1 00:00:00,000 --> 00:00:02,928 >> [REPRODUCCIÓ DE MÚSICA] 2 00:00:02,928 --> 00:00:11,230 3 00:00:11,230 --> 00:00:12,790 >> DAVID Malan: Aquest és CS50. 4 00:00:12,790 --> 00:00:14,072 Aquest és el final de la setmana 10. 5 00:00:14,072 --> 00:00:16,030 I el noi, ¿tenim una bona classe per a vostè avui. 6 00:00:16,030 --> 00:00:20,040 Estem molt emocionats de convidar a dues de els nostres amics de Yale fins a nosaltres avui 7 00:00:20,040 --> 00:00:23,920 i buscar a la intersecció de intel·ligència artificial, la robòtica, 8 00:00:23,920 --> 00:00:25,710 processament del llenguatge natural, i més. 9 00:00:25,710 --> 00:00:27,090 >> I, en efecte, sobre el últimes setmanes, hem 10 00:00:27,090 --> 00:00:29,714 Certament passat molt de temps, especialment en els conjunts de processadors anteriors, 11 00:00:29,714 --> 00:00:31,560 centrant-se en bonics detalls de baix nivell. 12 00:00:31,560 --> 00:00:34,520 I és molt fàcil perdre de vista del bosc pels arbres 13 00:00:34,520 --> 00:00:38,170 i es va penjar en bucles i condicions i punters, sens dubte, i similars. 14 00:00:38,170 --> 00:00:41,770 Però la realitat és que vostès tenen ara la ingredients amb què es pot realment 15 00:00:41,770 --> 00:00:45,300 resoldre alguns problemes interessants, entre ells els que els nostres amics de Yale 16 00:00:45,300 --> 00:00:48,790 treballar en tot just per sota de Cambridge. 17 00:00:48,790 --> 00:00:52,410 >> Així que permetin-me primer a introduir el cap professor ajudant de la Universitat de Yale, Andy. 18 00:00:52,410 --> 00:00:55,182 >> [Aplaudiments] 19 00:00:55,182 --> 00:00:57,030 20 00:00:57,030 --> 00:01:00,710 >> ANDY: En primer lloc, simplement gràcies per permetre un parell Yalies 21 00:01:00,710 --> 00:01:02,700 fer esclatar baix a Cambridge en l'actualitat. 22 00:01:02,700 --> 00:01:05,299 Realment apreciem. 23 00:01:05,299 --> 00:01:07,090 En segon lloc, als nostres amics tornar casa- Jason, 24 00:01:07,090 --> 00:01:09,670 gràcies per estar en funcionament conferència. 25 00:01:09,670 --> 00:01:12,970 Espero que tot està bé a New Haven. 26 00:01:12,970 --> 00:01:15,720 >> Així que sí, estic súper emocionada introduir Scaz avui. 27 00:01:15,720 --> 00:01:17,020 Scaz dirigeix ​​el laboratori de robòtica. 28 00:01:17,020 --> 00:01:19,690 Ell és un professor de, com a, cinc diferents departaments de la Universitat de Yale. 29 00:01:19,690 --> 00:01:23,159 En el seu laboratori, ell té molts, molts robots que li agrada jugar amb. 30 00:01:23,159 --> 00:01:24,950 Ell té, com, la millor treball al món. 31 00:01:24,950 --> 00:01:27,116 I arriba a la classe de desastre voltant amb això tot el dia 32 00:01:27,116 --> 00:01:29,090 de llarg i fer algun treball, també. 33 00:01:29,090 --> 00:01:33,070 >> I així que en realitat va portar 1 d'ells cap avall amb nosaltres avui. 34 00:01:33,070 --> 00:01:36,900 Així que sense més preàmbuls, Scaz és seguirà endavant i presentar- 35 00:01:36,900 --> 00:01:38,660 al seu amic robot. 36 00:01:38,660 --> 00:01:41,546 >> [Aplaudiments] 37 00:01:41,546 --> 00:01:42,935 38 00:01:42,935 --> 00:01:44,310 BRIAN Scassellati: Gràcies, David. 39 00:01:44,310 --> 00:01:45,380 Gràcies, Andy. 40 00:01:45,380 --> 00:01:50,050 És tan meravellós estar aquí amb tot el món en l'actualitat. 41 00:01:50,050 --> 00:01:56,490 Vull ser molt clar que primer el personal CS50 aquí a Cambridge 42 00:01:56,490 --> 00:01:59,190 ha estat molt hospitalaris amb nosaltres. 43 00:01:59,190 --> 00:02:02,130 Estem molt agraïts per tot el que han fet perquè ens donin suport. 44 00:02:02,130 --> 00:02:05,690 I així, ens agradaria poder per tornar la amabilitat. 45 00:02:05,690 --> 00:02:09,370 >> Així que avui, arribem a anunciar que tindrem una nova, 46 00:02:09,370 --> 00:02:15,240 un-de-una espècie d'esdeveniment CS50 passant a New Haven la setmana que ve. 47 00:02:15,240 --> 00:02:18,040 I aquest és el CS50 Investigació Expo. 48 00:02:18,040 --> 00:02:21,300 Així que estarem convidant everyone-- CS50 estudiants, 49 00:02:21,300 --> 00:02:26,510 el personal tant de Harvard i Yale-- a baixar i visitar amb nosaltres divendres. 50 00:02:26,510 --> 00:02:30,400 Tindrem una gran varietat de més de 30 persones diferents que presenten 51 00:02:30,400 --> 00:02:34,830 i upperclassmen exhibiting-- mostrant a alguns dels seus productes de recerca. 52 00:02:34,830 --> 00:02:38,480 Tindrem algunes noves empreses, fins i tot, mirant per una mica de nous talents tecnologia, 53 00:02:38,480 --> 00:02:40,460 noves empreses, tant de la Universitat de Harvard i Yale. 54 00:02:40,460 --> 00:02:44,550 I tindrem alguns grups d'estudiants buscant alguna nova composició. 55 00:02:44,550 --> 00:02:46,357 >> Serà un moment molt emocionant. 56 00:02:46,357 --> 00:02:49,190 Esperem que aquells de vostès que són que baixa per al partit de Harvard-Yale 57 00:02:49,190 --> 00:02:51,360 serà capaç d'aturar per una mica d'hora, 58 00:02:51,360 --> 00:02:54,060 just al centre del campus, Sterling Memorial Library. 59 00:02:54,060 --> 00:02:58,040 Tindrem un conjunt de exposicions que van des autònoma 60 00:02:58,040 --> 00:03:04,460 velers a formes d'utilitzar el programari per preservar els manuscrits medievals. 61 00:03:04,460 --> 00:03:07,860 >> Tindrem l'anunci xarxes hoc i la gent 62 00:03:07,860 --> 00:03:11,230 l'ensenyament de la codificació del programari a Ciutat del Cap. 63 00:03:11,230 --> 00:03:13,730 Tindrem equip manifestacions musicals. 64 00:03:13,730 --> 00:03:16,020 I anem a per descomptat tenim més robots. 65 00:03:16,020 --> 00:03:18,900 Així que vostè Esperem vaig uneix-t'hi per a aquest esdeveniment. 66 00:03:18,900 --> 00:03:21,350 Hi ha d'haver un munt de diversió, una mica de menjar, 67 00:03:21,350 --> 00:03:24,430 i un munt d'interessant coses que parlar. 68 00:03:24,430 --> 00:03:28,230 >> Així que avui, parlarem sobre el processament del llenguatge natural. 69 00:03:28,230 --> 00:03:32,560 I aquest és l'intent per nosaltres per construir una nova forma d'interactuar 70 00:03:32,560 --> 00:03:35,150 amb els nostres dispositius, ja des de fa unes setmanes, 71 00:03:35,150 --> 00:03:40,800 vostè ha estat enfocat en com és que pot escriure codi, escriure programari 72 00:03:40,800 --> 00:03:47,110 que és una manera de ser capaç de dir-li a un màquina, això és el que vull que facis. 73 00:03:47,110 --> 00:03:50,210 >> Però no hauríem necessitar esperar que tot 74 00:03:50,210 --> 00:03:53,760 això és per aquí que s'utilitza per tots en el món 75 00:03:53,760 --> 00:03:57,480 va ser competents en aquest tipus d'instrucció. 76 00:03:57,480 --> 00:04:02,540 Així distingim entre l'ordinador idiomes i Les Llengües del 77 00:04:02,540 --> 00:04:06,720 és a dir, les coses que els éssers humans utilitzen per comunicar-se amb altres éssers humans. 78 00:04:06,720 --> 00:04:12,270 I tractem de construir interfícies que utilitzen aquests mecanismes de comunicació naturals. 79 00:04:12,270 --> 00:04:16,029 >> Ara, igual que qualsevol altre tema que hem començat amb en CS50, 80 00:04:16,029 --> 00:04:19,589 anem a començar amb el més simple mica de processament del llenguatge natural 81 00:04:19,589 --> 00:04:21,269 que podem imaginar. 82 00:04:21,269 --> 00:04:24,940 Anem a començar amb el part històrica del llenguatge natural. 83 00:04:24,940 --> 00:04:28,740 I després construirem fins sistemes cada vegada més recents 84 00:04:28,740 --> 00:04:31,450 i tenen alguns donem diversió en el camí. 85 00:04:31,450 --> 00:04:35,900 >> Així que anem a començar amb el que era probablement el primer llenguatge natural 86 00:04:35,900 --> 00:04:38,210 sistema de processament. 