-tekst-tjenester for personer med hørselsnedsettelser. Omvendt kan det også generere tale fra tekst for å hjelpe personer med visuelle funksjonsnedsettelser.

I fremtiden forventer vi å se forbedrede kognitive AI-tjenester som kan utføre oversettelse av tale, tekst og bilder på en måte som tjener en bredere rekke av funksjonsnedsettelser.

2. Generisk MT kan ikke håndtere sensitive oversettelser.

Forestall deg å prøve å bruke Google Translate til å lage pasientkart i et helsemiljø. Dette ville ikke bare føre til forvirring og feiloversettelse, men kunne også utilsiktet skade en pasient. Grunnleggende maskinoversettelsesmotorer forstår ikke bransjespesifikk terminologi, og selv små feil kan ha en rippleffekt på pasientbehandling.

Det samme gjelder for andre sensitive bransjer som lovgivning, finans og regjering. Bedrifter må være forsiktige med hvilken maskinoversettelsesmotor de velger, fordi få kan utføre på et høyt nivå.

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

3. Tone, intensjon og berikede opplevelser er begrensede for bestemte befolkninger.

Mange språk avhenger av tone, kontekst og gest for å overføre mening. I kinesisk endrer en liten endring i tone hele meningen av en setning, og på spansk bestemmer formaliteten i forholdet hvordan du 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 det i koreansk viktig å forstå formaliteten i tone for å overføre riktig mening.

Et annet problem langs disse linjene er muligheten for kjønnsbias. Mange språk skiller mellom maskulint og feminint, men det er ikke alltid nok kontekst for AI å korrekt avgjøre 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 flerspråklige NLP-ML-modeller. Dette utvider sluttbrukerens utrullingsmuligheter 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 følelsen i en sang.

Likevel kan den lære hvordan den kan tilby bedre, mer nyanserte samtalemuligheter, noe 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 påpeker at antallet MT-motorer har nesten doblet i løpet av det siste året.

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