[За възпроизвеждане на музика] 

DAVID Malan: Това е CS50. Това е края на 10 седмица. И момчето, имаме ли добър клас за вас днес. Ние сме толкова развълнувани да покани двама от нашите приятели от Yale до нас днес и да погледнем в пресечната точка на изкуствен интелект, роботика, обработка на естествен език, и още. 

И наистина, през последните няколко седмици, ние сме със сигурност прекарал много време, особено в по-ранните psets, фокусиране върху красиви детайли от ниско ниво. И това е много лесно да се изгуби от поглед на гората за дърветата и се тревожете за вериги и условия и указатели, разбира се, и други подобни. Но реалността е, вие сега имате съставки, с които можете наистина решаване на някои интересни проблеми, сред за тях, тези, че нашите приятели в Йейл работят по просто срамежлив в Кеймбридж. 

Така че позволете ми първо да се въведе нашата глава асистент от Yale, Анди. 

[Аплодисменти] 

АНДИ: На първо място, просто благодаря Ви позволява няколко Yalies за пукане на до Cambridge днес. Ние наистина го оценявам. На второ място, на нашите приятели обратно home-- Джейсън, Благодаря за това да останем и течаща лекция. Надявам се, че всичко е добре в Ню Хейвън. 

Така че, да, аз съм супер развълнувана да се въведе Scaz днес. Scaz работи в лабораторията по роботика. Той е професор по подобно, пет различни отдели в Йейл. В лабораторията си, той има много, много роботи, че той обича да играе с тях. Той има, подобно на това най-готините места в света. И той получава някак да се забъркваш наоколо с които по цял ден дълго и се направят някои работи, както добре. 

И така, ние всъщност донесе една ги на пух с нас днес. Така че, без повече приказки, Scaz е Ще вървим напред и да ни запознае да си робот приятел. 

[Аплодисменти] БРАЯН SCASSELLATI: Благодаря, Дейвид. Благодаря, Анди. Тя е толкова прекрасна, за да бъде тук с всички днес. Искам първо да бъде много ясно, че Персоналът на CS50 тук, в Кеймбридж е невероятно гостоприемни към нас. Толкова сме благодарни за всичко са направили, за да ни подкрепят. И така, ние бихме искали да бъде в състояние за да се върнете на добротата. 

Така че днес, ние се да обявим че ние ще имаме нов, един-на-а-вид CS50 събитие случва в Ню Хейвън следващата седмица. И това е най-CS50 Research Expo. Така че ние ще се кани everyone-- CS50 учениците, служители от двете Харвард и да Yale-- слезе и да посетите с нас в петък. Ще имаме широка гама от над 30 различни хора, представящи и exhibiting-- upperclassmen показващи изключване на някои от техните научни продукти. Ще имаме някои стартиращи компании, дори и, гледайки за малко на нови технологии талант, стартиращи фирми, както от Харвард и Йейл. И ще имаме някои студентски групи търси свежи членство. 

Това ще бъде един много вълнуващ момент. Надяваме се тези от вас, които са слиза за Harvard-Yale играта ще бъде в състояние да спре от малко по-рано, точно в центъра на колежа, Sterling Memorial Library. Отиваме да имат набор от експонати, които варират от автономната платноходки до начините за използване на софтуер да се запази средновековни ръкописи. 

Отиваме да имат обява хок мрежа и хората преподаване на софтуер за кодиране в Кейптаун. Ние ще трябва компютър музикални демонстрации. И ние, разбира се, ще имате повече роботи. Така че ние ще се надявате присъединете се към нас за това събитие. Тя трябва да бъде много забавно, малко храна, и много интересно неща, за да се говори за. 

Така че днес ние ще говорим за обработка на естествен език. И това е опит за нас да се изгради един нов начин на взаимодействие с нашите устройства, защото за последните няколко седмици, сте били фокусирани върху това как тя е, че можете да пишете код, пишат софтуер това е начин да бъде в състояние да каже на машина, това е, което искам да направя. 

Но ние не трябва да се наложи да Очакваме, че всичко, това е там, че е свикнал от всички хора по света ще бъде грамотен в този вид обучение. Така че ние се прави разлика между компютър езици и природен languages-- тоест, неща, които хората използват да общуват с други хора. И ние се опитваме да изградим интерфейси, които използват тези естествени механизми за комуникация. 