87 00:04:38,210 --> 00:04:45,080 Això era un sistema de programari escrit en 1966 per Joseph Weizenbaum anomenat ELIZA. 88 00:04:45,080 --> 00:04:49,640 I Eliza va ser dissenyat per replicar el tipus d'interacció 89 00:04:49,640 --> 00:04:53,850 que tindria amb un Psicoterapeuta de Rogers. 90 00:04:53,850 --> 00:04:57,210 Ara, els rogerianos, tenien una idea que la psicoteràpia 91 00:04:57,210 --> 00:05:02,800 involucrats poder reflectir de tornada a un pacient i parlar amb ells, 92 00:05:02,800 --> 00:05:08,100 bàsicament, per només els dóna una miqueta del terapeuta. 93 00:05:08,100 --> 00:05:09,920 És a dir, tot que el terapeuta va dir 94 00:05:09,920 --> 00:05:16,500 se suposava que era només un reflex de el que el pacient estava dient a ells. 95 00:05:16,500 --> 00:05:18,990 >> Així que anem a tractar de Demo Aquesta. 96 00:05:18,990 --> 00:05:22,820 Tenim un voluntari que estaria disposats a compartir la seva més profunda, 97 00:05:22,820 --> 00:05:26,650 més fosques, i / o secrets falsos amb ELIZA? 98 00:05:26,650 --> 00:05:29,680 És clar, per què no anem cap amunt. 99 00:05:29,680 --> 00:05:30,847 Fantàstic. 100 00:05:30,847 --> 00:05:31,430 I el seu nom? 101 00:05:31,430 --> 00:05:32,000 >> MILERS: Miles. 102 00:05:32,000 --> 00:05:33,041 >> BRIAN Scassellati: Miles. 103 00:05:33,041 --> 00:05:34,270 Encantat de conèixer-te, Miles. 104 00:05:34,270 --> 00:05:36,270 Si voleu aferrar-se a això. 105 00:05:36,270 --> 00:05:40,840 I anem a utilitzar una versió de ELIZA 106 00:05:40,840 --> 00:05:44,640 que hem replicat dins de l'IDE CS50. 107 00:05:44,640 --> 00:05:47,140 I anem a veure la font codi per això en una estona. 108 00:05:47,140 --> 00:05:49,910 Però per ara, només som va invocar escrivint eliza. 109 00:05:49,910 --> 00:05:55,480 >> I Eliza es va a donar respostes que seran en totes les capitals. 110 00:05:55,480 --> 00:05:57,950 I vaig a fer-li algunes preguntes. 111 00:05:57,950 --> 00:06:02,130 I anem a respondre i tipus en les respostes a ELIZA. 112 00:06:02,130 --> 00:06:04,310 Així ELIZA ha dit: "Hola, sóc ELIZA. 113 00:06:04,310 --> 00:06:05,462 Quin és el teu problema?" 114 00:06:05,462 --> 00:06:08,092 Què t'agradaria dir-li ELIZA avui? 115 00:06:08,092 --> 00:06:10,750 >> MILERS: Només puc agafar el son si tinc sabatilles de conill en. 116 00:06:10,750 --> 00:06:12,440 >> BRIAN Scassellati: D'acord. 117 00:06:12,440 --> 00:06:13,360 Tot bé. 118 00:06:13,360 --> 00:06:15,300 >> [El] 119 00:06:15,300 --> 00:06:22,410 >> "Només puc agafar el son amb sabatilles de conill en ". 120 00:06:22,410 --> 00:06:29,000 I Eliza diu: "Escolta, oi tenir problemes psicològics? 121 00:06:29,000 --> 00:06:30,450 Potser això és un bon indicador ". 122 00:06:30,450 --> 00:06:30,780 >> D'ACORD. 123 00:06:30,780 --> 00:06:32,245 Llavors, ¿què li agradaria respondre? 124 00:06:32,245 --> 00:06:36,110 125 00:06:36,110 --> 00:06:36,970 >> MILERS: Sí. 126 00:06:36,970 --> 00:06:38,660 >> BRIAN Scassellati: Sí. 127 00:06:38,660 --> 00:06:39,570 Home de moltes paraules. 128 00:06:39,570 --> 00:06:41,870 M'agrada això. 129 00:06:41,870 --> 00:06:50,200 Eliza diu: "Vostè sembla força positiu." 130 00:06:50,200 --> 00:06:53,200 >> MILERS: No, jo sóc, de fet, un electró. 131 00:06:53,200 --> 00:06:55,150 >> BRIAN Scassellati: "No. 132 00:06:55,150 --> 00:07:02,240 De fet, sóc un electró ". "Has vingut a mi 133 00:07:02,240 --> 00:07:06,954 perquè vostè és un electró? " 134 00:07:06,954 --> 00:07:08,870 Ara, podem veure alguns el coses-- vaig 135 00:07:08,870 --> 00:07:10,200 a vostè fer una pausa per un segon, Miles. 136 00:07:10,200 --> 00:07:11,010 No anar enlloc. 137 00:07:11,010 --> 00:07:12,650 No hem acabat amb tu encara. 138 00:07:12,650 --> 00:07:16,490 ELIZA és, en certa manera, respondre a certes coses 139 00:07:16,490 --> 00:07:21,140 que ell està dient, però sense cap comprensió real. 140 00:07:21,140 --> 00:07:26,090 I també està repetint recuperar part de les parts de la seva condemna. 141 00:07:26,090 --> 00:07:27,310 >> Així que ens va dir: "No. 142 00:07:27,310 --> 00:07:29,090 De fet, sóc un electró ". 143 00:07:29,090 --> 00:07:34,190 Eliza va respondre de tornada, "Has vingut per a mi, perquè vostè és un electró? " 144 00:07:34,190 --> 00:07:34,690 Tot bé. 145 00:07:34,690 --> 00:07:36,050 Anem a donar-li una resposta més aquí. 146 00:07:36,050 --> 00:07:37,140 Donar-li una bona, Miles. 147 00:07:37,140 --> 00:07:37,806 >> MILERS: Bé un? 148 00:07:37,806 --> 00:07:48,400 149 00:07:48,400 --> 00:07:49,570 >> Sí, si us plau, ajudeu-me. 150 00:07:49,570 --> 00:07:50,570 BRIAN Scassellati: "Sí. 151 00:07:50,570 --> 00:07:58,010 Si us plau, ajudeu-me "." Estàs segur? " 152 00:07:58,010 --> 00:07:58,510 MILERS: No. 153 00:07:58,510 --> 00:08:00,860 BRIAN Scassellati: No. 154 00:08:00,860 --> 00:08:03,562 "Què suggereix per a vostè?" 155 00:08:03,562 --> 00:08:06,760 >> MILERS: Jo no pot ser un electró. 156 00:08:06,760 --> 00:08:11,170 >> BRIAN Scassellati: "Jo no pot ser un electró ". 157 00:08:11,170 --> 00:08:13,790 "Estàs dient que no acaba de ser negatiu?" 158 00:08:13,790 --> 00:08:14,390 >> Tot bé. 159 00:08:14,390 --> 00:08:16,030 Així Milers, moltes gràcies. 160 00:08:16,030 --> 00:08:16,860 >> MILERS: Gràcies. 161 00:08:16,860 --> 00:08:18,360 >> BRIAN Scassellati: Moltes gràcies. 162 00:08:18,360 --> 00:08:20,230 [Aplaudiments] 163 00:08:20,230 --> 00:08:21,230 164 00:08:21,230 --> 00:08:26,700 >> Així que aquest programa ELIZA, en molts sentits, està responent simplement a les peces 165 00:08:26,700 --> 00:08:32,730 que estem oferint sense cap profunda comprensió del que està passant aquí. 166 00:08:32,730 --> 00:08:36,640 Aquest és un tipus de sistema de denominat coincidència de patrons, on 167 00:08:36,640 --> 00:08:40,490 estem buscant certa fragments de text que estem continuació 168 00:08:40,490 --> 00:08:44,860 va a treure del que va ser proporcionat com a entrada, 169 00:08:44,860 --> 00:08:52,580 convertir-lo, potencialment, d'alguna manera, i després donar-li l'esquena a l'usuari. 170 00:08:52,580 --> 00:08:55,150 >> Algun de vostès pensen ELIZA que és en realitat 171 00:08:55,150 --> 00:08:58,230 realitzar la psicoanàlisi vàlida aquí? 172 00:08:58,230 --> 00:08:59,250 A una persona, potser. 173 00:08:59,250 --> 00:09:00,166 >> AUDIÈNCIA: [inaudible]. 174 00:09:00,166 --> 00:09:03,315 175 00:09:03,315 --> 00:09:05,440 BRIAN Scassellati: I com et fa sentir això? 176 00:09:05,440 --> 00:09:06,530 Sí, de fet, ho fa. 177 00:09:06,530 --> 00:09:10,890 I anem a veure, en realitat, la codi font perquè en un moment. 178 00:09:10,890 --> 00:09:13,580 I pel que seràs capaç de fer exactament això. 179 00:09:13,580 --> 00:09:17,420 >> Ara, ELIZA és una forma del que avui en diríem un bot de xat. 180 00:09:17,420 --> 00:09:19,950 Simplement va a través de la text que vostè està proporcionant, 181 00:09:19,950 --> 00:09:24,030 proporciona la suma mínim de comprensió o de processament, 182 00:09:24,030 --> 00:09:26,790 i després lloros de nou a vostè. 183 00:09:26,790 --> 00:09:31,830 Així que anem a fer una ullada, conceptualment, i parlar del que 184 00:09:31,830 --> 00:09:34,690 és que Eliza està fent realitat. 185 00:09:34,690 --> 00:09:42,000 >> ELIZA està prenent d'un let sentence-- dic: "Vull impressionar al meu cap." 186 00:09:42,000 --> 00:09:45,130 I Eliza està mirant a través d'aquesta frase, 187 00:09:45,130 --> 00:09:48,730 i tractant de trobar i coincidir amb certs patrons. 188 00:09:48,730 --> 00:09:52,850 Així, per exemple, un dels patrons ELIZA que està buscant són les paraules 189 00:09:52,850 --> 00:09:55,110 "Vull." 190 00:09:55,110 --> 00:09:59,330 I cada vegada que veu alguna cosa que té "Vull" en ella, 191 00:09:59,330 --> 00:10:01,770 formula una resposta. 