[Παίζει μουσική] DAVID Malan: Αυτό είναι CS50. Αυτό είναι το τέλος της εβδομάδας 10. Και αγόρι, έχουμε ένα καλή τάξη για σας σήμερα. Είμαστε τόσο ενθουσιασμένοι να καλέσει δύο οι φίλοι μας από το Yale μέχρι σήμερα και να δούμε στη διασταύρωση των τεχνητή νοημοσύνη, ρομποτική, επεξεργασία φυσικής γλώσσας, και πολλά άλλα. Και πράγματι, πάνω από το τελευταίες εβδομάδες, έχουμε Σίγουρα πέρασε πολύ χρόνο, ειδικά στις προηγούμενες psets, εστιάζοντας σε πολύ χαμηλού επιπέδου λεπτομέρειες. Και είναι πολύ εύκολο να χάσουμε από τα μάτια του δάσος για τα δέντρα και να κρεμαστεί επάνω σε βρόχους και προϋποθέσεις και δείκτες, βεβαίως, και τα παρόμοια. Αλλά η πραγματικότητα είναι εσείς έχετε τώρα η συστατικά με τα οποία μπορείτε πραγματικά λύσει μερικά ενδιαφέροντα προβλήματα, μεταξύ των Εκείνοι που τους φίλους μας στο Yale λειτουργούν σχεδόν ντροπαλός του Cambridge. Έτσι, επιτρέψτε μου πρώτα να εισαγάγει το κεφάλι μας βοηθός από το Yale, Andy. [ΧΕΙΡΟΚΡΟΤΉΜΑΤΑ] ANDY: Πρώτα απ 'όλα, απλά ευχαριστώ Σας επιτρέπει για ένα ζευγάρι Yalies να σκάσει κάτω στο Cambridge σήμερα. Θα το εκτιμούσα πραγματικά. Δεύτερον, στους φίλους μας πίσω home-- Jason, ευχαριστίες για την παραμονή και τη λειτουργία διάλεξη. Ελπίζω να είναι όλα καλά στο New Haven. Οπότε ναι, είμαι ενθουσιασμένος σούπερ να εισαγάγει SCAZ σήμερα. SCAZ διευθύνει το εργαστήριο ρομποτικής. Είναι ένας καθηγητής, όπως, πέντε διαφορετικά τμήματα στο Yale. Στο εργαστήριό του, έχει πολλά, πολλά ρομπότ που του αρέσει να παίζει με. Έχει, όπως, η καλύτερη δουλειά στον κόσμο. Και παίρνει το είδος της χάος γύρω με αυτό όλη την ημέρα καιρό και να κάνει κάποια δουλειά, όπως καλά. Και έτσι έχουμε στην πραγματικότητα έφερε ένα Από αυτούς κάτω μαζί μας σήμερα. Έτσι, χωρίς άλλη καθυστέρηση, είναι SCAZ πρόκειται να προχωρήσει και να μας εισαγάγει στο φίλο του ρομπότ. [ΧΕΙΡΟΚΡΟΤΉΜΑΤΑ] BRIAN SCASSELLATI: Ευχαριστώ, Ντέιβιντ. Ευχαριστώ, Andy. Είναι τόσο υπέροχο να είναι εδώ με όλους σήμερα. Θέλω πρώτα να είναι πολύ σαφές ότι το προσωπικό CS50 εδώ στο Καίμπριτζ ήταν εξαιρετικά φιλόξενο για εμάς. Είμαστε τόσο ευγνώμων για τα πάντα έχουν κάνει για να μας υποστηρίξει. Και έτσι θα θέλαμε να είναι σε θέση να επιστρέψει την καλοσύνη. Έτσι, σήμερα, έχουμε την ευκαιρία να ανακοινώσουμε ότι θα πάμε να έχει μια νέα, το ένα του-ένα είδος εκδήλωση CS50 συμβαίνει στο New Haven την επόμενη εβδομάδα. Και αυτό είναι το CS50 Έρευνας Expo. Έτσι θα πάμε να προσκαλεί everyone-- CS50 φοιτητές, προσωπικό τόσο από το Χάρβαρντ και να Yale-- κατέβει και να επισκεφθείτε μαζί μας την Παρασκευή. Θα έχουμε μια μεγάλη ποικιλία από πάνω 30 διαφορετικοί άνθρωποι που παρουσιάζουν και exhibiting-- upperclassmen δείχνει μακριά κάποια από τα ερευνητικά τους προϊόντων. Θα έχουμε κάποιες νεοσύστατες επιχειρήσεις, ακόμη, εξετάζοντας για ένα μικρό κομμάτι της νέας τεχνολογίας ταλέντο, ξεκινήματα τόσο από το Χάρβαρντ και το Γέιλ. Και θα έχουμε κάποιες ομάδες φοιτητών Ψάχνετε για κάποιο νέων μελών. Είναι πρόκειται να είναι μια πολύ συναρπαστική στιγμή. Ας ελπίσουμε ότι όσοι από εσάς είναι κατεβαίνει για το παιχνίδι Χάρβαρντ-Yale θα είναι σε θέση να σταματήσει από λίγο νωρίς, ακριβώς στο κέντρο της πανεπιστημιούπολης, Sterling Memorial Library. Εμείς πάμε για να έχετε μια σειρά από εκθέματα που κυμαίνονται από αυτόνομους ιστιοπλοϊκά σε τρόπους χρήσης του λογισμικού για τη διατήρηση μεσαιωνικά χειρόγραφα. Εμείς πάμε για να έχουν τη διαφήμισή hoc δικτύωση και άνθρωποι διδασκαλία κωδικοποίηση του λογισμικού στο Κέιπ Τάουν. Θα έχετε τον υπολογιστή μουσική διαδηλώσεις. Και θα έχουμε βέβαια περισσότερο ρομπότ. Γι 'αυτό και ελπίζετε' ll να ενωθούν μαζί μας για αυτό το γεγονός. Θα πρέπει να είναι πολύ διασκέδαση, ένα μικρό κομμάτι των τροφίμων, και πολλά ενδιαφέροντα πράγματα που πρέπει να συζητήσουμε. Έτσι, σήμερα, θα πάμε να μιλήσουμε για την επεξεργασία φυσικής γλώσσας. Και αυτή είναι