Сега, точно като всяка друга тема че сме започнали с по CS50, ние ще започнем с най-простите малко на обработка на естествен език че можем да си представим. Отиваме да се започне с историческата част на естествен език. И тогава ние ще изгради до все повече и повече последните системи и има някои забавни демонстрации по протежение на пътя. 

Така че ние ще започнем с това, което беше може би първата естествения език система за обработка. Това е система, софтуер, написан в 1966 г. от Джоузеф Weizenbaum нарича ELIZA. И ELIZA е проектиран да репликира вида на взаимодействие вие ще трябва с Rogerian психотерапевт. Сега, Rogerians, те са имали една идея, че психотерапията замесен е в състояние да отрази обратно на пациент и да говоря с тях, общо взето, само от тях, които дават мъничко на терапевта. Това означава, че всичко че терапевтът каза е трябвало да бъде само отражение на това, което пациентът разказваше за тях. 

Така че нека да се опитаме и демо това. Имаме ли доброволец, който ще бъде готови да споделят своите най-дълбоко, най-тъмните и / или фалшиви тайни с ELIZA? Разбира се, защо не дойдеш нагоре. Fantastic. И името ти? 

MILES: Майлс. 

БРАЯН SCASSELLATI: Майлс. Приятно ми е да се запознаем, Майлс. Ако искате да се задържи на това. И ние ще се използвате версия на ELIZA че сме повторен в рамките на CS50 IDE. И ние ще разгледаме източника код към тази след малко. Но за сега, ние сме просто Ще му се позовават като напишете Елиза. 

И ELIZA ще ви даде отговори които ще бъдат във всички столици. И няма да ви задам няколко въпроса. И ние ще отговорим и напишете в отговор на ELIZA. Така ELIZA е казал: "Здравейте, аз съм ELIZA. Какъв ти е проблема?" Какво бихте искали да кажете ELIZA за днес? 

MILES: Мога да падне само заспала ако имам зайче чехли нататък. 

БРАЯН SCASSELLATI: Добре. Всичко е наред. 

[Смях] 

"Мога да падне само заспала със зайче по чехли. " И ELIZA казва: "Кажи, което правите имате някакви психологически проблеми? Може би това е добър показател. " 

ДОБРЕ. Така че това, което бихте искали да отговори? 

MILES: Да. 

БРАЯН SCASSELLATI: Да. Мъж на много думи. Харесва ми това. Eliza казва: "Ти, изглежда доста положително." 

MILES: Не, аз съм в действителност, един електрон. 

БРАЯН SCASSELLATI: "No. Всъщност, аз съм един електрон. " "Знаете ли, дойде при мен защото вие сте един електрон? " Сега можем да видим някои от на things-- Отивам да направите пауза само за секунда, Майлс. Не отивам никъде. Ние не сме направили с вас, все още. ELIZA е, в някои отношения, справяне с определени неща че той казва, но без всяко истинско разбиране. И тя също е папагал обратно част на частите на присъдата му. 

Така че ние казахме, "No. Всъщност, аз съм един електрон. " Елиза отговори обратно, "Знаете ли дойде за мен, защото вие сте един електрон? " Всичко е наред. Нека си го дам още един отговор тук. Дай една добра, Майлс. 

MILES: Good един? 

Да, моля да ми помогне. БРАЯН SCASSELLATI: "Да. Моля, помогнете ми. "" Сигурни ли сте? " MILES: No. БРАЯН SCASSELLATI: No. "Какво означава, че предлагаме за вас?" 

MILES: Може да не съм един електрон. 

БРАЯН SCASSELLATI: "I не може да бъде електрон. " "Възможно ли е да не се казва само, че е отрицателна?" 

Всичко е наред. Така че Майлс, много ви благодаря. 

MILES: Благодаря. 

БРАЯН SCASSELLATI: Благодаря много. [Аплодисменти] 

Така че тази програма ELIZA, по много начини, отговаря само за да парчетата че ние сме предоставяне без никакво дълбоко разбиране на това, което се случва тук. Това е един вид система нарича модел за съвпадение, където ние не търсим определена бита на текст, който ние сме тогава Ще извадя от това, което е била предоставена като вход, го конвертирате, потенциално, по някакъв начин, и след това да го върне към потребителя. 

Имате ли някой от вас мисли че ELIZA е всъщност извършване на валидни психоанализата тук? Един човек, може би. 

АУДИТОРИЯ: [недоловим]. БРАЯН SCASSELLATI: И как Това прави ли се чувстваш? Да, в действителност, това е така. И ние ще видим, всъщност, на изходния код за него в един момент. И така, ти започваш да се в състояние да направи точно това. 

