Google ने आपके मस्तिष्क का उपयोग करके Android को कैसे बदला

एंड्रॉइड मोबाइल ऑपरेटिंग सिस्टम के नवीनतम संस्करण में, वेब दिग्गज Google ने ओएस में आपकी आवाज आदेशों की व्याख्या करने के तरीके में बड़े बदलाव किए हैं। कंपनी ने एक आवाज पहचान प्रणाली बनाई है, जिसे हम एक तंत्रिका नेटवर्क कहते हैं, जो एक कम्प्यूटरीकृत शिक्षण प्रणाली है जो मानव मस्तिष्क की तरह व्यवहार करती है।

कई उपयोगकर्ताओं के लिए, विन्सेन्ट वन्हस्क कहते हैं, जो एक Google शोध वैज्ञानिक हैं, जिन्होंने नेटवर्क के विकास का नेतृत्व किया, परिणाम प्रभावशाली थे। "आश्चर्य का हिस्सा यह था कि हम केवल मॉडल को बदलकर मान्यता में कितना सुधार कर सकते थे," वे कहते हैं।



वानहस्क नोट करता है कि एंड्रॉइड के नए संस्करण में मान्यता त्रुटियों की संख्या - जिसे जेली बीन के रूप में जाना जाता है - कार्यक्रम के पिछले संस्करणों की तुलना में लगभग 25% कम है, और इससे लोगों के लिए वॉयस कमांड सिस्टम अधिक सुविधाजनक हो जाता है। आज, वह लिखते हैं, जब वे अपने फोन के साथ बोलते हैं तो उपयोगकर्ता अधिक प्राकृतिक भाषा का उपयोग करना पसंद करते हैं। दूसरे शब्दों में, वे कम बोलते हैं जैसे कि वे किसी रोबोट से बात कर रहे हों। "यह वास्तव में मानव व्यवहार को बदलता है।"

और यह सिर्फ एक उदाहरण है कि तंत्रिका नेटवर्क पर आधारित एल्गोरिदम हमारी प्रौद्योगिकियों के काम करने के तरीके को बदलते हैं - और हम उनका उपयोग कैसे करते हैं। 1980 के दशक के बाद तंत्रिका विज्ञान के लिए अपने जुनून के साथ पारित होने के बाद अध्ययन के इस क्षेत्र में कई वर्षों के लिए बहुत कम रुचि थी, लेकिन अब वे लौट रहे हैं - माइक्रोसॉफ्ट, आईबीएम और Google उन्हें पूरी तरह से वास्तविक प्रौद्योगिकियों पर लागू करने पर काम कर रहे हैं।

जब आप Android में वॉइस रिकग्निशन सिस्टम के साथ बोलते हैं, तो आपके भाषण का स्पेक्ट्रोग्राम कट जाता है और 8 अलग-अलग कंप्यूटरों को भेजा जाता है, जो Google सर्वरों की विशाल सेना से संबंधित होते हैं। फिर वे वानस्क और उनकी टीम द्वारा विकसित तंत्रिका नेटवर्क मॉडल का उपयोग करते हुए भाषण देते हैं। Google को बड़े कम्प्यूटेशनल कार्यों और उनके कार्यान्वयन की गति का सामना करने की क्षमता के लिए जाना जाता है - इस मामले में, Google ने जेफ डीन और उनके इंजीनियरों की टीम की ओर रुख किया, एक समूह जो वास्तव में आधुनिक डेटा केंद्रों का आविष्कार करने के लिए जाना जाता है।

न्यूरल नेटवर्क ने शोधकर्ताओं को दिया, जैसे कि वानहस्क, कई का विश्लेषण करने का एक तरीका, कई पैटर्न - जेली बीन के मामले में, बोले गए शब्दों का एक स्पेक्ट्रोग्राम - और फिर भविष्यवाणी करते हैं कि वे किस नए पैटर्न का प्रतिनिधित्व कर सकते हैं। रूपक जीव विज्ञान से आया है, जहां शरीर में न्यूरॉन्स नेटवर्क बनाते हैं जो उन्हें एक विशेष तरीके से संकेतों को संसाधित करने की अनुमति देते हैं। जेली बीन का उपयोग करने वाले तंत्रिका नेटवर्क के मामले में, Google कई मॉडल बनाने में सक्षम था कि भाषा कैसे काम करती है - उदाहरण के लिए, एक अंग्रेजी भाषा और उसके खोज प्रश्नों के लिए - विशाल वास्तविक डेटा के विश्लेषण के आधार पर।

टोरंटो विश्वविद्यालय में कंप्यूटर विज्ञान के प्रोफेसर जेफ्री हिंट्नो कहते हैं, "लोगों ने लंबे समय तक, आंशिक रूप से आपके मस्तिष्क में जो कुछ देखा है, उसके आधार पर - एक अच्छी धारणा प्रणाली प्राप्त करने के लिए, आपको कई स्तरों के कामकाज का उपयोग करने की आवश्यकता है।" "लेकिन सवाल यह है कि आप उन्हें कैसे प्रभावी ढंग से प्रशिक्षित कर सकते हैं।"