η προσπάθεια μας για να οικοδομήσουμε ένα νέο τρόπο διασύνδεσης με τις συσκευές μας, διότι για τις τελευταίες εβδομάδες, έχετε επικεντρώθηκε στο πώς αυτό είναι ότι μπορείτε να γράψετε κώδικα, γράφουν λογισμικό ότι είναι ένας τρόπος για να είναι σε θέση να πει σε μια μηχάνημα, αυτό είναι ό, τι θέλω να κάνω. Αλλά εμείς δεν θα χρειαστεί να Αναμένουμε ότι όλα ότι είναι εκεί έξω που χρησιμοποιείται από όλους στον κόσμο πρόκειται να είναι καλά σε αυτό το είδος της διδασκαλίας. Γι 'αυτό και γίνεται διάκριση μεταξύ του υπολογιστή γλώσσες και φυσικά languages-- ότι είναι, τα πράγματα που οι άνθρωποι χρησιμοποιούν να επικοινωνούν με άλλους ανθρώπους. Και προσπαθούμε να οικοδομήσουμε διεπαφές που χρησιμοποιούν Αυτοί οι φυσικοί μηχανισμοί επικοινωνίας. Τώρα, ακριβώς όπως κάθε άλλο θέμα ότι έχουμε αρχίσει με στο CS50, θα πάμε για να αρχίσει με τον απλούστερο λίγο επεξεργασία φυσικής γλώσσας ότι μπορούμε να φανταστούμε. Εμείς πάμε για να ξεκινήσει με το ιστορικό μέρος της φυσικής γλώσσας. Και τότε θα χτίσουμε πάνω σε και περισσότερο πρόσφατα συστήματα και να έχουν κάποια διασκέδαση επιδείξεις κατά μήκος του τρόπου. Έτσι θα πάμε να ξεκινήσουμε με αυτό που ήταν ίσως η πρώτη φυσική γλώσσα σύστημα επεξεργασίας. Αυτό ήταν ένα σύστημα λογισμικού γραμμένο σε 1966 από τον Joseph Weizenbaum ονομάζεται ΕΛΙΖΑ. Και Ελίζας σχεδιάστηκε για να αναπαράγουν το είδος της αλληλεπίδρασης θα έχετε με Rogerian ψυχοθεραπευτή. Τώρα, οι Rogerians, είχαν μια ιδέα ότι η ψυχοθεραπεία που συμμετέχουν να είναι σε θέση να αντανακλούν πίσω σε έναν ασθενή και να τους μιλήσω, ουσιαστικά, από μόνο δίνοντάς τους μια μικροσκοπικό λίγο θεραπευτή. Δηλαδή, όλα ότι ο θεραπευτής είπε έπρεπε να είναι απλά μια αντανάκλαση της τι ο ασθενής έλεγε σε αυτούς. Ας προσπαθήσουμε και demo αυτό. Έχουμε έναν εθελοντή ο οποίος θα είναι πρόθυμοι να μοιραστούν τις βαθύτερες τους, πιο σκοτεινές, ή / και πλαστά μυστικά με ΕΛΙΖΑ; Σίγουρα, γιατί δεν έρχεσαι πάνω. Φανταστικός. Και το όνομά σου? Μίλια: Miles. BRIAN SCASSELLATI: Miles. Χαίρω πολύ, Μάιλς. Αν θα κρατήσει αυτό. Και θα πάμε να χρησιμοποιείτε μια έκδοση του ΕΛΙΖΑ ότι έχουμε να αναπαραχθεί εντός του IDE CS50. Και θα εξετάσουμε στην πηγή κώδικα για αυτό σε λίγο. Αλλά για τώρα, είμαστε απλά πρόκειται να το επικαλεστεί, πληκτρολογώντας Ελίζα. Και Ελίζας πρόκειται να σας δώσει απαντήσεις που πρόκειται να είναι σε όλες τις πρωτεύουσες. Και θα σας κάνω κάποιες ερωτήσεις. Και θα σας απαντήσουμε και πληκτρολογήστε στις απαντήσεις σε ΕΛΙΖΑ. Έτσι ΕΛΙΖΑ έχει πει, "Γεια σου, είμαι ΕΛΙΖΑ. Τι ΠΡΟΒΛΗΜΑ εχεις?" Τι θα θέλατε να ΕΛΙΖΑ πω για σήμερα; Μίλια: Μπορώ μόνο να κοιμηθείτε αν έχω παντόφλες λαγουδάκι καθεξής. BRIAN SCASSELLATI: Εντάξει. Εντάξει. [ΓΈΛΙΟ] "Μπορώ μόνο να κοιμηθείτε με παντόφλες λαγουδάκι On ". Και λέει ΕΛΙΖΑ », λένε, κάνεις έχει κάποια ψυχολογικά προβλήματα; Ίσως αυτό είναι μια καλή ένδειξη. " ΕΝΤΆΞΕΙ. Λοιπόν, τι θα θέλατε να απαντήσετε; Μίλια: Ναι. BRIAN SCASSELLATI: Ναι. Ο άνθρωπος του πολλές λέξεις. Μου αρέσει αυτό. Eliza λέει, «Φαίνεσαι αρκετά θετικό." Μίλια: Όχι, είμαι στην πραγματικότητα, ένα ηλεκτρόνιο. BRIAN SCASSELLATI: "Όχι. Στην πραγματικότητα, είμαι ένα ηλεκτρόνιο. " "Μήπως θα έρθει σε μένα επειδή είστε ένα ηλεκτρόνιο; " Τώρα, μπορούμε να δούμε μερικά από τα η things-- Πάω να κάνετε παύση μόνο για ένα δευτερόλεπτο, Μάιλς. Μην πάτε πουθενά. Εμείς δεν τελειώσαμε μαζί σας ακόμα. ΕΛΙΖΑ είναι, κατά κάποιο τρόπο, ανταποκρίνεται σε ορισμένα πράγματα ότι το λέει, αλλά χωρίς οποιαδήποτε πραγματική κατανόηση. Και είναι, επίσης, παπαγαλίζουν πίσω κάποια των τμημάτων της ποινής του. Γι 'αυτό και είπε, "Όχι. Στην πραγματικότητα, είμαι ένα ηλεκτρόνιο. " Ελίζα απάντησε πίσω, "Ήρθες για μένα, επειδή είστε ένα ηλεκτρόνιο; " Εντάξει. Ας δώσουμε ένα ακόμη απάντηση εδώ. Δώστε ένα καλό αποτέλεσμα, Μάιλς. Μίλια: καλή; Ναι, παρακαλώ να με βοηθήσει. BRIAN SCASSELLATI: "Ναι. Σας