Сега, ELIZA е една форма на това, което бихме нарекли днес чат бот. Той просто минава през текст, който сте осигуряване, осигурява минимум количеството на разбиране или преработка, и след това го папагали обратно към вас. Така че нека да погледнем, концептуално, и да поговорим за това, което то е, че ELIZA всъщност прави. 

ELIZA е като sentence-- нека да казват: "Искам да впечатли шефа си." И ELIZA търси чрез това изречение и се опитва да намери и да отговаря на някои модели. Така например, един от моделите че ELIZA търси са думите "Аз искам." И всяко време да я вижда нещо че има "Искам" в нея, тя формулира отговор. И този отговор е определен низ. В този случай, това е "защо искаш?" И аз сложи малко звезда края, защото това е просто началото на нашия отговор. И звездата показва, че ние ще вземат останалата на utterance-- на потребителя "да впечатли шефа си" - и ние ще добавим, че към края на тази струна. 

Така че сега, вместо да каже, "защо искаш да впечатли шефа си, " има малко допълнително преработка, която ние ще направим. Това означава, че ние ще трябва да конвертирате някои от местоимения тук от "шефа" да "на шефа си." И може да има няколко други промени, които ние трябва да се направи. Така че, вместо просто да го придържа директно върху края, какво ще направим се ние ще се останалата част от utterance-- потребителя в бяло here-- и ние ще го вземе едно парче в време и конвертирате всеки стринг токен, всяка дума, в изречението. 

Така че ние ще се думата "да". Няма по преобразуване че ние трябва да направим това. "Impress." Няма по преобразуване ние трябва да направим там. "Моят" ще се превърнат в "си." И "шефа", ние просто ще си тръгне като "шефа". И накрая, нещо който завършва с период, ние ще го превърне в един въпрос. 

Това много прост модел за съвпадение всъщност е доста успешна. И когато това се въвежда в 1966-- Joseph Weizenbaum програмиран този на компютър. Сега, компютри по това време не са настолни модели. Те бяха споделени ресурси. И неговите ученици ще отида и да чатите с ELIZA. В крайна сметка, той трябваше да ограничи достъпа до него защото неговите ученици не са били получаване извършена работа. Те бяха просто да чатите с ELIZA. И, всъщност, той трябваше да уволни своя помощник, който прекарал целия си време да говори с ELIZA за дълбоки и тревожни й проблеми. 

Всеки, който използва тези системи Започнах да ги anthropomorphize. Те започнаха да се мисли за тях като за е живата и истински хора. Те започнаха да признае някои от нещата, които те казваха бяха да се върне към тях. И те се осведомят неща за себе си. И в действителност, дори експертите, дори и психотерапевти, започна да се тревожи, че в действителност, може би ELIZA би било да ги замества. И дори на компютъра учените се тревожат, че сме били толкова близо до решаването на естествен език. 

Сега, това не беше някъде близо до истината. Но това е начина, впечатляваща тези системи могат да изглеждат. Така че нека да започнем да погледнем отдолу и се опитайте за да получите малко на въпрос на мястото, където този код всъщност се случва. Така че ние ще направим този код достъпно след това. И това е много лесен и пряк пристанище на оригиналния изпълнението на ELIZA. 

Така че някои от тези стилистични неща, които ще видите тук не са това, което стилистично ние ще искам да направиш или това, което ние сме били преподаване можете да направите. Но сме се опитали да ги задържи еднакви за многото пристанища че това е имал така че има аромат на оригинала. Така че ние ще се включи един куп неща, и след това ще имаме набор от ключови думи, неща, че ELIZA ще разпознае и отговори на директно. Така че, ако имате подобни думи "може ли да" или "Аз не правя" или "не" или "да" или "мечта" или "здравей", след ELIZA ще реагира селективно с тези. Ние също така ще имат определен брой неща че ние ще сменяте, като конвертиране на "моя", за да "си." 

И тогава ние ще имаме набор от отговори че за всеки един от тези ключови думи, ние ще се завърти на тези различни реакции. Така че, ако кажа "да" три пъти подред, I може да получите три различни отговори от ELIZA. Нашата код, а след това, е всъщност изключително прости. Ако аз превъртете надолу покрай всички тези отговори, че сме програмирани в и стигнем до основната ни, отиваме да се инициализира Няколко различни променливи и направи малко от домакинство в началото. Но тогава няма абсолютно набор код, който можете да разберете. Едно голямо, докато линия, която казва, че съм Ще повторя това отново и отново. Ще прочета в една линия, а аз ще съхраняване, че в един вход низ. Ще проверя и да видим дали това е най- специална ключова дума "чао", което означава излезете от програмата. И тогава аз ще проверя и да видим дали някой просто се повтарят пак и пак. И аз ще крещи по тях, ако го направят. Аз ще кажа "не се повтаря." 