192 00:10:01,770 --> 00:10:05,040 I aquesta resposta és una cadena fixa. 193 00:10:05,040 --> 00:10:07,915 En aquest cas, es tracta de "què és el que vols?" 194 00:10:07,915 --> 00:10:11,330 I vaig posar una petita estrella en al final, perquè això és només 195 00:10:11,330 --> 00:10:13,310 el començament de la nostra resposta. 196 00:10:13,310 --> 00:10:16,310 I l'estrella indica que anem a prendre la resta 197 00:10:16,310 --> 00:10:19,850 de utterance-- de l'usuari "per impressionar al meu cap" - 198 00:10:19,850 --> 00:10:24,500 i anem a afegir que a l'extrem d'aquesta cadena. 199 00:10:24,500 --> 00:10:28,990 >> Així que ara, en lloc de dir, "per què Què vols impressionar al meu cap " 200 00:10:28,990 --> 00:10:31,800 hi ha una mica de addicional processament que farem. 201 00:10:31,800 --> 00:10:34,440 És a dir, haurem de convertir alguns dels pronoms 202 00:10:34,440 --> 00:10:38,670 aquí des de "el meu cap" a "seu cap". 203 00:10:38,670 --> 00:10:41,300 I podria haver alguns altres canvis que necessitem fer. 204 00:10:41,300 --> 00:10:44,990 Així que en comptes de enganxant directament sobre el final, el que farem 205 00:10:44,990 --> 00:10:49,160 està prendrem la resta del utterance-- d'usuari en aquí-- blanc 206 00:10:49,160 --> 00:10:54,090 i ho prendrem una peça a un temps i convertir cada corda 207 00:10:54,090 --> 00:10:58,180 manera, cada paraula, en la sentència. 208 00:10:58,180 --> 00:10:59,580 >> Així que anem a prendre la paraula "per". 209 00:10:59,580 --> 00:11:01,650 No hi ha conversió que hem de fer això. 210 00:11:01,650 --> 00:11:02,340 "Impressiona". 211 00:11:02,340 --> 00:11:04,140 No hi ha conversió hem de fer. 212 00:11:04,140 --> 00:11:06,670 "El meu" es convertirà en "la seva". 213 00:11:06,670 --> 00:11:10,070 I "cap" només haurem de deixem com "cap". 214 00:11:10,070 --> 00:11:12,740 I finalment, qualsevol cosa que acaba amb un punt, 215 00:11:12,740 --> 00:11:16,640 ens convertirem en una pregunta. 216 00:11:16,640 --> 00:11:22,600 >> Aquesta molt simple coincidència de patrons és en realitat bastant èxit. 217 00:11:22,600 --> 00:11:27,260 I quan això es va introduir en 1966-- Joseph Weizenbaum 218 00:11:27,260 --> 00:11:28,986 programada en un equip. 219 00:11:28,986 --> 00:11:31,110 Ara, els ordinadors de l'època no eren models d'escriptori. 220 00:11:31,110 --> 00:11:33,950 Ells es van compartir recursos. 221 00:11:33,950 --> 00:11:39,090 I els seus estudiants ho faria anar i xerrar amb ELIZA. 222 00:11:39,090 --> 00:11:41,570 Finalment, va haver de restringir l'accés a la mateixa 223 00:11:41,570 --> 00:11:43,890 perquè els seus estudiants no estaven aconseguir qualsevol feina feta. 224 00:11:43,890 --> 00:11:46,190 Estaven xerrant amb ELIZA. 225 00:11:46,190 --> 00:11:48,850 I, de fet, va haver de acomiadar al seu ajudant, que 226 00:11:48,850 --> 00:11:55,840 gastat tot el seu temps parlant amb ELIZA sobre els seus problemes profunds i preocupants. 227 00:11:55,840 --> 00:12:00,350 >> Tot el que utilitza aquests sistemes començat a antropomorfitzar ells. 228 00:12:00,350 --> 00:12:04,490 Van començar a pensar en ells com sent animat i persones reals. 229 00:12:04,490 --> 00:12:07,969 Van començar a reconèixer alguns les coses que ells estaven dient 230 00:12:07,969 --> 00:12:09,010 van anar arribant de nou a ells. 231 00:12:09,010 --> 00:12:12,120 I van anar descobrint coses sobre si mateixos. 232 00:12:12,120 --> 00:12:17,290 I, de fet, fins i tot els experts, fins i tot els psicoterapeutes, 233 00:12:17,290 --> 00:12:22,930 va començar a preocupar-se que, de fet, potser ELIZA seria substituir-los. 234 00:12:22,930 --> 00:12:25,640 I fins i tot l'ordinador Els científics temen que estàvem 235 00:12:25,640 --> 00:12:30,040 tan a prop de la solució de llenguatge natural. 236 00:12:30,040 --> 00:12:33,520 >> Ara, això no era qualsevol lloc prop de la veritat. 237 00:12:33,520 --> 00:12:37,280 Però això és el impressionant aquests sistemes poden semblar. 238 00:12:37,280 --> 00:12:40,080 Així que anem a començar a buscar sota i tractar 239 00:12:40,080 --> 00:12:46,190 per aconseguir una mica d'una pregunta d'on el codi que realment passa. 240 00:12:46,190 --> 00:12:48,170 Així que farem aquest codi disponibles després. 241 00:12:48,170 --> 00:12:50,880 I aquesta és una molt port simple i directe 242 00:12:50,880 --> 00:12:53,240 de la implementació original ELIZA. 243 00:12:53,240 --> 00:12:56,350 >> Així que alguns d'aquests estilística coses que veuràs aquí 244 00:12:56,350 --> 00:12:59,360 no són estilísticament el ens agradaria que fessis 245 00:12:59,360 --> 00:13:01,480 o el que hem estat ensenyant que facis. 246 00:13:01,480 --> 00:13:04,770 Però hem tractat de mantenir- la mateixa a través dels molts ports 247 00:13:04,770 --> 00:13:08,087 que això ha tingut de manera que té el gust de l'original. 248 00:13:08,087 --> 00:13:09,920 Així que anem a incloure un munt de coses, 249 00:13:09,920 --> 00:13:12,920 i després tindrem un un conjunt de paraules clau, les coses 250 00:13:12,920 --> 00:13:16,460 que ELIZA reconeixerà i respondre directament a. 251 00:13:16,460 --> 00:13:20,780 Així que si vostè té paraules com "Pot vostè" o "no fer" o "no" 252 00:13:20,780 --> 00:13:24,680 o "sí" o "somni" o "hola", llavors ELIZA 253 00:13:24,680 --> 00:13:27,920 respondrà selectivament a aquells. 254 00:13:27,920 --> 00:13:30,010 També tindrem un força coses 255 00:13:30,010 --> 00:13:34,940 que canviarem, igual que la conversió de "el meu" al "seu". 256 00:13:34,940 --> 00:13:39,920 >> I després tindrem un conjunt de respostes que per a cadascuna d'aquestes paraules clau, 257 00:13:39,920 --> 00:13:42,580 anem a girar a través de aquestes diferents respostes. 258 00:13:42,580 --> 00:13:45,350 Així que si dic "sí" tres vegades seguides, em 259 00:13:45,350 --> 00:13:50,429 podria obtenir tres diferents respostes d'ELIZA. 260 00:13:50,429 --> 00:13:52,345 El nostre codi és, doncs, realment molt simple. 261 00:13:52,345 --> 00:13:59,490 Si em desplaço cap avall més enllà tots ells respostes que hem programats en 262 00:13:59,490 --> 00:14:02,920 i ens posem mans al nostre principal, anem a inicialitzar 263 00:14:02,920 --> 00:14:06,540 un parell de diferents variables i fer una mica de neteja 264 00:14:06,540 --> 00:14:08,480 al principi. 265 00:14:08,480 --> 00:14:11,760 Però llavors no hi ha absolutament un conjunt de codi que vostè pugui entendre. 266 00:14:11,760 --> 00:14:15,820 Un bucle while gran que diu que sóc va a repetir això una i altra. 267 00:14:15,820 --> 00:14:20,420 Vaig a llegir en una línia, i vaig a emmagatzemar que, en una cadena d'entrada. 268 00:14:20,420 --> 00:14:23,880 Vaig a comprovar i veure si és la paraula clau especial "bye", que 269 00:14:23,880 --> 00:14:26,199 significa sortir del programa. 270 00:14:26,199 --> 00:14:29,240 I després vaig a comprovar i veure si algú està simplement repetint-se a si mateixos 271 00:14:29,240 --> 00:14:29,800 un cop rere altre. 272 00:14:29,800 --> 00:14:31,174 I vaig a cridar a ells si ho fan. 273 00:14:31,174 --> 00:14:34,820 Vaig a dir "no et repeteixis". 274 00:14:34,820 --> 00:14:40,500 >> Mentre que cap dels que passi, anem a a continuació, analitzar a través i recórrer, 275 00:14:40,500 --> 00:14:45,330 en les línies 308-313 aquí, i comprovar i veure 276 00:14:45,330 --> 00:14:49,090 són qualsevol de les paraules clau frases contingudes a l'entrada 277 00:14:49,090 --> 00:14:50,620 que m'acaben de donar? 278 00:14:50,620 --> 00:14:54,845 Si hi ha una coincidència per a ells, així a continuació, recordaré aquesta ubicació. 