παρακαλώ βοηθήστε με. "" Είσαι σίγουρος; " Μίλια: Όχι. BRIAN SCASSELLATI: Όχι. «Τι πάει να προτείνουν σε σας;" Μίλια: Μπορεί να μην είμαι ένα ηλεκτρόνιο. BRIAN SCASSELLATI: «Εγώ δεν μπορεί να είναι ένα ηλεκτρόνιο ". "Θέλετε να πείτε όχι απλά να είναι αρνητική;" Εντάξει. Έτσι Miles, σας ευχαριστώ πολύ. Μίλια: Σας ευχαριστώ. BRIAN SCASSELLATI: Ευχαριστώ πολύ. [ΧΕΙΡΟΚΡΟΤΉΜΑΤΑ] Έτσι, αυτό το πρόγραμμα ΕΛΙΖΑ, με πολλούς τρόπους, ανταποκρίνεται ακριβώς στα τεμάχια ότι είμαστε παροχή, χωρίς καμία βαθιά κατανόηση του τι συμβαίνει εδώ. Αυτό είναι ένα είδος του συστήματος που ονομάζεται αντιστοίχιση μοτίβο, όπου ψάχνουμε για ορισμένες κομμάτια του κειμένου που είμαστε συνέχεια πρόκειται να πάρει από ό, τι δόθηκαν ως πρώτη ύλη, μετατρέπουν, δυνητικά, με κάποιο τρόπο, και στη συνέχεια να το δώσει πίσω στο χρήστη. Μήπως κάποιος από εσάς νομίζετε ΕΛΙΖΑ ότι είναι στην πραγματικότητα εκτέλεση έγκυρη ψυχανάλυση εδώ; Ένα άτομο, ίσως. Κοινό: [δεν ακούγεται]. BRIAN SCASSELLATI: Και πώς Μήπως αυτό σας κάνει να αισθάνεστε; Ναι, στην πραγματικότητα, αυτό κάνει. Και θα πάμε να δούμε, πράγματι, η πηγαίο κώδικα για αυτό σε μια στιγμή. Και έτσι θα πάμε να είναι είναι σε θέση να κάνει ακριβώς αυτό. Τώρα, ELIZA είναι μια μορφή τι που θα ονομάζαμε σήμερα μια κουβέντα bot. Στη συνέχεια, μόνο μέσω της κείμενο που είστε παρέχοντας, παρέχει το ελάχιστο ποσό της κατανόησης και επεξεργασίας, και στη συνέχεια παπαγάλοι πίσω σε σας. Έτσι, ας ρίξουμε μια ματιά, εννοιολογικά, και μιλάμε για το τι είναι ότι ΕΛΙΖΑ κάνει πραγματικά. ΕΛΙΖΑ κέρδισε sentence-- ας λένε, «θέλω να εντυπωσιάσει το αφεντικό μου." Και ΕΛΙΖΑ ψάχνει με την φράση και προσπαθούν να βρουν και να ταιριάζουν ορισμένα πρότυπα. Έτσι, για παράδειγμα, ένα από τα μοτίβα ΕΛΙΖΑ ότι ψάχνει για είναι οι λέξεις "Θέλω." Και κάθε φορά που βλέπει κάτι ότι έχει «θέλω» σε αυτό, διαμορφώνει μια απάντηση. Και η απάντηση αυτή είναι μια σταθερή συμβολοσειρά. Σε αυτήν την περίπτωση, είναι "γιατί θέλεις;" Και έβαλα ένα μικρό αστέρι στο το τέλος γιατί αυτό είναι ακριβώς η αρχή της απάντησής μας. Και το αστέρι δείχνει ότι θα πάμε για να λάβει το υπόλοιπο της utterance-- του χρήστη "για να εντυπωσιάσει το αφεντικό μου" - και θα πάμε να προσθέσετε ότι πάνω στο άκρο αυτής της σειράς. Έτσι τώρα, αντί να πει, "γιατί θέλετε να εντυπωσιάσετε το αφεντικό μου » υπάρχει ένα μικρό κομμάτι των πρόσθετων επεξεργασία που θα κάνουμε. Δηλαδή, θα πρέπει να μετατρέψει ορισμένες από τις αντωνυμίες εδώ από το "αφεντικό μου" στο "αφεντικό σας." Και μπορεί να υπάρχουν μερικά άλλα αλλαγές που πρέπει να κάνουμε. Έτσι, αντί απλά να κολλήσει κατευθείαν πάνω στο τέλος, τι θα κάνουμε είναι θα λάβει το υπόλοιπο της utterance-- χρήστη σε λευκό here-- και εμείς θα το πάρω ένα κομμάτι σε ένας χρόνος και να μετατρέψετε κάθε χορδή Επίσης, κάθε λέξη, στην πρόταση. Έτσι θα πάρουμε τη λέξη "στο". Δεν υπάρχει καμία μετατροπή ότι πρέπει να το κάνουμε αυτό. "Εντυπωσιάζω." Δεν υπάρχει καμία μετατροπή πρέπει να κάνουμε εκεί. "Μου" θα μετατραπούν σε "σου." Και «αφεντικό» θα αφήσει μόνο ως "αφεντικό". Και στη συνέχεια, τέλος, οτιδήποτε ότι τελειώνει με μια περίοδο, θα το μετατρέψει σε μια ερώτηση. Αυτό το πολύ απλό μοτίβο που ταιριάζουν είναι στην πραγματικότητα αρκετά επιτυχής. Και όταν αυτό εισήχθη σε 1966-- Joseph Weizenbaum προγραμματισμένος αυτό σε έναν υπολογιστή. Τώρα, οι υπολογιστές εκείνη την εποχή Δεν ήταν desktop μοντέλα. Είχαν κοινόχρηστων πόρων. Και οι μαθητές του θα πάει και να συνομιλήσετε με ΕΛΙΖΑ. Τελικά, αναγκάστηκε να να περιορίσει την πρόσβαση σε αυτό επειδή οι μαθητές του δεν ήταν να πάρει οποιαδήποτε εργασία. Είχαν απλά κουβεντιάζοντας με ΕΛΙΖΑ. Και, στην πραγματικότητα, είχε να φωτιά βοηθό του, ο οποίος Σχεδόν όλο το χρόνο της μιλώντας για το ΕΛΙΖΑ για βαθιά ανησυχητική και τα προβλήματά της. Ο καθένας που χρησιμοποίησαν τα συστήματα αυτά άρχισε να τους ανθρωπομορφοποιούν. Άρχισαν