Докато никой от тези се случи, ние ще след това сканирайте през и чрез цикъл, по линиите 308 до 313 Тук, както и проверка и да видим са всеки от тези дума фрази, които се съдържат във входа че аз просто се има предвид? Ако има съвпадение за тях, както След това, ще си спомням това място. Ще го запомня тази ключова дума. И аз ще бъда в състояние да изгради отговор. 

Ако не се намери един, и след това, последното нещо в моя масив дума ще бъде отговорите ми по подразбиране, когато нищо друго не съвпада. Ще ти задам въпроси като "Защо направихте дойде тук? "или" Как мога да ви помогна? " които са само частично е подходящо без значение какво входът е. 

След това ще се изгради отговор Илайза. Ние ще бъдем в състояние да вземе че базовата отговор, точно както направихме с това, че "шефа си" например. Ако това е всичко, което има is-- ако това е само една низ, че от мен се очаква да respond-- Просто не мога да го изпратите обратно. Ако има звездичка В края на играта, тогава аз ще обработва всеки отделен знак в останалите отговор на потребителя и добавете тези в, замените дума по дума, както аз трябва да. 

Всичко това е абсолютно нещо, което би могло да се изгради. И всъщност, начините, по които ние има преработени аргументи от командния ред, Между другото, в която трябва обработени чрез HTTP заявки следват същите видове правила. Те са модел за съвпадение. 

Така ELIZA имаше относително важна въздействие върху естествен език тъй като тя го направи да изглежда като това е много постижима цел, като по някакъв начин ние бихме да е в състояние да реши този проблем директно. Сега, това не е да се каже, че прави ELIZA всичко, което бихме искаме да направим. Със сигурност не. Но ние трябва да сме в състояние да се направи нещо повече. 

Първата ни стъпка, за да отидете отвъд ELIZA се случва да бъде в състояние да погледнем Не текстове са вписани в клавиатурата, но речта, действителната речта записано в микрофона. Така, както ние гледаме на тях различни парчета, ние сме ще трябва да се изгради набор от модели. Отиваме да се наложи да бъде в състояние да се премине от акустиката на ниско ниво information-- тур, амплитуда, frequency-- и конвертирате, че в някои елементи, които ние сме може по-лесно да се манипулират и накрая, да ги манипулират в думи и изречения. 

Така че най-разпознаване на реч системи, които са там днес следвайте статистическо модел, в който ние изграждаме три отделни изображения на това, което че аудио сигнал действително съдържа. Започваме с фонетичната модел която говори за точно основата звуци, които аз съм производство. Am I производство на нещо, което е Б, както в момче или D, както в куче? Как мога да признае тези две различни телефони като отделни и различни? 

На всичкото отгоре, ние след това ще се изгради а произношение модел дума, нещо, което свързва заедно тези индивидуални телефони и ги обединява в една дума. И след това, ние ще се думите и ние ще ги събера с език модел в пълна свобода. 

Сега, ние ще говорим за всеки от тях независимо и отделно. Но тези три модела са всички Просто ще бъде статистика. А това означава, когато ние работи с тях, ние ще да бъде в състояние да работи с всички тях едновременно. Всичко е наред. Нека да започнем с нашия фонетичната модел. Така фонетични модели разчитат на изчислителна техника, а наречено скрити Марков модели. Това са графични модели в които Трябва и да признае състояние на света като се характеризира с помощта на набор от функции. И това състояние се описва една част на жалба, че аз съм ангажиран инча 

Така че, ако си мисля за вземане на звука "МА" като майка, има различен компоненти на този звук. Има една част, където аз привлече дъх. И тогава аз чантата устните ми. И аз се търкалят устните ми малко назад малко да се направи, че "ma" звук. И тогава там е освобождаване. Устните ми се разпадат. Air е експулсиран. "Ма". 

Тези три различни части биха били представлявана от държави в тази graph-- началото, средата и края. И аз ще трябва преходи, че ми позволи да пътуват от едно състояние към следващата с определена вероятност. Така, например, че M звучи може да има много, много кратък прием в beginning-- "mm" - и след това по-дълъг, вибрационна фаза, където държа ми устните заедно и почти humming-- "Мммм" - и след много кратко взривните където съм експулсира breath-- "ma." 