279 00:14:54,845 --> 00:14:57,050 Recordaré aquesta paraula clau. 280 00:14:57,050 --> 00:14:58,620 I seré capaç de construir una resposta. 281 00:14:58,620 --> 00:15:03,150 >> Si no trobo un, bé, llavors, l'última cosa en el meu arsenal de paraules clau 282 00:15:03,150 --> 00:15:08,070 seran les meves respostes predeterminades, quan res més partits. 283 00:15:08,070 --> 00:15:14,160 Li preguntaré a preguntes com "Per què ho vas fer vinc aquí? "o" Com puc ajudar? " 284 00:15:14,160 --> 00:15:19,710 que són només parcialment adequada no importa el que és l'entrada. 285 00:15:19,710 --> 00:15:22,580 >> A continuació, li construïm la resposta d'ELIZA. 286 00:15:22,580 --> 00:15:26,040 Serem capaços de prendre que la resposta de base, 287 00:15:26,040 --> 00:15:28,370 tal com ho vam fer en aquest exemple "el meu cap". 288 00:15:28,370 --> 00:15:30,970 289 00:15:30,970 --> 00:15:33,990 Si això és tot el que hi ha és-- si és només una 290 00:15:33,990 --> 00:15:36,860 cadena que se suposa que he respond-- Jo només puc enviar de tornada. 291 00:15:36,860 --> 00:15:40,610 Si té un asterisc al el final de la mateixa, llavors vaig a 292 00:15:40,610 --> 00:15:45,710 processar cada fitxa individual en la resta de la resposta de l'usuari 293 00:15:45,710 --> 00:15:51,590 i afegir els de, intercanviant paraula per paraula el que necessito. 294 00:15:51,590 --> 00:15:56,100 >> Tot això és absolutament cosa que es podria construir. 295 00:15:56,100 --> 00:15:59,230 I de fet, les formes en què ens tenir arguments de línia de comandes processats, 296 00:15:59,230 --> 00:16:03,570 la forma en què vostè té processat a través de peticions HTTP 297 00:16:03,570 --> 00:16:05,510 segueixi el mateix tipus de regles. 298 00:16:05,510 --> 00:16:08,220 Són patrons. 299 00:16:08,220 --> 00:16:15,170 >> Així ELIZA tenia una relativament important impacte en llenguatge natural 300 00:16:15,170 --> 00:16:21,620 perquè feia semblar com si fos una meta molt assolible, igual que d'alguna manera ens havíem 301 00:16:21,620 --> 00:16:25,550 ser capaç de resoldre aquest problema directament. 302 00:16:25,550 --> 00:16:30,670 Ara, això no vol dir que ELIZA fa tot el que ens agradaria fer. 303 00:16:30,670 --> 00:16:33,710 Certament no. 304 00:16:33,710 --> 00:16:35,660 Però hem de ser capaços de fer alguna cosa més. 305 00:16:35,660 --> 00:16:38,280 306 00:16:38,280 --> 00:16:41,490 >> El nostre primer pas per anar més enllà de ELIZA va 307 00:16:41,490 --> 00:16:44,840 ser capaç de mirar a No està ingressat text 308 00:16:44,840 --> 00:16:53,750 en el teclat, però la parla, real discurs gravat en un micròfon. 309 00:16:53,750 --> 00:16:56,880 Així que si ens fixem en aquests diferents peces, estem 310 00:16:56,880 --> 00:17:00,304 va a haver de construir un conjunt de models. 311 00:17:00,304 --> 00:17:02,970 Haurem de ser capaç de per anar de l'acústica de baix nivell 312 00:17:02,970 --> 00:17:07,180 tirada informació--, amplitud, frequency-- 313 00:17:07,180 --> 00:17:09,530 i convertir això en algunes unitats que estem 314 00:17:09,530 --> 00:17:14,619 capaç de manipular amb més facilitat i, finalment, manipular- 315 00:17:14,619 --> 00:17:18,609 en paraules i oracions. 316 00:17:18,609 --> 00:17:22,880 >> Així que la majoria de reconeixement de veu sistemes que hi són fora avui 317 00:17:22,880 --> 00:17:26,069 seguir una estadística model en el qual construïm 318 00:17:26,069 --> 00:17:35,090 tres representacions diferents del que que el senyal d'àudio conté en realitat. 319 00:17:35,090 --> 00:17:38,640 Comencem amb un model de fonètica que parla de només la base 320 00:17:38,640 --> 00:17:41,250 sons que estic produint. 321 00:17:41,250 --> 00:17:46,900 Estic produint una cosa que és un B com en nen o una D com en el gos? 322 00:17:46,900 --> 00:17:53,220 Com puc reconèixer els dos diferents mòbils com separat i diferent? 323 00:17:53,220 --> 00:17:56,600 >> A més d'això, anem a continuació, construïm un model de pronunciació de les paraules, 324 00:17:56,600 --> 00:18:01,350 alguna cosa que uneix aquests telèfons individuals 325 00:18:01,350 --> 00:18:04,724 i els combina en una sola paraula. 326 00:18:04,724 --> 00:18:07,890 I després d'això, anem a prendre les paraules i nosaltres muntem amb un llenguatge 327 00:18:07,890 --> 00:18:13,010 modelar en una oració completa. 328 00:18:13,010 --> 00:18:17,230 >> Ara, anem a parlar de cadascun d'ells de forma independent i per separat. 329 00:18:17,230 --> 00:18:21,580 Però aquests tres models són tots només serà estadístiques. 330 00:18:21,580 --> 00:18:23,502 I això vol dir que quan ens treballar amb ells, anem a 331 00:18:23,502 --> 00:18:25,376 ser capaç de treballar amb tots ells simultàniament. 332 00:18:25,376 --> 00:18:28,100 333 00:18:28,100 --> 00:18:28,600 Tot bé. 334 00:18:28,600 --> 00:18:30,890 Anem a començar amb el nostre model de fonètica. 335 00:18:30,890 --> 00:18:34,470 Així models fonètics depenen de una tècnica computacional 336 00:18:34,470 --> 00:18:37,320 anomenada models ocults de Markov. 337 00:18:37,320 --> 00:18:43,050 Aquests són models gràfics en què em tenir i reconèixer un estat del món 338 00:18:43,050 --> 00:18:46,500 com es caracteritza per un conjunt de característiques. 339 00:18:46,500 --> 00:18:51,960 I aquest estat descriu una part d'una acció que estic compromès en. 340 00:18:51,960 --> 00:19:00,190 >> Així que si ho penso fer el so "ma", com a mare, 341 00:19:00,190 --> 00:19:03,970 hi ha diferents components a aquest so. 342 00:19:03,970 --> 00:19:07,230 Hi ha una part en què em baso en la respiració. 343 00:19:07,230 --> 00:19:09,560 I després Premo els llavis. 344 00:19:09,560 --> 00:19:13,710 I Poso els llavis una mica cap enrere granet de sorra per fer que el so "ma". 345 00:19:13,710 --> 00:19:15,340 I després hi ha un comunicat. 346 00:19:15,340 --> 00:19:17,020 Els meus llavis se separen. 347 00:19:17,020 --> 00:19:19,030 L'aire és expulsat. 348 00:19:19,030 --> 00:19:22,650 "Ma". 349 00:19:22,650 --> 00:19:29,250 >> Aquestes tres parts diferents serien representat pels estats en aquest graph-- 350 00:19:29,250 --> 00:19:33,420 el començament, el medi i la fi. 351 00:19:33,420 --> 00:19:38,060 I jo hauria transicions que em va permetre viatjar d'un estat 352 00:19:38,060 --> 00:19:42,260 a la següent amb una certa probabilitat. 353 00:19:42,260 --> 00:19:47,250 Així, per exemple, que M sonar podria tenir un molt, 354 00:19:47,250 --> 00:19:51,850 ingesta molt curt en el beginning-- "mm" - i després un més llarg, 355 00:19:51,850 --> 00:19:55,640 fase vibratòria on m'estic contenint els llavis i gairebé humming-- 356 00:19:55,640 --> 00:20:05,090 "mmmm" - i després un molt curt plosive on jo expulso breath-- "ma". 357 00:20:05,090 --> 00:20:09,370 >> El model ocult de Markov és dissenyat per capturar el fet 358 00:20:09,370 --> 00:20:13,340 que la forma en què faig aquest so "ma" es va 359 00:20:13,340 --> 00:20:17,350 a ser lleugerament diferent en seva temporització, és la freqüència, 360 00:20:17,350 --> 00:20:21,030 i les seves funcions que la forma en què vostè ho fa 361 00:20:21,030 --> 00:20:23,300 o la manera en què jo podria fer-ho quan estic parlant 362 00:20:23,300 --> 00:20:26,030 uns usos diferents de la lletra. 363 00:20:26,030 --> 00:20:33,240 "Mare" i "pot ser que" voluntat sonar lleugerament diferent. 364 00:20:33,240 --> 00:20:36,800 >> Així que per reconèixer una en particular so, ho faríem 365 00:20:36,800 --> 00:20:42,020 construir models de Markov, aquests ocult de Markov models, de tots els telèfons possible que jo 366 00:20:42,020 --> 00:20:45,840 pot ser que vulgui reconèixer, cada so possible, 367 00:20:45,840 --> 00:20:49,750 i després mirar el dades acústics que tinc 368 00:20:49,750 --> 00:20:54,430 i determinar estadísticament quina és la més probable 369 00:20:54,430 --> 00:20:58,110 haver produït aquest so. 370 00:20:58,110 --> 00:20:58,610 D'ACORD. 