να σκέφτονται τους ως είναι έμψυχο και πραγματικούς ανθρώπους. Άρχισαν να αναγνωρίζει ορισμένα από τα πράγματα που έλεγαν ερχόταν πίσω σε αυτούς. Και ανακάλυπταν πράγματα για τον εαυτό τους. Και, στην πραγματικότητα, ακόμη και οι εμπειρογνώμονες, ακόμη και οι ψυχοθεραπευτές, άρχισαν να ανησυχούν ότι, στην πραγματικότητα, ΕΛΙΖΑ ίσως θα ήταν αντικατάστασή τους. Και ακόμη και ο υπολογιστής οι επιστήμονες ανησυχούν ότι ήμασταν τόσο κοντά στην επίλυση της φυσικής γλώσσας. Τώρα, αυτό δεν ήταν πουθενά κοντά στην αλήθεια. Αλλά αυτό είναι το πόσο εντυπωσιακή Τα συστήματα αυτά μπορεί να φαίνονται. Ας αρχίσουμε να εξετάζουμε κάτω και να δοκιμάσετε για να πάρετε μια λίγο μια ερώτηση όπου συμβαίνει στην πραγματικότητα αυτός ο κωδικός. Έτσι θα κάνουμε με αυτόν τον κωδικό διαθέσιμο αργότερα. Και αυτό είναι ένα πολύ απλή και άμεση λιμάνι της αρχικής εφαρμογής ΕΛΙΖΑ. Έτσι, ορισμένα από αυτά τα υφολογικά πράγματα που θα δείτε εδώ δεν είναι στυλιστικά τι θα θέλαμε να κάνετε ή ό, τι έχουμε διδάξει να κάνετε. Αλλά έχουμε προσπαθήσει να τους κρατήσει το ίδιο σε όλη την πολλά λιμάνια ότι αυτό είχε, ώστε να έχει τη γεύση του πρωτοτύπου. Έτσι θα πάμε να περιλαμβάνει ένα σωρό πράγματα, και στη συνέχεια θα έχουμε μια σύνολο λέξεων-κλειδιών, τα πράγματα ΕΛΙΖΑ ότι θα αναγνωρίσουν και να απαντήσετε σε άμεσα. Έτσι, εάν έχετε λέξεις όπως "μπορεί να σας" ή "εγώ δεν κάνω" ή "όχι" ή "ναι" ή "το όνειρο" ή "γεια", τότε ΕΛΙΖΑ θα ανταποκριθεί επιλεκτικά σε αυτά. Θα πρέπει επίσης ορισμένα πράγματα ότι θα ανταλλάξουν, όπως μετατροπή "μου" για να "σου." Και τότε θα έχουμε μια σειρά απαντήσεων ότι, για κάθε μία από αυτές τις λέξεις-κλειδιά, θα περιστρέφεται μέσα Αυτές οι διαφορετικές απαντήσεις. Έτσι, αν πω "ναι" τρεις φορές στη σειρά, εγώ θα μπορούσε να πάρει τρεις διαφορετικές απαντήσεις από ΕΛΙΖΑ. Κώδικά μας, λοιπόν, είναι στην πραγματικότητα εξαιρετικά απλή. Αν ήμουν μετακινηθείτε προς τα κάτω το παρελθόν όλα αυτά απαντήσεις που έχουμε προγραμματίσει στο και εμείς να πιάσουμε κύρια μας, θα πάμε για να προετοιμαστεί ένα ζευγάρι των διαφόρων μεταβλητών και να κάνουμε ένα μικρό κομμάτι της καθαριότητας στην αρχή. Αλλά τότε δεν υπάρχει απολύτως ένα σύνολο του κώδικα που μπορείτε να καταλάβετε. Ένα μεγάλο βρόχο, ενώ λέει ότι είμαι πρόκειται να επαναλάβω αυτό ξανά και ξανά. Θα διαβάσω σε μια γραμμή, και θα αποθηκεύσετε ότι σε μια συμβολοσειρά εισόδου. Θα ελέγχει και να δούμε αν είναι η ειδική λέξη "αντίο", η οποία σημαίνει έξοδο από το πρόγραμμα. Και τότε εγώ θα ελέγξει και να δούμε κατά πόσον κάποιος απλώς επαναλαμβάνουν τον εαυτό τους ξανά και ξανά. Και εγώ θα φωνάζω σε αυτά, αν το κάνουν. Θα πω "δεν επαναλαμβάνουν τον εαυτό σου." Όσο κανένας από αυτούς δεν συμβεί αυτό, θα Στη συνέχεια ανιχνεύσει μέσω και μέσω βρόχου, στις γραμμές 308 έως 313 εδώ, και να ελέγξετε και να δείτε είναι οποιαδήποτε από αυτές τις λέξεις-κλειδιά φράσεις που περιέχονται στην είσοδο ότι ήμουν μόλις δόθηκε; Αν υπάρχει ένας αγώνας για αυτούς, και Στη συνέχεια, θα θυμάμαι αυτήν τη θέση. Θα θυμάστε ότι η λέξη-κλειδί. Και θα είμαι σε θέση να οικοδομήσουμε μια απάντηση. Αν δεν βρείτε αυτό, καλά τότε, το τελευταίο πράγμα που σε συστοιχία λέξη-κλειδί μου θα είναι η προεπιλεγμένη απαντήσεις μου, όταν δεν ταιριάζει τίποτα άλλο. Θα κάνουν ερωτήσεις όπως «Γιατί το κάνατε έρχονται εδώ; "ή" Πώς μπορώ να σας βοηθήσω; " που είναι ακριβώς εν μέρει κατάλληλες δεν έχει σημασία ποια είναι η είσοδος είναι. Στη συνέχεια, θα δημιουργήσει απάντηση ΕΛΙΖΑ του. Θα είναι σε θέση να λάβει ότι η βάση ανταπόκριση, ακριβώς όπως κάναμε και στο ότι "Το αφεντικό μου" παράδειγμα. Αν αυτό είναι το μόνο που υπάρχει is-- αν είναι μόνο μία συμβολοσειρά που είμαι υποτίθεται ότι respond-- Μπορώ να το στείλω ακριβώς πίσω. Αν έχει έναν αστερίσκο το τέλος της, τότε θα επεξεργάζονται κάθε άτομο στο κουπόνι το υπόλοιπο της απάντησης του χρήστη και να προσθέσετε