Скритият Марков модел е предназначена да обхване факта че начинът, по който аз правя този звук "ma" ще да бъде малко по-различен в изборът на време, е честотата, и неговите функции, отколкото начинът, по който ти го направи или начинът, по който бих могъл да го направи, когато аз говоря за различни видове приложения на писмото. "Майка" и "може I" ще звучи малко по-различно. 

Така че, за да се признае конкретен звук, бихме изгради Марков модели, тези скрити Марков модели, на всеки възможен телефон, който I Може би искате да се признае, всеки възможен звук, и след това погледнете в акустични данни, че имам и определи статистически кой е най-най-вероятно този, да са произвели този звук. ДОБРЕ. С този модел, ние след това започнете да се изгради върху нея. Ние приемаме модел произношение. Сега, понякога произношение модели са прости и лесни защото има само един начин да се произнася нещо. Друг път, те са по- малко по-сложно. Ето едно ръководство произношение за това червено нещо, което е плод, който ви направи кетчуп от. Хората мислят, че не е плод. Нали така? 

Сега, има много различни начини че хората ще произнася тази дума. Някои ще кажат, "пета-мей петите." Някои ще кажат, "пета-ма петите." И ние можем да улови, че с един от тези графични модели където, отново, ние представляваме преходи като с определена вероятност и вероятност, свързана с тях. 

Така че в този случай, ако аз трябваше да следват горния маршрут през цялата тази графика, Бих се започва в писмото в левия край, на "уа" звук. Аз ще взема горната половина, на "О", а след това и "ma" и след това "А", а след това и "уа" и "О". "Toe-може петите." Ако взех долната пътека през това, че ще получа "уа-ма петите." И ако аз падна и след това нагоре, аз ще получи "уа-може петите." 

Тези модели улавят тези различия, защото всеки път, когато ние разположи един от тях системи за признаване, че ще трябва да работят с много различен вид на хора, много различни акценти, а дори и различни видове приложения на едни и същи думи. И накрая, в началото на това, ние ще се изгради нещо че изглежда наистина сложно, нарича модел на език, но в действителност е най-простият от трите, защото тези работи върху това, което се нарича п-грамови модели. И в този случай, аз ви показвам две части п-гр модел, а bigram. Отиваме да направят физическа идеята че понякога са определени думи по-вероятно да следват дадена дума от други. Ако току-що казах "прогноза за времето" следващата дума вероятно би могло да бъде "днес" или може да бъде "лошото време Прогноза утре. " Но това е малко вероятно да бъде " прогноза за времето артишок. " 

Какъв модел език прави е тя улавя тези статистически чрез преброяване, от някои много голям жълтото, всички инстанции в която една дума следва друго. Така че, ако аз взема голяма corpus-- като всеки Wall Street Journal че е произведен от 1930, който е един от стандартната corpuses-- и аз гледам през всички този текст, и аз разчитам до колко пъти след "Прогноза" виждам "днес" и колко пъти виждам "Прогноза", следвана от "артишок" първият ще да бъде много по-вероятно. Това ще се появи много по-често. И така ще има по-висока вероятност, свързана с него. 

Ако искам да разбера вероятност за цяла изказване, След това, аз просто се разделяме. Така че вероятността за изслушване изречението "плъха яде сирене" е вероятността на думата "за" Стартиране на присъда, и след това вероятността, че Думата "плъх" следва думата "," и вероятността Думата "изяде" следва "плъх" и вероятността "сирене" следва "изяде". 

Това звучи като много от статистика, много вероятности. И това е всичко, което е то. Но удивително нещо е, ако направите това с достатъчно голяма проба от данни, работи. И тя работи изключително добре. Ние всички знаем, тези технологии. Повечето операционни системи идват с разпознаване на глас в този момент. Ние използваме Siri и Кортана и Echo. И тези неща са базирани на този тип трислоен model-- фонетичен модел в долния, A произношение модел в средата, и модел език върху тях. 

Сега, те трябва да се направи малко по- от това, за да отговаря на въпроси. Но признаването на това, което сте поговорка зависи точно от това. Така че нека да вземем един пример тук. Така че имам телефона ми седи тук под камерата документ. И ние ще се изисква Siri на няколко въпроса. Всичко е наред? 

Така че нека да се събудите телефона ми тук. Siri, какво е времето като в Ню Хейвън днес? 