एंड्रॉइड वॉयस कमांड की एक तस्वीर लेता है, और Google एक तंत्रिका नेटवर्क मॉडल का उपयोग करके यह निर्धारित करता है कि क्या कहा जा रहा है।

सबसे पहले, Google सॉफ़्टवेयर अलग-अलग हिस्सों में भाषण को पार्स करने की कोशिश करता है - शब्द बनाने वाले विभिन्न स्वरों और व्यंजन में। यह तंत्रिका नेटवर्क का एक स्तर है। फिर वह इस जानकारी का उपयोग एक अधिक जटिल धारणा बनाने के लिए करता है, अक्षरों को शब्दों में, शब्दों को शब्दों में संयोजित करता है। इस मॉडल का प्रत्येक स्तर सिस्टम को यह पता लगाने के करीब लाता है कि वास्तव में क्या कहा गया है।

न्यूरल नेटवर्क एल्गोरिदम का उपयोग छवि विश्लेषण के लिए भी किया जा सकता है। "आप जो करना चाहते हैं, वह संरचित पिक्सेल के छोटे टुकड़े, जैसे कि चित्र में कोने हैं," हिंटन कहते हैं। “आपके पास डिटेक्टर कार्यों का एक स्तर हो सकता है जिस पर छोटे कोणों जैसी चीजें परिभाषित की जाती हैं। अगला स्तर वस्तुओं को खोजने के लिए कोणों के छोटे संयोजनों का पता लगाता है। ऐसा करने के बाद, आप अगले स्तर तक आगे बढ़ते हैं। ”

तंत्रिका नेटवर्क ने 80 के दशक में इसे वापस करने का वादा किया था, लेकिन तब विश्लेषण के लिए इस तरह के बहु-स्तरीय दृष्टिकोण को लागू करना मुश्किल था।

2006 में दो बड़े बदलाव हुए। सबसे पहले, हिंटन और उनकी टीम ने गहरे तंत्रिका नेटवर्क को बिछाने का सबसे अच्छा तरीका विकसित किया है - नेटवर्क जो कनेक्शन के कई अलग-अलग स्तरों से मिलकर बनता है। दूसरे, कम लागत वाले ग्राफिक्स प्रोसेसर ने बाजार में प्रवेश किया, जिससे वैज्ञानिकों को महान कंप्यूटिंग करने का एक सस्ता और तेज तरीका मिला। "यह बहुत बड़ा अंतर है जब आप चीजों को 30 गुना तेजी से कर सकते हैं," हिंटन कहते हैं।

आज, नेटवर्क तंत्रिका एल्गोरिदम आवाज और छवि मान्यता पर कब्जा करने लगे हैं, लेकिन हिंटन अपना भविष्य देखते हैं जहां भविष्यवाणी की आवश्यकता होती है। टोरंटो विश्वविद्यालय में नवंबर में, शोधकर्ताओं ने तंत्रिका नेटवर्क का उपयोग यह निर्धारित करने के लिए किया कि वास्तविक दुनिया में एक दवा अणु कैसे व्यवहार करेगा।

जेफ डीन का कहना है कि Google अब कई प्रकार के उत्पादों में तंत्रिका एल्गोरिदम का उपयोग करता है - कुछ प्रायोगिक, कुछ नहीं - लेकिन जेली बीन में आवाज पहचान से आगे कोई नहीं गया है। उदाहरण के लिए, Google Street View, तस्वीरों में वस्तुओं के प्रकारों को निर्धारित करने के लिए तंत्रिका नेटवर्क का उपयोग कर सकता है - एक घर को भेद करना, उदाहरण के लिए, एक लाइसेंस प्लेट से।

और अगर आपको लगता है कि यह सब आम लोगों के लिए वास्तव में मायने नहीं रखता है, तो इस पर ध्यान दें। पिछले साल, डीन सहित, Google शोधकर्ताओं ने एक तंत्रिका नेटवर्क का निर्माण किया जो YouTube पर बिल्लियों का पता लगा सकता है।

Microsoft और IBM तंत्रिका नेटवर्क का भी अध्ययन कर रहे हैं। अक्टूबर में, माइक्रोसॉफ्ट के मुख्य शोधकर्ता रिक रशीद ने चीन में एक तंत्रिका नेटवर्क आधारित आवाज मान्यता प्रणाली का लाइव प्रदर्शन किया। अपने प्रदर्शन में, रशीद ने अंग्रेजी में बात की और प्रत्येक वाक्यांश के बाद विराम दिया। दर्शकों के लिए, Microsoft सॉफ़्टवेयर ने एक साथ चीनी भाषा में अपने भाषण का अनुवाद किया। इस कार्यक्रम ने भी राशिद की तरह आवाज निकालने के इरादे से उठाया।

"हमारे पास अभी भी बहुत काम करना है," उन्होंने कहा। “लेकिन तकनीक बहुत आशाजनक है, और हमें उम्मीद है कि अगले कुछ वर्षों में हम लोगों के बीच भाषा की बाधा को तोड़ने में सक्षम होंगे। व्यक्तिगत रूप से, मुझे लगता है कि यह हमारी दुनिया को एक बेहतर जगह बनाएगा। ”