371 00:20:58,610 --> 00:21:01,540 372 00:21:01,540 --> 00:21:06,750 Amb aquest model, que després començar a construir a la part superior de la mateixa. 373 00:21:06,750 --> 00:21:09,330 Prenem un model de pronunciació. 374 00:21:09,330 --> 00:21:11,790 Ara, pronunciació vegades models són simples i fàcils 375 00:21:11,790 --> 00:21:14,440 perquè només hi ha una manera de pronunciar alguna cosa. 376 00:21:14,440 --> 00:21:17,990 Altres vegades, són un poc més complicat. 377 00:21:17,990 --> 00:21:21,340 Heus aquí una guia de pronunciació per aquesta cosa vermella que és 378 00:21:21,340 --> 00:21:25,210 una fruita que vostè fa la salsa de tomàquet fora de. 379 00:21:25,210 --> 00:21:27,360 La gent no pensa que és una fruita. 380 00:21:27,360 --> 00:21:27,860 Oi? 381 00:21:27,860 --> 00:21:30,880 382 00:21:30,880 --> 00:21:35,300 >> Ara, hi ha moltes maneres diferents que les persones es pronuncia aquesta paraula. 383 00:21:35,300 --> 00:21:37,780 Alguns diran "toe-mai-toe". 384 00:21:37,780 --> 00:21:40,880 Alguns diran "toe-mah-toe". 385 00:21:40,880 --> 00:21:44,800 I podem copsar que amb un d'aquests models gràfics 386 00:21:44,800 --> 00:21:48,305 on, de nou, representem transicions com tenint una certa probabilitat 387 00:21:48,305 --> 00:21:51,360 i associat probabilitat amb ells. 388 00:21:51,360 --> 00:21:58,290 >> Així que en aquest cas, si hagués de seguir la ruta superior a través de tot aquest gràfica, 389 00:21:58,290 --> 00:22:03,330 Jo estaria començant a la lletra A l'extrem esquerre, el "ta" de so. 390 00:22:03,330 --> 00:22:07,570 Em prendré la meitat superior, el "oh" i després un "ma" 391 00:22:07,570 --> 00:22:14,530 i després una "a", i després un "ta", i un "oh". "Toe-mai-toe". 392 00:22:14,530 --> 00:22:19,610 Si vaig prendre el camí de fons a través de això, vaig a aconseguir "ta-mah-toe". 393 00:22:19,610 --> 00:22:26,810 I si em vaig baixar i després fins, m'agradaria tenir "ta-mai-dit del peu." 394 00:22:26,810 --> 00:22:29,950 >> Aquests models capturen aquests diferències perquè sempre 395 00:22:29,950 --> 00:22:32,410 despleguem d'elles sistemes de reconeixement, 396 00:22:32,410 --> 00:22:35,340 que va a haver de treballar amb un munt de diferents tipus de persones, 397 00:22:35,340 --> 00:22:39,295 un munt de diferents accents, i fins i tot diferents usos de les mateixes paraules. 398 00:22:39,295 --> 00:22:42,204 399 00:22:42,204 --> 00:22:44,120 Finalment, a més d'això, construirem una mica 400 00:22:44,120 --> 00:22:48,780 que es veu molt complicat, anomenat el model de llenguatge, 401 00:22:48,780 --> 00:22:52,950 però en realitat és el més simple de els tres pel fet que aquests operen 402 00:22:52,950 --> 00:22:56,041 en el que es diuen models de n-gram. 403 00:22:56,041 --> 00:23:02,270 I en aquest cas, t'estic mostrant un model de n-grames de dues parts, una bigrama. 404 00:23:02,270 --> 00:23:08,910 Farem física la idea que de vegades, certes paraules són 405 00:23:08,910 --> 00:23:14,680 més propensos a seguir una donada paraula que altres. 406 00:23:14,680 --> 00:23:25,210 Si acabo de dir "el pronòstic del temps" la següent paraula probablement podria ser "avui" 407 00:23:25,210 --> 00:23:31,510 o podria ser "el clima la predicció per demà ". 408 00:23:31,510 --> 00:23:38,870 Però és poc probable que sigui "la previsió meteorològica de la carxofa ". 409 00:23:38,870 --> 00:23:42,980 >> El que un model de llenguatge fa és que captura els estadísticament 410 00:23:42,980 --> 00:23:47,450 comptant, des d'algunes molt grans corpus, totes les instàncies 411 00:23:47,450 --> 00:23:50,890 en què una paraula segueix a un altre. 412 00:23:50,890 --> 00:23:54,300 Així que si em prenc un gran corpus-- com cada Wall Street Journal 413 00:23:54,300 --> 00:24:00,750 que s'ha produït des de 1930, que és un dels corpuses-- estàndard 414 00:24:00,750 --> 00:24:03,910 i miro a través de tot aquest text, i conte 415 00:24:03,910 --> 00:24:09,770 fins quantes vegades després "pronòstic" què veig "avui" 416 00:24:09,770 --> 00:24:17,454 i quantes vegades ho faig veig "previsió", seguit de "carxofa" 417 00:24:17,454 --> 00:24:19,370 el primer va a ser molt més probable. 418 00:24:19,370 --> 00:24:21,540 Va a aparèixer amb molta més freqüència. 419 00:24:21,540 --> 00:24:24,610 I pel que tindrà un major probabilitat associada a ella. 420 00:24:24,610 --> 00:24:27,340 >> Si vull esbrinar la probabilitat de tot un enunciat, 421 00:24:27,340 --> 00:24:29,940 llavors, jo només trencar-lo. 422 00:24:29,940 --> 00:24:35,990 Per tant la probabilitat d'audiència la frase "la rata es va menjar el formatge" 423 00:24:35,990 --> 00:24:39,110 és la probabilitat de la paraula "el" a partir d'una frase, 424 00:24:39,110 --> 00:24:42,540 i llavors la probabilitat que el paraula "rata" segueix a la paraula "the" 425 00:24:42,540 --> 00:24:44,910 i la probabilitat que la paraula "va menjar" següent "rata" 426 00:24:44,910 --> 00:24:51,120 i la probabilitat que "formatge" segueix "va menjar". 427 00:24:51,120 --> 00:24:55,160 >> Això sona com una gran quantitat de estadístiques, una gran quantitat de probabilitats. 428 00:24:55,160 --> 00:24:57,510 I això és tot el que és. 429 00:24:57,510 --> 00:25:02,920 Però el sorprenent és que si vostè fa això amb una mostra prou gran de dades, 430 00:25:02,920 --> 00:25:03,670 funciona. 431 00:25:03,670 --> 00:25:05,250 I funciona tremendament bé. 432 00:25:05,250 --> 00:25:07,810 433 00:25:07,810 --> 00:25:11,420 Tots sabem que aquestes tecnologies. 434 00:25:11,420 --> 00:25:16,500 La majoria dels sistemes operatius vénen amb reconeixement de veu en aquest punt. 435 00:25:16,500 --> 00:25:20,940 Utilitzem Siri i Cortana i Echo. 436 00:25:20,940 --> 00:25:25,070 I aquestes coses es basen en aquest tipus de de tres capes model-- 437 00:25:25,070 --> 00:25:30,620 un model fonètica en la part inferior, un model de pronunciació en el medi, 438 00:25:30,620 --> 00:25:33,690 i un model de llenguatge a la part superior d'ells. 439 00:25:33,690 --> 00:25:37,630 >> Ara, han de fer una mica més que per tal de respondre a les preguntes. 440 00:25:37,630 --> 00:25:43,000 Però el reconeixement del que ets dit depèn exactament en això. 441 00:25:43,000 --> 00:25:45,700 Així que donem un exemple aquí. 442 00:25:45,700 --> 00:25:52,020 Així que tinc el meu telèfon assegut aquí per sota de la càmera de documents. 443 00:25:52,020 --> 00:25:56,110 I anem a demana Siri algunes preguntes. 444 00:25:56,110 --> 00:25:57,150 Tot bé? 445 00:25:57,150 --> 00:25:59,940 >> Així que anem a despertar al meu telèfon aquí. 446 00:25:59,940 --> 00:26:02,710 447 00:26:02,710 --> 00:26:05,000 Siri, quin és el clima com a New Haven avui? 448 00:26:05,000 --> 00:26:07,670 449 00:26:07,670 --> 00:26:10,780 >> SIRI: Aquí està el clima per New Haven, Connecticut avui. 450 00:26:10,780 --> 00:26:11,890 >> BRIAN Scassellati: OK. 451 00:26:11,890 --> 00:26:16,720 Així que primer que va veure que Siri reconegut cadascuna de les paraules individuals 452 00:26:16,720 --> 00:26:19,050 i després produït una resposta. 