αυτές, εναλλαγή λέξη προς λέξη, όπως χρειαστεί. Όλα αυτά είναι απολύτως κάτι που θα μπορούσε να αξιοποιήσει. Και στην πραγματικότητα, οι τρόποι με τους οποίους έχουν μεταποιημένα επιχειρήματα της γραμμής εντολών, ο τρόπος με τον οποίο έχετε επεξεργασία μέσω HTTP αιτήματα ακολουθήστε τα ίδια είδη κανόνων. Είναι μοτίβο που ταιριάζουν. Έτσι ΕΛΙΖΑ είχε ένα σχετικά σημαντικό αντίκτυπο στην φυσική γλώσσα γιατί έκανε να φαίνεται σαν να ήταν ένα πολύ εφικτός στόχος, όπως και κατά κάποιον τρόπο είχαμε να είναι σε θέση να λύσει αυτό το πρόβλημα άμεσα. Τώρα, αυτό δεν σημαίνει ότι δεν ΕΛΙΖΑ όλα όσα θα θέλατε να κάνετε. Σίγουρα όχι. Αλλά θα πρέπει να είμαστε σε θέση να κάνουμε κάτι περισσότερο. Το πρώτο μας βήμα για να πάει πέρα από ΕΛΙΖΑ πρόκειται να είναι σε θέση να εξετάσουμε Δεν κείμενο που τέθηκε στο πληκτρολόγιο αλλά ομιλίας, πραγματική ομιλία καταγράφονται σε ένα μικρόφωνο. Έτσι, όπως θα δούμε αυτά διαφορετικά κομμάτια, είμαστε Θα πρέπει να οικοδομήσουμε μια σειρά από μοντέλα. Εμείς πάμε να πρέπει να είναι σε θέση για να πάει από το ακουστικό χαμηλού επιπέδου information-- αγωνιστικό χώρο, πλάτος, frequency-- και να μετατρέψει αυτό σε κάποιες μονάδες που είμαστε είναι σε θέση να χειριστούν πιο εύκολα και, τέλος, τους χειριστούν σε λέξεις και φράσεις. Έτσι, οι περισσότεροι αναγνώρισης ομιλίας συστήματα που είναι εκεί έξω σήμερα ακολουθούν μια στατιστική μοντέλο στο οποίο χτίζουμε τρεις διαφορετικές αναπαραστάσεις του τι ότι το σήμα ήχου περιέχει πραγματικά. Ξεκινάμε με ένα φωνητικό μοντέλο που μιλάει για λίγο από τη βάση Ακούγεται ότι είμαι παράγουν. Είμαι παράγουν κάτι που είναι α Β, όπως στο αγόρι ή Δ, όπως στον σκύλο; Πώς μπορώ να αναγνωρίζουν αυτά τα δύο διαφορετικά τηλέφωνα ως ξεχωριστές και διακριτές; Στην κορυφή του ότι, στη συνέχεια, θα οικοδομήσουμε μια λέξη προφορά μοντέλο, κάτι που συνδέει οι εν λόγω μεμονωμένες τηλέφωνα και τις συνδυάζει σε μία λέξη. Και μετά από αυτό, θα ρίξουμε τις λέξεις και θα τους συγκεντρώσει μια γλώσσα μοντέλο σε μια πλήρη πρόταση. Τώρα, θα πάμε να μιλήσουμε για το καθένα από αυτά ξεχωριστά και ανεξάρτητα. Αλλά αυτά τα τρία μοντέλα είναι όλα ακριβώς πρόκειται να είναι οι στατιστικές. Και αυτό σημαίνει ότι όταν να συνεργαστούμε μαζί τους, θα να είναι σε θέση να συνεργαστεί με όλα αυτά ταυτόχρονα. Εντάξει. Ας ξεκινήσουμε με φωνητική μοντέλο μας. Έτσι φωνητική μοντέλα βασίζονται σε μια υπολογιστική τεχνική που ονομάζεται κρυφό μοντέλα Markov. Αυτά είναι γραφικά μοντέλα στην οποία έχουν και να αναγνωρίσει κατάσταση του κόσμου ως χαρακτηρίζεται από ένα σύνολο χαρακτηριστικών. Και ότι η κατάσταση περιγράφει ένα μέρος μιας δράσης που είμαι ασχολούνται με. Έτσι, αν το σκέφτομαι αποφάσεων ο ήχος "ma" σαν τη μητέρα, υπάρχουν διαφορετικές εξαρτήματα για αυτόν τον ήχο. Υπάρχει ένα μέρος όπου θα ήθελα να επιστήσω στην αναπνοή. Και τότε πορτοφόλι χείλη μου. Και μπορώ να επεκτείνει τα χείλη μου πίσω λίγο bit για να κάνουν ότι "ma" ήχο. Και έπειτα υπάρχει ένα δελτίο. Τα χείλη μου έρχονται χώρια. Αέρας αποβάλλεται. "Ma". Αυτά τα τρία διαφορετικά μέρη θα αντιπροσωπεύεται από τα κράτη σε αυτήν την graph-- η έναρξη, το μεσαίο και το τέλος. Και θα είχα μεταβάσεις που μου επέτρεψε να ταξιδέψει από το ένα κράτος για την επόμενη με μια ορισμένη πιθανότητα. Έτσι, για παράδειγμα, ότι το Μ ήχος μπορεί να έχει μια πολύ, πολύ μικρή πρόσληψη στο beginning-- "χιλιοστά" - και στη συνέχεια μια μεγαλύτερη, δονητική φάση όπου κρατάω μου χείλη μαζί και σχεδόν humming-- "mmmm" - και στη συνέχεια μια πολύ σύντομη Plosive όπου αποβάλει breath-- "ma". Το κρυμμένο μοντέλο Markov είναι σχεδιαστεί για να συλλάβει την πραγματικότητα ότι ο τρόπος που κάνω ότι ο ήχος "ma" πρόκειται να είναι ελαφρώς διαφορετική χρονική στιγμή του, είναι η συχνότητα, και τα χαρακτηριστικά του από ο τρόπος που το κάνει ή ο τρόπος που θα μπορούσα κάνουν όταν μιλάω σχετικά με τις διαφορετικές