(圖:Doctoroz)

牛津大學的科學家與 Google DeepMind 人工智慧部門合作,藉助 BBC 提供的新聞報道片段,成功讓人工智慧系統學會「讀唇」,即在沒有任何聲音的情況下,通過嘴唇的形狀及動作識別出背後的話語。雖然準確率只有 50%,但考慮到專業的人類唇讀者 12% 的準確率,人工智慧顯然又一次勝過了人類。

為了協助開發這套系統,BBC 提供了大量新聞片段和對應的字幕。然後,研究者在一個人工神經網路(Artificial neural network)中整合了最先進的圖像和語音識別技術,利用新聞片段,讓系統開始學習讀唇。

語境分析

科學家稱這個人工智慧系統為「觀察-專注-拼讀」(Watch, Attend and Spell)。步驟看起來似乎很簡單,然而讓人工智慧學會唇讀並非易事。牛津大學工程系博士研究生 Joon Son Chung 解釋,英文中有些發音,如 mat,bat,pat,唇形極其相似。這種情況下,無論是專業的唇讀者,還是人工智慧,借助的都是上下文語境。

實際上,人工智慧所學習的,是分析同時出現的訊息,即唇形、詞語以及後文緊接著出現的詞語。由於系統學習的是新聞語言,現在已可以輕鬆地識別出「Prime」後面總是接「Minister」(首相),「European」後面接「Union」(歐盟)。但對於新聞主播不常使用的辭彙,系統識別起來仍然有一定的難度。

人工智慧透過觀察新聞片段學習讀唇(圖:BBC)

優勢明顯,但仍需較大改進

如前所述,雖然系統目前準確率高於人類,但仍然擁有其缺點,其中之一便是準確率。科學家表示,增加系統的準確率將會是他們未來最主要的研究目標。

此外,系統目前只能對錄製好的完整句子進行唇讀,無法實時運行。Joon Son Chung 表示,他們希望讓系統學會即時唇讀,不過,這個挑戰的難度其實比提高系統準確率較低。

幫助失聰人士

雖然離實際應用還需進一步的改進,但失聰人士援助團體 Action on Hearing Loss 已表現出極大的關注。技術研究經理 Jesal Vishnuram 稱,人工智慧唇讀技術可以提高語音到文本的轉化速度和準確率,幫助聽障人士觀看電視,或者在嘈雜環境中聽清聲音。

牛津大學和慈善組織一致認為,人工智慧唇讀技術不會取代人類唇讀者。但在很多情況下,它將會成為輔助工具,提高人類唇讀者或語音識別技術的效率和準確性。

您可能也喜歡

什麼是合成生物學? — 當科學家遇上工程師

「合成生物學」是一個跨學科研究,當中除了牽涉到分子生物學、生物科技,更會使用工程學的知識,尤其是電機…

一組科學團隊藉由彼此之間沒有物理性接觸的電子產生了量子遙傳現象

一組研究人員宣稱他們使用個別電子而達成了量子遙傳(quantum teleportation)。 量…

Google終於推出屬於自家的TV裝置 – 「Sabrina」

Google新發布的「Sabrina」看起來像是Android電視和Chromecast的合併,這也…

谷歌發明了可以在人類皮膚上觸控的科技

谷歌眼鏡的失敗 初代 Google Glass 於 2013&nbsp…

全球最快超級電腦分析出 77 種有望對抗武漢肺炎的藥品成份

武漢肺炎爆發至今,病例上升的速度不斷加快。使得科學家面臨前所未有的挑戰,必須在短時間內開發出能阻止病…

特斯拉CEO 伊隆·馬斯克(Elon Musk)說,現在是時候“與亞馬遜分道揚鑣了”

特斯拉(Tesla)執行長埃隆·馬斯克(Elon Musk)在推特(twitter) 上發了一些針對…