453 00:26:19,050 --> 00:26:22,277 Parlarem de com aquesta resposta ve voltant d'una mica. 454 00:26:22,277 --> 00:26:24,110 Però ara que sabem que això es basa simplement 455 00:26:24,110 --> 00:26:28,880 en les estadístiques de primes i aquest patró de tipus coincidència d'enfocament, 456 00:26:28,880 --> 00:26:31,120 podem jugar alguns jocs amb Siri. 457 00:26:31,120 --> 00:26:34,560 >> Així que puc intentar-ho de nou. 458 00:26:34,560 --> 00:26:38,864 Siri, quin és el clima hipopòtam New Haven, avui? 459 00:26:38,864 --> 00:26:39,810 >> SIRI: OK. 460 00:26:39,810 --> 00:26:44,245 Aquí està el temps a New Haven, Connecticut per avui. 461 00:26:44,245 --> 00:26:46,120 BRIAN Scassellati: Siri No intimidat per que 462 00:26:46,120 --> 00:26:50,980 perquè es va trobar la pattern-- "temps", "avui", "New Haven". 463 00:26:50,980 --> 00:26:54,420 Això és el que està responent que, igual que ELIZA. 464 00:26:54,420 --> 00:26:54,920 Tot bé. 465 00:26:54,920 --> 00:26:59,390 Anem a donar-li una més encara exemple més ridícul. 466 00:26:59,390 --> 00:27:03,075 Siri, carxofa temps armadillo hipopòtam New Haven? 467 00:27:03,075 --> 00:27:06,806 468 00:27:06,806 --> 00:27:08,400 >> SIRI: Déjame veure com està això. 469 00:27:08,400 --> 00:27:11,280 Això és el que vaig trobar a la web per al que són les carxofes armadillo 470 00:27:11,280 --> 00:27:13,780 hipopòtam New Haven. 471 00:27:13,780 --> 00:27:14,760 >> BRIAN Scassellati: OK. 472 00:27:14,760 --> 00:27:20,400 Així que si em vaig prou lluny d'aquest model, 473 00:27:20,400 --> 00:27:24,365 Sóc capaç de confondre perquè hi ha ja coincideix amb el patró que té. 474 00:27:24,365 --> 00:27:27,370 475 00:27:27,370 --> 00:27:29,390 I aquesta estadística motor que està dient, 476 00:27:29,390 --> 00:27:32,850 ¿Quina és la probabilitat que tens les paraules de hipopòtam i carxofa 477 00:27:32,850 --> 00:27:34,440 junts, i armadillo? 478 00:27:34,440 --> 00:27:36,050 Això ha de ser alguna cosa nova. 479 00:27:36,050 --> 00:27:38,840 480 00:27:38,840 --> 00:27:40,610 >> Així que aquestes tecnologies que fem servir cada dia. 481 00:27:40,610 --> 00:27:43,670 482 00:27:43,670 --> 00:27:47,800 Si volem portar-un pas A més, però, si en realitat 483 00:27:47,800 --> 00:27:53,930 vull ser capaç de parlar del que és que aquests sistemes estan responent a, 484 00:27:53,930 --> 00:28:00,630 hem de parlar, de nou, sobre un conjunt més fonamental de preguntes. 485 00:28:00,630 --> 00:28:05,370 I això és un tema de la comunicació que anomenem pregunta de resposta. 486 00:28:05,370 --> 00:28:07,028 És a dir, volem ser capaços A-- sí? 487 00:28:07,028 --> 00:28:07,944 AUDIÈNCIA: [inaudible]. 488 00:28:07,944 --> 00:28:10,789 489 00:28:10,789 --> 00:28:13,330 BRIAN Scassellati: ¿Aconseguim en el processament semàntic latent? 490 00:28:13,330 --> 00:28:14,070 Així que si. 491 00:28:14,070 --> 00:28:17,820 Hi ha un munt de coses que són passant per sota de la superfície amb Siri 492 00:28:17,820 --> 00:28:20,210 i en alguns dels exemples Vaig a mostrar-li al costat 493 00:28:20,210 --> 00:28:22,610 on hi ha una mica en termes de l'estructura 494 00:28:22,610 --> 00:28:25,260 del que estàs dient que això és important. 495 00:28:25,260 --> 00:28:31,890 I, de fet, això és un gran precursor per a la següent diapositiva per a mi. 496 00:28:31,890 --> 00:28:35,110 >> Així que de la mateixa manera que el nostre reconeixement de veu es va construir 497 00:28:35,110 --> 00:28:39,620 de múltiples capes, si volem entendre què és el que en realitat és 498 00:28:39,620 --> 00:28:44,620 Dit això, anem a tornar basar-se en una anàlisi multicapa de 499 00:28:44,620 --> 00:28:47,020 del text que està sent reconegut. 500 00:28:47,020 --> 00:28:52,560 Així que quan Siri és realment capaç de per exemple, veig que vaig trobar aquestes paraules. 501 00:28:52,560 --> 00:28:55,230 Ara, què faig amb ells? 502 00:28:55,230 --> 00:28:59,110 El primer component és sovint passar i tractar d'analitzar 503 00:28:59,110 --> 00:29:03,010 l'estructura de la frase. 504 00:29:03,010 --> 00:29:05,410 I en el que hem vist a l'escola primària, sovint, 505 00:29:05,410 --> 00:29:08,920 com una mena de diagramació frases, anem 506 00:29:08,920 --> 00:29:12,774 reconèixer que certa les paraules tenen certs rols. 507 00:29:12,774 --> 00:29:13,440 Aquests són els noms. 508 00:29:13,440 --> 00:29:14,231 Aquests són els pronoms. 509 00:29:14,231 --> 00:29:16,200 Aquests són els verbs. 510 00:29:16,200 --> 00:29:19,460 I anem a reconèixer que per a una gramàtica particular 511 00:29:19,460 --> 00:29:24,700 en aquest cas Anglès gramàtica, hi ha formes vàlides en què puc combinar- 512 00:29:24,700 --> 00:29:26,280 i altres formes que no són vàlids. 513 00:29:26,280 --> 00:29:29,920 514 00:29:29,920 --> 00:29:33,870 >> Aquest reconeixement, que l'estructura, podria ser suficient per ajudar a guiar-nos 515 00:29:33,870 --> 00:29:36,720 una mica. 516 00:29:36,720 --> 00:29:39,820 Però no és suficient perquè siguem capaços de donar 517 00:29:39,820 --> 00:29:43,290 qualsevol sentit al que es diu aquí. 518 00:29:43,290 --> 00:29:46,615 Per fer això, anem a haver de dependre de una certa quantitat de processament semàntic. 519 00:29:46,615 --> 00:29:49,590 520 00:29:49,590 --> 00:29:55,080 És a dir, que anem a haver de mirar en sota del que cadascuna d'aquestes paraules 521 00:29:55,080 --> 00:29:57,400 en realitat porta com a significat. 522 00:29:57,400 --> 00:30:01,150 I en la forma més senzilla de fer això, anem a associar amb cada paraula 523 00:30:01,150 --> 00:30:06,930 que sabem que una determinada funció, una certa transformació que 524 00:30:06,930 --> 00:30:09,300 permet que succeeixi. 525 00:30:09,300 --> 00:30:14,470 >> En aquest cas, podríem etiquetar el paraula "Juan" com un nom propi, 526 00:30:14,470 --> 00:30:18,160 que porta amb si una identitat. 527 00:30:18,160 --> 00:30:21,530 I podríem etiquetar "Maria", com de la mateixa manera. 528 00:30:21,530 --> 00:30:27,900 Mentre que un verb com "amors", que constitueix una relació particular 529 00:30:27,900 --> 00:30:31,582 que som capaços de representar. 530 00:30:31,582 --> 00:30:33,290 Ara, això no vol dir que entenem 531 00:30:33,290 --> 00:30:37,680 què és l'amor, sinó només que entenem en la forma d'un sistema simbòlic. 532 00:30:37,680 --> 00:30:40,480 És a dir, podem etiquetar i manipular-lo. 533 00:30:40,480 --> 00:30:44,230 534 00:30:44,230 --> 00:30:49,120 >> Amb cada un d'aquests tipus d'enfocaments, qualsevol tipus de processament semàntic 535 00:30:49,120 --> 00:30:57,060 aquí va requerir una mica mica de coneixement i un munt de treball 536 00:30:57,060 --> 00:30:59,020 per la nostra part. 537 00:30:59,020 --> 00:31:03,590 Ja no estem en el regne on les estadístiques prou feines pla 538 00:31:03,590 --> 00:31:07,320 van a ser suficient per a nosaltres. 539 00:31:07,320 --> 00:31:11,330 Ara, per tal d'anar des d'aquest punt de ser 540 00:31:11,330 --> 00:31:15,520 capaç de parlar sobre l'interior de el que en realitat està passant aquí, 541 00:31:15,520 --> 00:31:19,640 per ser capaç de manipular aquest estructurar i entendre una pregunta 542 00:31:19,640 --> 00:31:23,160 i després poder per sortir a buscar, 543 00:31:23,160 --> 00:31:27,290 que requereix un major model cognitiu complex. 544 00:31:27,290 --> 00:31:34,880 >> La forma en què es construeixen aquests sistemes és en la seva major part molt, molt laboral 545 00:31:34,880 --> 00:31:36,350 intensiva. 546 00:31:36,350 --> 00:31:39,490 Impliquen humans gastar una gran quantitat 547 00:31:39,490 --> 00:31:44,100 de temps estructurar les formes en que aquest tipus de sentències 548 00:31:44,100 --> 00:31:47,270 es pot representar en certa lògica. 