χρήσεις της επιστολής. «Μητέρα» και «μπορεί εγώ" θα ακούγεται κάπως διαφορετικά. Έτσι για να αναγνωρίσει ένα ιδιαίτερο ήχο, που θα οικοδομήσουμε Markov μοντέλα, αυτά Hidden Markov μοντέλα, κάθε πιθανή τηλέφωνο ότι μπορεί να θέλουν να αναγνωρίσουν, κάθε δυνατό ήχο, και στη συνέχεια να εξετάσουμε το ηχητικών δεδομένων που έχω και να καθορίσει στατιστικώς το οποίο είναι το πιο πιθανό ένα να έχουν παραχθεί αυτός ο ήχος. ΕΝΤΆΞΕΙ. Με αυτό το μοντέλο, τότε αρχίσουν να οικοδομούν πάνω του. Παίρνουμε ένα μοντέλο προφορά. Τώρα, μερικές φορές προφορά μοντέλα είναι απλή και εύκολη επειδή υπάρχει μόνο ένας τρόπος για να προφέρει κάτι. Άλλες φορές, είναι ένα λίγο πιο περίπλοκη. Εδώ είναι ένας οδηγός προφοράς για το κόκκινο πράγμα που είναι ένα φρούτο που κάνετε κέτσαπ από. Οι άνθρωποι δεν πιστεύουν ότι είναι ένα φρούτο. Δικαίωμα? Τώρα, υπάρχουν πολλοί διαφορετικοί τρόποι ότι οι άνθρωποι θα προφέρει αυτή τη λέξη. Κάποιοι θα πουν «toe-Μαΐου-toe." Κάποιοι θα πουν «toe-mah-toe." Και μπορούμε να συλλάβουμε ότι με ένα από αυτά τα μοντέλα γραφικών όπου, και πάλι, εμείς εκπροσωπούμε μεταβάσεις ως έχουσα μια ορισμένη πιθανότητα και σχετίζεται πιθανότητα με αυτά. Έτσι, σε αυτή την περίπτωση, εάν επρόκειτο να ακολουθήσει η κορυφή διαδρομή μέσα από όλη αυτή τη γραφική παράσταση, Θα ήθελα να ξεκινούν από το γράμμα σχετικά με την άκρα αριστερά, το "ta" ήχο. Θα ήθελα να πάρει το πάνω μισό, το "Ω", και στη συνέχεια ένα «ma," και στη συνέχεια ένα "ένα", και στη συνέχεια μια "ta" και ένα "ω". «Toe-Μάιος-toe." Αν πήρα το κάτω μονοπάτι μέσα αυτό, θα πάρω "ta-mah-toe." Και αν πήγα κάτω και, στη συνέχεια, up, θα έπαιρνα "ta-Μάιος-toe." Τα μοντέλα αυτά συλλάβει διαφορές επειδή κάθε φορά αναπτύσσουμε ένα από αυτά συστήματα αναγνώρισης, πρόκειται να πρέπει να δουλέψουμε με πολλά διαφορετικά είδη ανθρώπων, πολλές διαφορετικές αποχρώσεις, ακόμα και διαφορετικές χρήσεις του τις ίδιες λέξεις. Τέλος, στην κορυφή του ότι, θα χτίσουμε κάτι ότι φαίνεται πραγματικά περίπλοκη, ονομάζεται το μοντέλο γλώσσας, αλλά στην πραγματικότητα είναι η απλούστερη τα τρία γιατί αυτά λειτουργούν με τα λεγόμενα μοντέλα n-gram. Και σε αυτή την περίπτωση, σας δείχνω δύο-μέρος n-gram μοντέλο, ένα bigram. Εμείς πάμε για να κάνει το φυσικό της ιδέας ότι μερικές φορές, ορισμένες λέξεις είναι πιο πιθανό να ακολουθήσει δεδομένη λέξη από τους άλλους. Αν μόλις είπα "πρόγνωση του καιρού," η επόμενη λέξη θα μπορούσε πιθανότατα να είναι "σήμερα" ή θα μπορούσε να είναι "ο καιρός προβλέπεται αύριο. " Αλλά είναι απίθανο να είναι "η πρόγνωση καιρού αγκινάρα. " Τι μοντέλο γλώσσα δεν είναι συλλαμβάνει εκείνους στατιστικά μετρώντας, από κάποια πολύ μεγάλα corpus, το σύνολο των περιπτώσεων στην οποία μία λέξη ακολουθεί την άλλη. Έτσι, αν πάρω ένα μεγάλο corpus-- όπως και κάθε Wall Street Journal που έχει παραχθεί από το 1930, το οποίο είναι ένα από τα πρότυπα corpuses-- και κοιτάζω μέσα από όλα ότι το κείμενο, και μετράω up πόσες φορές μετά "πρόβλεψη" βλέπω "σήμερα" και πόσες φορές βλέπω "πρόβλεψη", ακολουθούμενο από "αγκινάρα" η πρώτη θα να είναι πολύ πιο πιθανό. Είναι πρόκειται να εμφανιστεί πολύ πιο συχνά. Και γι 'αυτό θα έχουν υψηλότερη πιθανότητα που συνδέονται με αυτό. Αν θέλω να καταλάβω το πιθανότητα μιας ολόκληρης φράσης, Στη συνέχεια, θα ήθελα απλώς να το σπάσει επάνω. Έτσι, η πιθανότητα της ακοής η φράση «ο αρουραίος έφαγε το τυρί" είναι η πιθανότητα της λέξης "η" ξεκινώντας μια φράση, και, στη συνέχεια, η πιθανότητα ότι το λέξη "αρουραίος" μετά τη λέξη "η" και η πιθανότητα ότι το λέξη "έφαγε" ακολουθεί "αρουραίος" και η πιθανότητα ότι "τυρί" ακολουθεί "έφαγε". Αυτό ακούγεται σαν μια παρτίδα του στατιστικές, πολλές πιθανότητες. Και αυτό είναι ό, τι είναι. Αλλά το καταπληκτικό πράγμα είναι αν το κάνετε αυτό με ένα αρκετά μεγάλο δείγμα δεδομένων, δουλεύει. Και λειτουργεί παρά πολύ καλά. Όλοι γνωρίζουμε αυτές τις τεχνολογίες. Τα