SIRI: Тук е времето за Ню Хейвън, Кънектикът днес. 

БРАЯН SCASSELLATI: OK. Така за първи път видях, че Siri призната всеки от отделните думите и след това предизвиква отговор. Ще говорим за това как този отговор се наблюдава в по-малко. Но сега, когато знаем че това е само въз основа на суровините и тази статистика модел тип съвпадение на подход, можем да играем някои игри с Siri. 

Така че мога да опитам отново. Siri, какво е времето хипопотам Ню Хейвън, днес? 

SIRI: OK. Тук е времето за New Хейвън, Кънектикът за днес. БРАЯН SCASSELLATI: Siri е не обезсърчават от които защото е намерил pattern-- "Време", "днес", "New Haven." Това е това, което е в отговор да, точно като ELIZA. Всичко е наред. Нека си го дам още един, дори по-нелепо например. Siri, времето артишок броненосец хипопотам New Haven? 

SIRI: Нека да проверя това. Ето какво намерих в интернет за това, което са артишок броненосец хипопотам New Haven. 

БРАЯН SCASSELLATI: OK. Така че, ако аз отива достатъчно далеч далеч от този модел, Аз съм в състояние да го обърка, тъй като тя не вече съответства на модела, който има. И тази статистическа двигател, който казва, каква е вероятността, че сте се погрижили хипопотам думи и артишок заедно и броненосец? Това трябва да е нещо ново. 

Така че тези технологии, които използваме всеки ден. Ако искаме да ги вземе една стъпка Освен това, въпреки че, ако действително Искам да мога да говоря за това, което е, че тези системи са в отговор на, ние трябва да говорим, отново, за по-фундаментален набор от въпроси. И това е една тема, в комуникацията които ние наричаме въпрос отговор. Това означава, че ние искаме да бъде в състояние to-- така ли? АУДИТОРИЯ: [недоловим]. БРАЯН SCASSELLATI: Обичате да стигнем в латентно семантично преработка? Така че, да. Има много неща, които са случва под повърхността със Siri и в някои от примерите Отивам да ви покажа следващия там, където има доста малко от гледна точка на структурата от това, което казвате, че е важно. И, всъщност, това е страхотно прекурсор за следващия слайд за мен. 

Така по същия начин, че нашата разпознаване на реч е построена от няколко слоя, ако искаме да разбере какво е това всъщност се каза, ние ще отново разчитат на анализ на многослойни на текста, който е да бъдат признати. Така че, когато Siri всъщност е в състояние да да речем, погледнете открих тези думи. Сега какво да правя с тях? Първият компонент е често проверете и опитайте да анализирате структурата на изречението. И в това, което сме виждали в началното училище, често, като вид на диаграми изречения, отиваме да се признае, че някои думи имат определени роли. Това са съществителни. Това са местоимения. Това са глаголи. И ние ще признаем че за определен граматика, в този случай английската граматика, има валидни начини, по които мога да ги комбинират и други начини, които не са валидни. 

Това признание, тази структура, може да се окаже достатъчно, за да ни помогне да ръководят малко. Но това не е достатъчно за нас, за да бъде в състояние да даде всеки смисъл на това, което се каза тук. За да направите това, ще трябва да разчитат на някаква сума на семантична обработка. Това означава, че ние ще трябва да погледнем най-отдолу какво всеки един от тези думи действително извършва като значение. И в най-простият начин за това, ние ще се свържем с всяка дума че ние знаем определена функция, определен трансформация че позволява да се случи. 

В този случай, ние може да се маркира с Думата "John" като собствено име, че то носи със себе си за самоличност. И ние може да се маркира "Мери" като по същия начин. Като има предвид, глагол като "любов", която представлява особена връзка че ние сме в състояние да представи. Сега, това не означава, че ние разбираме какво е любов, а само, че ние разбираме то по пътя на символична система. Това означава, че може да се етикетира него и да го манипулират. 

С всяка от тези видове подходи, всякакъв вид семантично обработка Тук ще изисква малко малко познания и много работа от наша страна. Ние вече не сме в царството където просто статистика ще бъде достатъчно за нас. Сега, за да отидете от тази точка до е може да се говори за вътрешната страна на какво всъщност се случва тук, да е в състояние да манипулират това структурира и да разберат въпрос и след това е в състояние да изляза и да търсите, че изисква по- сложна когнитивна модел. 