549 00:31:47,270 --> 00:31:51,639 550 00:31:51,639 --> 00:31:53,430 Es fa encara una mica més complex, però. 551 00:31:53,430 --> 00:31:56,400 552 00:31:56,400 --> 00:31:59,660 >> Fins i tot una vegada que hem tractat amb la semàntica, anem a 553 00:31:59,660 --> 00:32:03,860 encara ha de mirar el pragmàtica del que es diu. 554 00:32:03,860 --> 00:32:08,620 És a dir, com em relaciono les paraules que he de mica físicament 555 00:32:08,620 --> 00:32:12,054 hi ha al món, o menys alguns font d'informació 556 00:32:12,054 --> 00:32:12,970 que puc manipular? 557 00:32:12,970 --> 00:32:15,780 558 00:32:15,780 --> 00:32:20,790 >> A vegades, aquests condueixen a meravellosos trossos d'ambigüitat. 559 00:32:20,790 --> 00:32:24,470 "Al rojo vivo estrelles per casar astrònom." 560 00:32:24,470 --> 00:32:25,630 D'ACORD. 561 00:32:25,630 --> 00:32:28,540 Ara, llegim que com el Tipus divertida del títol 562 00:32:28,540 --> 00:32:34,690 que anàvem a veure a la nit de TV perquè nosaltres no interpretem "estrella" 563 00:32:34,690 --> 00:32:38,630 tenir el seu significat cos celeste. 564 00:32:38,630 --> 00:32:43,390 Sabem que això significa més l'actor o actriu habitual 565 00:32:43,390 --> 00:32:45,240 amb altes quantitats de visibilitat. 566 00:32:45,240 --> 00:32:47,770 567 00:32:47,770 --> 00:32:51,950 >> "Esquadró d'ajuda a les víctimes de mossegada de gos." 568 00:32:51,950 --> 00:32:55,550 És que l'equip és en realitat per aquí ajudant a un gos 569 00:32:55,550 --> 00:32:59,620 en donar la volta i mossegar les víctimes? 570 00:32:59,620 --> 00:33:02,380 O és que no hi havia un individu que era 571 00:33:02,380 --> 00:33:04,625 mossegat per un gos que necessita una mica d'ajuda? 572 00:33:04,625 --> 00:33:07,650 573 00:33:07,650 --> 00:33:11,480 Només de mirar a la sintaxi i la semàntica de les sentències, 574 00:33:11,480 --> 00:33:14,660 no podem determinar això. 575 00:33:14,660 --> 00:33:22,000 >> "Helicòpter accionat per mosques humans." 576 00:33:22,000 --> 00:33:27,330 Hi ha, de fet, real petites coses volant al voltant 577 00:33:27,330 --> 00:33:34,510 són persones amb ales alimentació helicòpters per al bé de la humanitat? 578 00:33:34,510 --> 00:33:38,960 ¿O hi ha un dispositiu mecànic que deriva la seva energia d'una persona? 579 00:33:38,960 --> 00:33:41,600 580 00:33:41,600 --> 00:33:46,500 >> Quan ens fixem en qüestió contestadors, 581 00:33:46,500 --> 00:33:51,110 aquestes són les capes que hem de tractar. 582 00:33:51,110 --> 00:33:54,890 Ara, els millors i els més sort d'prevalent d'aquests sistemes 583 00:33:54,890 --> 00:34:00,640 avui en dia són capaços de fer les coses a un nivell que són 584 00:34:00,640 --> 00:34:05,050 molt més enllà del que teníem fa 10 anys. 585 00:34:05,050 --> 00:34:08,210 Aquí està un dels millors sistemes això és per aquí avui en dia. 586 00:34:08,210 --> 00:34:10,519 I aquest és un sistema d'IBM anomenat Watson. 587 00:34:10,519 --> 00:34:13,040 588 00:34:13,040 --> 00:34:15,500 Això és dels nostres amics de IBM. 589 00:34:15,500 --> 00:34:19,810 Es tracta dels bancs Katherine, Jia Chen, i Priscila Moraes donant-nos 590 00:34:19,810 --> 00:34:26,323 una demostració de Watson ahir a IBM a Yorktown. 591 00:34:26,323 --> 00:34:26,989 [REPRODUCCIÓ DE VÍDEO] 592 00:34:26,989 --> 00:34:27,690 -Com estàs? 593 00:34:27,690 --> 00:34:30,600 594 00:34:30,600 --> 00:34:31,980 >> -Estic bé. 595 00:34:31,980 --> 00:34:35,429 Sempre estic feliç quan estic pensant, sobretot quan em 596 00:34:35,429 --> 00:34:38,920 pot mantenir-se fresc en aquestes sales de servidors. 597 00:34:38,920 --> 00:34:40,170 Qui És el teu actriu preferida? 598 00:34:40,170 --> 00:34:43,870 599 00:34:43,870 --> 00:34:47,555 >> -La Meva Actriu favorita Angelina Jolie com Lara Croft 600 00:34:47,555 --> 00:34:54,800 en Tomb Raider perquè el seu original, forma era com un personatge virtual com jo. 601 00:34:54,800 --> 00:34:56,760 >> -Com Pot Watson ajudar els pacients? 602 00:34:56,760 --> 00:34:59,700 603 00:34:59,700 --> 00:35:03,755 >> -És El pla per als pacients a tenir accés a Watson directament? 604 00:35:03,755 --> 00:35:08,050 L'accés a Watson d'assessorament aplicacions varien segons el cas d'ús. 605 00:35:08,050 --> 00:35:12,630 Però en l'actualitat, Watson només proporcionarà possible diagnòstic i tractament 606 00:35:12,630 --> 00:35:14,725 opcions al professional de la medicina. 607 00:35:14,725 --> 00:35:17,680 Si és el cas, els pacients pot proporcionar informació 608 00:35:17,680 --> 00:35:21,210 a Watson, potser a través d'una interfície de portal web, tauleta, 609 00:35:21,210 --> 00:35:23,500 o fins i tot un telèfon mòbil. 610 00:35:23,500 --> 00:35:27,180 Per exemple, un pacient pot estar els va demanar que descrivissin els seus símptomes 611 00:35:27,180 --> 00:35:30,460 en llenguatge natural directament en una solució Watson, 612 00:35:30,460 --> 00:35:34,050 permetent que el metge se centri en recopilació de dades i no diagnòstic. 613 00:35:34,050 --> 00:35:38,379 614 00:35:38,379 --> 00:35:42,716 >> -Qui Assassinat Abraham Lincoln? 615 00:35:42,716 --> 00:35:46,153 >> -John Wilkes Booth. 616 00:35:46,153 --> 00:35:52,373 >> -En Quin any va fer l'Arizona Diamondbacks guanyen la Sèrie Mundial? 617 00:35:52,373 --> 00:35:55,295 >> -2001. 618 00:35:55,295 --> 00:35:58,710 >> [FI DE REPRODUCCIÓ] 619 00:35:58,710 --> 00:36:01,610 >> BRIAN Scassellati: Així aquest tipus de sistemes 620 00:36:01,610 --> 00:36:07,430 ha de confiar en primer lloc el reconeixement de la veu; segon, 621 00:36:07,430 --> 00:36:12,200 convertint-la en una interna significativa la representació; i després, tercer, 622 00:36:12,200 --> 00:36:17,090 ser capaç de sortir i trobar la font d'informació que 623 00:36:17,090 --> 00:36:21,140 els permet respondre a aquesta pregunta. 624 00:36:21,140 --> 00:36:27,320 Aquest nivell de complexitat implica els mateixos tipus de coses programàtiques 625 00:36:27,320 --> 00:36:31,790 que ha estat fent en els butlletins de problemes. 626 00:36:31,790 --> 00:36:38,000 >> Som capaços d'analitzar les peticions HTTP en el mateix tipus de patró de baix nivell 627 00:36:38,000 --> 00:36:40,810 coincident que ELIZA pot fer. 628 00:36:40,810 --> 00:36:45,070 Som capaços de convertir els en una representació interna, 629 00:36:45,070 --> 00:36:50,360 i després usar-los per consultar alguna base de dades externa, possiblement utilitzant SQL. 630 00:36:50,360 --> 00:36:53,530 631 00:36:53,530 --> 00:36:56,260 Tots els sistemes que s'estan construint avui 632 00:36:56,260 --> 00:37:00,520 per fer aquest tipus de recursos naturals comunicació lingüística 633 00:37:00,520 --> 00:37:04,100 s'estan construint a aquests mateixos principis. 634 00:37:04,100 --> 00:37:09,530 >> Ara, fins i tot un sistema com Watson no és prou complexa 635 00:37:09,530 --> 00:37:14,820 ser capaç de respondre arbitrari preguntes sobre qualsevol tema. 636 00:37:14,820 --> 00:37:20,060 I de fet, han d'estar estructurat dins d'un domini donat. 637 00:37:20,060 --> 00:37:24,440 Així que vostè pot anar en línia i vostè pot trobar versions de Watson que operen bé 638 00:37:24,440 --> 00:37:27,700 dins de la informàtica mèdica. 639 00:37:27,700 --> 00:37:31,490 O hi ha una línia que només s'ocupa de la forma 640 00:37:31,490 --> 00:37:34,540 per fer bones recomanacions sobre què cervesa anirà amb el qual els aliments. 641 00:37:34,540 --> 00:37:37,060 642 00:37:37,060 --> 00:37:41,870 I dins d'aquests dominis, que pot respondre a les preguntes, 643 00:37:41,870 --> 00:37:46,130 trobar la informació que necessita. 644 00:37:46,130 --> 00:37:48,270 >> Però no es pot barrejar i combinar. 645 00:37:48,270 --> 00:37:53,150 El sistema que s'ha entrenat amb la base de dades del menjar i la cervesa 646 00:37:53,150 --> 00:37:56,830 no funciona bé quan de sobte el va posar en la informàtica mèdica 647 00:37:56,830 --> 00:37:59,770 base de dades. 