Tyler Weitzman, Co-Fondator și Șef de Inteligență Artificială la Speechify – Seria de Interviuri

Tyler Weitzman este Co-Fondator, Șef de Inteligență Artificială și Președinte la Speechify, aplicația numărul 1 de text-to-speech din lume, cu peste 100.000 de recenzii cu 5 stele. Weitzman este absolvent al Universității Stanford, unde a obținut o diplomă de licență în matematică și o diplomă de master în știința computerelor, pe traseul inteligenței artificiale. El a fost selectat de revista Inc. ca unul dintre cei mai buni 50 de antreprenori și a fost prezentat în publicații precum Business Insider, TechCrunch, LifeHacker, CBS, printre altele. Cercetarea sa de masterat s-a axat pe inteligența artificială și text-to-speech, iar lucrarea sa finală s-a intitulat: “CloneBot: Predicții personalizate de dialog și răspunsuri”.

Ați început să programați la vârsta de 9 ani, ce v-a atras inițial către știința computerelor?

Erăm obsedat ca copil de Dragon Ball Z și voiam să învăț să animăm singur. Am învățat Adobe (ADBE ) Flash și Photoshop și am creat animații cu Goku pe un site de fan pe care l-am construit. Curând după aceea, am început să învăț despre sisteme și algoritmi, și când am aflat că pot programa pentru a trăi, a fost destul de emoționant. Credeam că este doar un hobby, ca și cum aș juca jocuri.

Apoi, ați început să construiți aplicații pentru iPhone la vârsta de 12 ani, care au fost unele dintre aceste aplicații?

Una dintre aplicații se numește Black SMS, care permite oamenilor să trimită mesaje criptate unul altuia. O altă aplicație a fost Frontback, care permite utilizatorilor să facă selfie și poze cu ceea ce se află în fața lor în același timp.

Puteți discuta despre cercetarea dvs. la Universitatea Stanford și despre cum s-a axat pe procesarea limbajului natural și sinteza vorbirii?

Cercetarea mea a cuprins multiple utilizări ale rețelelor de transformare, inclusiv modele de generare a limbajului pentru chat, etichetare part-of-speech, predicție de punctuație și text-to-speech. Optimizarea inferenței rețelelor neuronale pentru procesoarele mobile a fost o focalizare principală și aceasta s-a tradus direct în vocile offline disponibile pe Speechify, care funcționează chiar și în modul avion.

Puteți împărtăși povestea de origine a Speechify?

Sunt orb într-un ochi și fratele meu Cliff este dislexic. Am folosit cărți audio și tehnologia de text-to-speech audio de când ne amintim pentru a trece prin școală și când eram tineri pentru a citi cărți precum Harry Potter. Pe măsură ce am crescut și am început să utilizăm mai multe produse tehnologice, am realizat că există o oportunitate de a construi aplicații de text-to-speech mai bune pe web și mobile, cu voci mai bune, datorită progreselor în domeniul inteligenței artificiale și a unei experiențe de utilizator mai bune. Așa că am decis să o facem în Speechify.

Care sunt unele dintre tehnologiile de învățare automată utilizate la Speechify?

Am adoptat tehnici de ultimă generație pentru arhitecturi generative avansate – transformatori/conformeri, preantrenare la scară largă, antrenare distribuită, acumulare de gradient, spații latente auto-encode, difuzie, rețele antagoniste și modelare a limbajului. Utilizăm tehnici de prelucrare a caracteristicilor pentru fonemizare, pitch și emoție, pentru a modela mai bine vorbirea în special.

Care sunt unele dintre provocările din spatele construirii unei aplicații de text-to-speech?

O provocare cheie este construirea voci de înaltă calitate care sună ca și cum ar fi vorbite de oameni reali, și nu de roboți. Scopul nostru este ca oamenii să nu poată face diferența între cum sună vocile noastre și cum sună oamenii, astfel încât utilizatorii noștri să se simtă confortabil ascultând conținut pe Speechify pentru perioade lungi de timp. O a doua provocare este distribuirea modelelor noastre de inteligență artificială către milioane de utilizatori. Este una să construiești voci de inteligență artificială de înaltă calitate și alta să te asiguri că milioane de utilizatori din întreaga lume află despre ele și le utilizează.

Speechify este aplicația numărul 1 în categoria sa din magazinul de aplicații, la ce ați atribui acest succes?

Credem că am construit cele mai bune produse de pe piață pentru oamenii care doresc să asculte ceea ce trebuie să citească – fie că sunt studenți care au teme, profesioniști care citesc pentru muncă, sau cititori de plăcere care doresc să se distreze. Avem cea mai bună selecție de voci, inclusiv celebrități precum Snoop Dogg, și cea mai bună interfață de utilizator pentru ca oamenii să poată încărca și accesa ușor conținutul pe care doresc să îl consume. Și experiența noastră de utilizator este fără întrerupere în ecosistemul Speechify – puteți începe să ascultați un articol pe computer și apoi să continuați să ascultați pe telefon.

Care sunt unele dintre cele mai mari cazuri de utilizare pentru această aplicație?

Inteligența artificială generativă a Speechify rezolvă probleme reale pentru studenții care doresc să termine temele mai repede, pentru oamenii cu dislexie și ADHD care au dificultăți de citire, pentru seniorii cu vedere slabă, pentru profesioniștii care doresc să citească mai mult și să fie mai productivi, pentru scriitori care doresc să asculte lucrările lor, pentru învățătorii auditivi și pentru mulți alții.

Care este viziunea dvs. pentru viitorul inteligenței artificiale?

Dorim ca inteligența artificială – și în special vocile de text-to-speech – să elimine barierele învățării, indiferent de nivelul de venit, de diferențele de învățare, de geografie sau de limbă. Vedem inteligența artificială ca un instrument pentru binele social, care să ridice calitatea vieții oamenilor prin îmbunătățirea educației lor.

Mulțumim pentru acest interviu minunat, cititorii care doresc să afle mai multe despre Speechify ar trebui să viziteze Speechify.