Начинът, по който се изграждат тези системи е в голямата си част много, много труд интензивно. Те включват хора прекарва голяма част от време структуриране пътищата в които тези видове изречения могат да бъдат представени в някои логика. Той получава дори малко по-сложни, все пак. 

Дори и след като сме се справиха със семантика, ние ще все пак трябва да погледнем в прагматиката на това, което се каза. Това е, как мога да се отнасят думите че имам нещо физически навън има в света или поне част от информацията източник че мога да манипулират? 

Понякога, това да доведе до прекрасни бита на неяснота. "Червено-гореща звезда, за да се ожени за астроном." ДОБРЕ. Сега, ние четем, че тъй като смешно тип заглавие че ние ще видим по късно вечер TV защото ние не тълкуваме "звезда" да има своя небесно тяло значение. Ние знаем, че това означава, че колкото повече често срещано актьор или актриса с високи стойности на видимост. 

"Squad помага ухапване кучето жертва." Ли е, че в отбора е всъщност там подпомагане на куче в обикаляйки и хапане жертви? Или е, че е налице физическо лице, което е ухапан от куче, което се нуждаеше от помощ? Просто не гледат на синтаксиса и семантиката на присъдите, не можем да определим, че. 

"Хеликоптер задвижвани от човешки мухи." Има, всъщност, действителното малките неща, които летят наоколо са хора с крила захранване хеликоптери за доброто на човечеството? Или има една механично устройство че черпи своята енергия от един човек? 

Когато погледнем към въпрос телефонни системи, това са, че слоевете ние трябва да се справим. Сега, най-добрите и най-сортиране на разпространени на тези системи днес сме в състояние да направим нещата на ниво, които са далеч отвъд това, което имахме преди 10 години. Ето един от най-добрите системи това е там днес. И това е една система от IBM, наречен Watson. Това е от нашите приятели в IBM. Това е Катрин банки, Jia Chen, и Присила Moraes ни дава демонстрация на Watson вчера в IBM Йорктаун. [Възпроизвеждане на видео] -Как си? 

-Добре съм. Аз винаги съм щастлив, когато съм мислене, особено когато съм може да остане хладно в тези сървърни помещения. -Кой Е любимата ви актриса? 

-My Любимата актриса Анджелина Джоли като Лара Крофт в Tomb Raider, защото я оригиналната форма е като виртуален герой като мен. 

-Как Watson може да помогне на пациентите? 

-Има Плана на пациентите до имат достъп до Watson директно? Достъп до Watson консултативен кандидатури ще варират в зависимост от използването случай. Но в момента, Watson ще предоставя само Възможно диагноза и лечение опции на медицински специалист. Когато е необходимо, пациентите може да предостави информация да Watson, може би чрез Портал уеб интерфейс, таблет или дори мобилен телефон. Например, пациентът може да бъде помолен да опише симптомите си на естествен език, директно в разтвор Watson, позволява на лекаря да се съсредоточи върху диагноза и не събиране на данни. 

-Кой Убит Ейбрахам Линкълн? 

Емил Уилкс Бут. 

-На Коя година направих Arizona Diamondbacks спечели Световните серии? 

-2001. 

[END PLAYBACK] 

БРАЯН SCASSELLATI: Значи тези видове системи Трябва да разчитаме на първо място признаване на речта; второ, превръщането му в един смислен вътрешния представителство; и след това, третата, е в състояние да изляза и да се намери източник на информация, им позволява да се отговори на този въпрос. Това ниво на сложност включва едни и същи видове програмни неща че сте били прави в проблемните комплекти. 

Ние сме в състояние да прави разбор на HTTP заявки в от същия тип модел на ниско ниво съвпадение, че ELIZA може да направи. Ние сме в състояние да конвертирате тези, във вътрешна представителство, и след това да ги използвате, за да задава въпроси на някои външна база данни, евентуално с помощта на SQL. Всички системи, се строят днес да направи този вид физическо език за комуникация се гради върху същите тези принципи. 

Сега, дори на система като Уотсън не е достатъчно сложна да бъде в състояние да отговори на произволна въпроси за всяка тема. И в действителност, те трябва да бъдат структуриран в рамките на даден домейн. Така че можете да отидете онлайн и можете да намерите версии на Watson, които работят добре в рамките на медицинската информатика. Или има една онлайн че просто се занимава с това как да правят добри препоръки за каква бира ще отида с които храните. И в рамките на тези области, тя може да отговаря на въпроси, намерите информацията, която се нуждае. 