648 00:37:59,770 --> 00:38:05,680 Així que fins i tot els nostres millors sistemes actuals confiar en un nivell de processament 649 00:38:05,680 --> 00:38:11,570 en el qual estem codificació manual i la construcció de la infraestructura per tal 650 00:38:11,570 --> 00:38:13,275 perquè aquest sistema funcioni. 651 00:38:13,275 --> 00:38:16,360 652 00:38:16,360 --> 00:38:20,710 >> Ara, l'últim tema que vull per poder arribar a l'actualitat 653 00:38:20,710 --> 00:38:23,960 és sobre la comunicació no verbal. 654 00:38:23,960 --> 00:38:29,290 Una gran massa d'informació que ens comuniquem amb els altres 655 00:38:29,290 --> 00:38:35,490 no es produeix a través de la paraules individuals que estem demanant. 656 00:38:35,490 --> 00:38:40,290 Té a veure amb coses com proximitat, la mirada, el to de la seva veu, 657 00:38:40,290 --> 00:38:42,270 seva inflexió. 658 00:38:42,270 --> 00:38:46,620 I que la comunicació és també cosa que moltes interfícies diferents 659 00:38:46,620 --> 00:38:49,960 cuidar molt sobre. 660 00:38:49,960 --> 00:38:51,500 No és el que Siri li importa. 661 00:38:51,500 --> 00:38:56,250 Puc demanar a Siri alguna cosa en una sola veu o en un to de veu diferent, 662 00:38:56,250 --> 00:38:59,840 i Siri va a dóna'm la mateixa resposta. 663 00:38:59,840 --> 00:39:05,260 Però això no és el que construïm per molts altres tipus d'interfícies. 664 00:39:05,260 --> 00:39:09,120 >> Vull presentar- ara a un dels robots. 665 00:39:09,120 --> 00:39:12,720 Aquest va ser construït per la meva des de fa molt temps amic i col·lega Cynthia 666 00:39:12,720 --> 00:39:16,010 Breazeal i la seva companyia Jibo. 667 00:39:16,010 --> 00:39:20,090 I això robot-- anem tenir un parell de voluntaris 668 00:39:20,090 --> 00:39:22,520 arribar a interactuar amb aquest. 669 00:39:22,520 --> 00:39:26,200 Així que puc tenir dues persones disposades jugar amb el robot per a mi? 670 00:39:26,200 --> 00:39:29,936 Per què no véns a un màxim, i per què no véns a endavant. 671 00:39:29,936 --> 00:39:31,310 Si voleu unir-se a mi aquí, si us plau. 672 00:39:31,310 --> 00:39:36,520 673 00:39:36,520 --> 00:39:39,670 >> I si pogués tenir-te venir per aquí. 674 00:39:39,670 --> 00:39:40,170 Gràcies. 675 00:39:40,170 --> 00:39:40,480 Hola. 676 00:39:40,480 --> 00:39:41,400 >> ALFREDO: Encantat de conèixer-te. 677 00:39:41,400 --> 00:39:42,010 Alfredo. 678 00:39:42,010 --> 00:39:42,520 >> BRIAN Scassellati: Alfredo. 679 00:39:42,520 --> 00:39:43,146 >> Raquel: Raquel. 680 00:39:43,146 --> 00:39:44,228 BRIAN Scassellati: Rachel. 681 00:39:44,228 --> 00:39:45,154 Encantat de conèixer tots dos. 682 00:39:45,154 --> 00:39:46,820 Alfred, jo vaig a haver d'anar primer. 683 00:39:46,820 --> 00:39:47,990 Vine fins aquí. 684 00:39:47,990 --> 00:39:51,870 Vaig a introduir usted-- si puc aconseguir això de 685 00:39:51,870 --> 00:39:58,450 sense cridar l'microphone-- a un petit robot anomenat Jibo. 686 00:39:58,450 --> 00:40:00,140 D'ACORD? 687 00:40:00,140 --> 00:40:04,260 >> Ara, Jibo està dissenyat per a ser interactiu. 688 00:40:04,260 --> 00:40:09,339 I tot i que li pot donar el discurs, gran part de la interacció amb el robot 689 00:40:09,339 --> 00:40:09,880 és no verbal. 690 00:40:09,880 --> 00:40:12,450 691 00:40:12,450 --> 00:40:17,070 Alfred, et vaig a demanar que dir alguna cosa agradable i connexió 692 00:40:17,070 --> 00:40:19,554 al robot, si us plau. 693 00:40:19,554 --> 00:40:20,845 ALFREDO: Crec que et veus bonica. 694 00:40:20,845 --> 00:40:24,114 695 00:40:24,114 --> 00:40:25,611 >> [Brunzit] 696 00:40:25,611 --> 00:40:26,192 697 00:40:26,192 --> 00:40:27,108 BRIAN Scassellati: OK. 698 00:40:27,108 --> 00:40:30,110 699 00:40:30,110 --> 00:40:33,180 La seva resposta no és verbal. 700 00:40:33,180 --> 00:40:35,180 I no obstant això, et va donar tant un clar reconeixement 701 00:40:35,180 --> 00:40:39,680 que havia sentit el que ha dit i també s'entén que d'alguna manera. 702 00:40:39,680 --> 00:40:40,530 D'ACORD? 703 00:40:40,530 --> 00:40:42,070 Pas de tornada aquí durant un segon. 704 00:40:42,070 --> 00:40:43,130 Gràcies. 705 00:40:43,130 --> 00:40:44,090 >> Rachel, si ho faria. 706 00:40:44,090 --> 00:40:46,070 Ara, jo donaré que la feina molt més difícil. 707 00:40:46,070 --> 00:40:48,361 Si voleu parat aquí, còpia de seguretat de només una mica pel que 708 00:40:48,361 --> 00:40:50,280 podem aconseguir que a la cambra i buscar d'aquesta manera. 709 00:40:50,280 --> 00:40:56,840 Vaig a demanar-li que dir alguna cosa realment significa i desagradable al robot. 710 00:40:56,840 --> 00:41:02,900 >> RACHEL: El que semblava de fer era completament absurd. 711 00:41:02,900 --> 00:41:03,840 >> [Brunzit] 712 00:41:03,840 --> 00:41:07,610 713 00:41:07,610 --> 00:41:09,030 >> Això va ser encara més absurd. 714 00:41:09,030 --> 00:41:10,120 Què està passant amb vostè? 715 00:41:10,120 --> 00:41:13,487 716 00:41:13,487 --> 00:41:16,207 Ah, no et sentis malament. 717 00:41:16,207 --> 00:41:17,040 Et vaig a donar una abraçada. 718 00:41:17,040 --> 00:41:19,882 719 00:41:19,882 --> 00:41:21,090 BRIAN Scassellati: D'acord. 720 00:41:21,090 --> 00:41:22,280 Gràcies, Rachel. 721 00:41:22,280 --> 00:41:24,565 Alfred, Rachel, gràcies nois molt. 722 00:41:24,565 --> 00:41:26,840 >> [Aplaudiments] 723 00:41:26,840 --> 00:41:28,660 724 00:41:28,660 --> 00:41:34,470 >> Així que aquest tipus d'interacció té en moltes maneres algunes de les mateixes regles 725 00:41:34,470 --> 00:41:36,950 i alguns dels mateixos estructura com el que 726 00:41:36,950 --> 00:41:39,950 podria tenir en la interacció lingüística. 727 00:41:39,950 --> 00:41:44,530 És alhora comunicatiu i serveix un propòsit important. 728 00:41:44,530 --> 00:41:48,590 I aquesta interacció, en moltes maneres, està dissenyat 729 00:41:48,590 --> 00:41:52,890 per tenir un efecte particular sobre la persona que interactua amb o escoltant 730 00:41:52,890 --> 00:41:54,410 al robot. 731 00:41:54,410 --> 00:41:56,450 >> Ara, tinc la sort tenir Jibo aquí avui. 732 00:41:56,450 --> 00:42:00,550 Sam Spaulding aquí per ajudar ens terme amb el robot. 733 00:42:00,550 --> 00:42:07,470 I jo demanaré Sam per donar nosaltres una bona demostració de la dansa Jibo 734 00:42:07,470 --> 00:42:09,720 que podem veure al final aquí. 735 00:42:09,720 --> 00:42:10,590 Així que endavant, Jibo. 736 00:42:10,590 --> 00:42:11,550 >> SAM: OK, Jibo. 737 00:42:11,550 --> 00:42:14,430 Mostra'ns els teus moviments de ball. 738 00:42:14,430 --> 00:42:17,310 >> [REPRODUCCIÓ DE MÚSICA] 739 00:42:17,310 --> 00:42:43,114 740 00:42:43,114 --> 00:42:44,780 BRIAN Scassellati: Molt bé, tothom. 741 00:42:44,780 --> 00:42:46,865 Gràcies als nostres amics de Jibo. 742 00:42:46,865 --> 00:42:49,426 >> [Aplaudiments] 743 00:42:49,426 --> 00:42:50,140 744 00:42:50,140 --> 00:42:54,990 >> I gràcies als nostres amics de IBM per ajudar a terme avui. 745 00:42:54,990 --> 00:42:57,300 La comunicació és una cosa que vas 746 00:42:57,300 --> 00:43:02,280 per veure pujant més i més a mesura construïm les interfícies més complexes. 747 00:43:02,280 --> 00:43:05,760 La setmana que ve, estarem parlant sobre com interactuar 748 00:43:05,760 --> 00:43:08,890 amb oponents de l'ordinador en els jocs. 749 00:43:08,890 --> 00:43:12,950 Però si vostè té preguntes sobre això, Vaig a estar al voltant de les hores d'oficina aquesta nit. 750 00:43:12,950 --> 00:43:17,610 Estic feliç de parlar amb vostè sobre la IA temes o per entrar en més detall. 751 00:43:17,610 --> 00:43:18,927 Bon cap de setmana. 752 00:43:18,927 --> 00:43:21,409 >> [Aplaudiments] 753 00:43:21,409 --> 00:43:21,909 754 00:43:21,909 --> 00:43:26,141 [REPRODUCCIÓ DE MÚSICA] 755 00:43:26,141 --> 00:46:42,879