περισσότερα λειτουργικά συστήματα έρχονται με αναγνώριση φωνής σε αυτό το σημείο. Χρησιμοποιούμε Siri και Cortana και Echo. Και αυτά τα πράγματα βασίζονται αυτός ο τύπος τριών στρωμάτων model-- φωνητική μοντέλο στο κάτω μέρος, ένα μοντέλο προφορά στη μέση, και ένα μοντέλο γλώσσα πάνω τους. Τώρα, πρέπει να κάνουν λίγο περισσότερα από αυτό, προκειμένου να απαντήσει σε ερωτήσεις. Αλλά η αναγνώριση του τι είστε ρητό εξαρτάται ακριβώς σε αυτό. Ας πάρουμε ένα παράδειγμα εδώ. Έτσι έχω το τηλέφωνό μου κάθεται εδώ κάτω από την κάμερα εγγράφων. Και θα πάμε να ζητεί Siri μερικές ερωτήσεις. Εντάξει? Ας ξυπνήσει το τηλέφωνό μου εδώ. Siri, τι είναι ο καιρός όπως στο New Haven σήμερα; SIRI: Εδώ είναι ο καιρός για Νιου Χέιβεν, Κονέκτικατ σήμερα. BRIAN SCASSELLATI: OK. Έτσι το πρώτο που είδα ότι αναγνωρίζεται Siri κάθε μία από τις μεμονωμένες λέξεις και στη συνέχεια παράγεται μια απάντηση. Θα μιλήσουμε για το πώς αυτή η απάντηση έρχεται περίπου σε λίγο. Αλλά τώρα που ξέρουμε ότι αυτό ακριβώς βασίζεται για τις πρώτες στατιστικές και αυτό πρότυπο ταίριασμα τύπου προσέγγιση, μπορούμε να παίξουμε μερικά παιχνίδια με τη Siri. Έτσι μπορώ να προσπαθήσω ξανά. Siri, τι είναι ο καιρός ιπποπόταμος New Haven, σήμερα; SIRI: OK. Εδώ είναι ο καιρός για Νέο Haven, Connecticut για σήμερα. BRIAN SCASSELLATI: Siri του Δεν πτοείται από ότι γιατί βρήκε το pattern-- "καιρός", "σήμερα", "New Haven." Αυτό είναι ό, τι έχει να ανταποκρίνεται να, ακριβώς όπως ΕΛΙΖΑ. Εντάξει. Ας δώσουμε μια πιο ομοιόμορφη πιο γελοίο παράδειγμα. Siri, τον καιρό της αγκινάρας Armadillo ιπποπόταμος New Haven; SIRI: Επιτρέψτε μου να ελέγξει σε αυτό. Εδώ είναι τι βρήκα στο διαδίκτυο για το τι είναι αγκινάρες Armadillo ιπποπόταμος New Haven. BRIAN SCASSELLATI: OK. Έτσι, αν πάω αρκετά μακριά μακριά από αυτό το μοντέλο, Είμαι σε θέση να συγχέεται επειδή δεν ταιριάζει πλέον το μοτίβο που έχει. Και αυτές τις στατιστικές κινητήρα που λέει, Ποια είναι η πιθανότητα που έχετε οι λέξεις ιπποπόταμος και αγκινάρα μαζί, και Armadillo; Ότι έχεις να είναι κάτι νέο. Έτσι, αυτές τις τεχνολογίες που χρησιμοποιούμε κάθε μέρα. Αν θέλουμε να τα πάρουμε ένα βήμα περαιτέρω, όμως, αν πράγματι θέλουν να είναι σε θέση να μιλήσουμε για το τι είναι ότι τα συστήματα αυτά να ανταποκρίνονται, πρέπει να μιλήσουμε, και πάλι, για μια πιο θεμελιώδη σειρά ερωτήσεων. Και αυτό είναι ένα θέμα στην επικοινωνία ότι καλούμε ερωταποκρίσεις. Δηλαδή, θέλουμε να είμαστε σε θέση to-- ναι; Κοινό: [δεν ακούγεται]. BRIAN SCASSELLATI: Να φτάσουμε σε λανθάνουσα σημασιολογική επεξεργασία; Έτσι, ναι. Υπάρχουν πολλά πράγματα που είναι συμβαίνει κάτω από την επιφάνεια με Siri και μερικά από τα παραδείγματα Πάω να σας δείξουμε το επόμενο όπου υπάρχει αρκετά ένα κομμάτι από την άποψη της δομής τι λέτε ότι είναι σημαντικό. Και, στην πραγματικότητα, αυτό είναι μια μεγάλη πρόδρομος για την επόμενη διαφάνεια για μένα. Έτσι, κατά τον ίδιο τρόπο που μας αναγνώρισης ομιλίας χτίστηκε από πολλαπλές στρώσεις, αν θέλουμε να καταλάβουν τι είναι αυτό που πραγματικά Τούτου λεχθέντος, θα πάμε ξανά βασίζονται σε μια ανάλυση πολλαπλών στρώσεων του κειμένου που είναι να αναγνωριστεί. Έτσι, όταν Siri είναι πράγματι σε θέση να ας πούμε, κοιτάξτε βρήκα αυτές τις λέξεις. Τώρα τι κάνω με αυτούς; Το πρώτο συστατικό είναι συχνά περάσει και να προσπαθήσουμε να αναλύσουμε η δομή της πρότασης. Και σε ό, τι έχουμε δει στο δημοτικό σχολείο, συχνά, ως ένα είδος διαγραμμάτων φράσεις, θα πάμε να αναγνωρίσει ότι ορισμένες οι λέξεις έχουν συγκεκριμένους ρόλους. Αυτά είναι ουσιαστικά. Αυτά είναι αντωνυμίες. Αυτά είναι τα ρήματα. Και θα πάμε να αναγνωρίσουν ότι για μια συγκεκριμένη γραμματική, σε αυτή την περίπτωση αγγλική γραμματική, υπάρχουν έγκυρη τρόπους με τους οποίους μπορώ να τα συνδυάσετε και άλλους τρόπους που δεν είναι έγκυρα. Η αναγνώριση αυτή, ότι η δομή, μπορεί να είναι αρκετό για να βοηθήσει τον