Но не можете да смесвате и да ги обвържат. Системата, която е била обучена с базата данни на храна и бира не работи добре, когато изведнъж Казано с медицинската информатика база данни. Така че дори и най-добрите ни системи днес разчитат на такова ниво на преработка в която ние сме ръчно кодиране и изграждане на инфраструктура за да се направи тази система тече. 

Сега, последната тема искам да бъде в състояние да стигнем до днес е около невербалната комуникация. Голяма маса от информация, която ние общуваме помежду си не да се осъществи посредством отделни думи, че ние сме кандидатстващи. Той е свързан с неща като близост, погледът, тона на гласа ви, Вашата инфлексия. И, че комуникацията е също нещо, което много различни интерфейси пука много за. Това не е това, което се грижи за Siri. Мога да задавам Siri нещо в един глас или в различен тон на гласа, и Siri ще дайте ми един и същ отговор. Но това не е това, което ние изграждаме за много други типове интерфейси. 

Искам да ви запозная сега една от роботи. Това е построен от моя дългогодишен приятел и колега Синтия Breazeal и нейната компания Jibo. И това robot-- отиваме да има няколко доброволци излезе да си взаимодействат с това. Така че мога да имам двама души готови да играе с робота за мен? Защо не дойдеш нагоре, и защо не дойдеш нагоре. Ако искате присъедините към мен тук, моля. 

И ако можех да имате дойде полето тук. Благодаря. Здравейте. 

ALFREDO: Приятно ми е да се запознаем. Alfredo. 

БРАЯН SCASSELLATI: Alfredo. 

Рейчъл: Рейчъл. БРАЯН SCASSELLATI: Рейчъл. Приятно ми е да се запозная с вас двамата. Alfredo, аз отивам да отидеш първо. Хайде чак до тук. Отивам да се въведе you-- ако мога да получа това разстояние без да почука на microphone-- до малък робот на име Jibo. ДОБРЕ? 

Сега, Jibo е проектиран да бъде интерактивно. И въпреки че тя може да ви даде реч, много на взаимодействието с робота е невербална. Alfredo, аз отивам да ви помоля да каже нещо хубаво и безплатна към робота, моля. ALFREDO: Мисля, че си сладък. 

[Бръмчене] БРАЯН SCASSELLATI: OK. Неговият отговор не е словесно. И все пак той ви даде и двете ясно потвърждение че е чул това, което казахте и също така разбира, че по някакъв начин. ДОБРЕ? Стъпка връщам тук за една секунда. Благодаря. 

Рейчъл, ако искате. Сега, аз отивам да се получи Ти ли си много по-трудно работа. Ако искате стоят точно тук, архивирате само малко така ние можем да ви кача на камерата и изглеждат по този начин. Отивам да ви помоля да кажете нещо наистина означава и груба към робота. 

Рейчъл: Какво ти просто изглеждаше да направя, е напълно абсурдно. 

[Бръмчене] 

Това е още по-абсурдно. Какво става с теб? О, не се чувствам зле. Аз ще ви дам една прегръдка. БРАЯН SCASSELLATI: Добре. Благодаря, Рейчъл. Alfredo, Рейчъл, благодаря момчета много. 

[Аплодисменти] 

Така че този вид взаимодействие има в много начини някои от същите правила и някои от същите структура, както това, което ние може да се наложи в езиковото общуване. Тя е едновременно комуникативно и служи важна цел. И това взаимодействие, в много начини, е проектиран да имат особен ефект върху човек взаимодейства с или слушане на робота. 

Сега, аз съм достатъчно късмет да има Jibo тук днес. Сам Сполдинг е тук за да помогнете ни с робота. И аз отивам да попитам Сам да даде ни една хубава демонстрация на Jibo танци че можем да гледаме в края тук. Така че продължавайте напред, Jibo. 

SAM: OK, Jibo. Покажете ни вашите танцови движения. 

[За възпроизвеждане на музика] БРАЯН SCASSELLATI: Добре, всички. Благодарение на нашите приятели в Jibo. 

[Аплодисменти] 

И благодарение на нашите приятели в IBM за помагаш днес. Комуникацията е нещо че започваш за да видите идва все повече и повече като ние изграждаме по-сложни интерфейси. Следващата седмица ще говорим за това, как да се намесвам с компютърни опоненти в игри. Но ако имате въпроси относно този, Аз ще бъда наоколо офис часа тази вечер. Щастлив съм да ви говоря за AI теми или да влязат в по-големи подробности. Приятен уикенд. 

[Аплодисменти] [За възпроизвеждане на музика]