οδηγό μας λίγο. Αλλά δεν είναι αρκετό για μας να είναι σε θέση να δώσει οποιοδήποτε νόημα σε ό, τι λέγεται εδώ. Για να το κάνετε αυτό, θα πρέπει να βασίζονται σε κάποια ποσότητα της σημασιολογικής επεξεργασίας. Δηλαδή, θα πάμε να πρέπει να εξετάσουμε σε κάτω από ό, τι κάθε μία από αυτές τις λέξεις στην πραγματικότητα μεταφέρει ως έννοια. Και με τον απλούστερο τρόπο για να γίνει αυτό, θα πάμε για να συνδέσει με κάθε λέξη που γνωρίζουμε ότι μια συγκεκριμένη λειτουργία, ένα ορισμένο μετασχηματισμό που επιτρέπει να συμβεί αυτό. Σε αυτήν την περίπτωση, θα μπορούσαμε να ετικέτα η λέξη "John" ως ένα κατάλληλο όνομα, ότι φέρνει με το μια ταυτότητα. Και θα μπορούσαμε να επισημαίνουν «Μαίρη», όπως τον ίδιο τρόπο. Ενώ ένα ρήμα όπως το «αγάπες», ότι αποτελεί μια ιδιαίτερη σχέση ότι είμαστε σε θέση να εκπροσωπήσει. Τώρα, αυτό δεν σημαίνει ότι ότι κατανοούμε τι είναι η αγάπη, αλλά μόνο ότι καταλαβαίνουμε που με τον τρόπο του ένα συμβολικό σύστημα. Δηλαδή, μπορούμε να ετικέτα αυτό και να χειριστούν αυτό. Με κάθε μία από αυτές τις προσεγγίσεις, κάθε είδος σημασιολογικής επεξεργασίας Εδώ πρόκειται να απαιτήσει μια μικρή κομμάτι της γνώσης και πολλή δουλειά από την πλευρά μας. Είμαστε πλέον στη σφαίρα όπου απλά στατιστικά στοιχεία πρόκειται να είναι αρκετό για εμάς. Τώρα, για να πάει από αυτό το σημείο να είναι είναι σε θέση να μιλήσει για το εσωτερικό της τι πραγματικά συμβαίνει εδώ, να είναι σε θέση να χειριστούν αυτό δομήσει και να καταλάβουν μια ερώτηση και στη συνέχεια να είναι σε θέση να βγούμε έξω και να αναζητήσετε, ότι απαιτεί μια πιο σύνθετων γνωστικών μοντέλο. Ο τρόπος με τον οποίο αυτά τα συστήματα κατασκευαστεί είναι ως επί το πλείστον πολύ, πολύ εργασία εντατικός. Περιλαμβάνουν τον άνθρωπο ξοδεύουν πολλά του χρόνου διάρθρωση των τρόπων με τους το οποίο αυτά τα είδη των ποινών μπορεί να αναπαρασταθεί σε κάποια λογική. Παίρνει ακόμη και μια μικρή πιο περίπλοκη, όμως. Ακόμη μια φορά έχουμε αντιμετωπίσει με σημασιολογία, θα πρέπει ακόμα να εξετάσουμε την πραγματολογία του τι λέγεται. Δηλαδή, πώς μπορώ να σχετίζονται με τις λέξεις ότι έχω κάτι να σωματικά έξω υπάρχει στον κόσμο ή σε τουλάχιστον κάποια πηγή πληροφοριών ότι μπορώ να χειραγωγήσουν; Μερικές φορές, αυτές οδηγούν σε υπέροχα κομμάτια της ασάφειας. "Καυτό αστέρι για να παντρευτεί αστρονόμος." ΕΝΤΆΞΕΙ. Τώρα, διαβάζουμε ότι η αστείο τύπο του τίτλο ότι θα βλέπαμε στην τηλεόραση αργά τη νύχτα γιατί δεν ερμηνεύουν "αστέρι" να έχουν ουράνια έννοια του σώματός του. Γνωρίζουμε ότι αυτό σημαίνει ότι η πιο κοινός ηθοποιός με υψηλά ποσά της ορατότητας. "Squad βοηθά δάγκωμα σκύλου θύμα." Είναι ότι η ομάδα είναι στην πραγματικότητα από την παροχή βοήθειας εκεί ένα σκυλί σε πηγαίνει γύρω και το δάγκωμα των θυμάτων; Ή μήπως ήταν εκεί ένα άτομο που ήταν τσίμπημα από ένα σκυλί που χρειάζεται κάποια βοήθεια; Απλά κοιτάζοντας από τη σύνταξη και η σημασιολογία των ποινών, δεν μπορούμε να προσδιορίσουμε αυτό. "Ελικόπτερο τροφοδοτείται από ανθρώπινες μύγες». Υπάρχουν, στην πραγματικότητα, την πραγματική μικρά πράγματα που πετούν γύρω ότι είναι άνθρωποι με φτερά τροφοδοσία ελικόπτερα για το καλό της ανθρωπότητας; Ή είναι μια μηχανική συσκευή υπάρχει ότι αντλεί τη δύναμή του από ένα άτομο; Όταν κοιτάζουμε ερώτηση συστήματα ερωταποκρίσεων, αυτά είναι τα στρώματα που θα πρέπει να αντιμετωπίσουμε. Τώρα, το καλύτερο και το πιο είδος από διαδεδομένη των συστημάτων αυτών σήμερα είναι σε θέση να κάνει τα πράγματα σε ένα επίπεδο που είναι πολύ πέρα ​​από αυτό που είχαμε πριν από 10 χρόνια. Εδώ είναι ένα από τα καλύτερα συστήματα ότι είναι εκεί έξω σήμερα. Και αυτό είναι ένα σύστημα από την IBM ονομάζεται Watson. Αυτό είναι από τους φίλους μας στην IBM. Αυτό είναι Katherine τράπεζες, Jia Chen, και η Πρίσκιλλα Moraes μας δίνει μια επίδειξη της Watson χθες στην IBM Yorktown. [ΑΝΑΠΑΡΑΓΩΓΗ] -Πώς είσαι? -Είμαι καλά. Είμαι πάντα χαρούμενος όταν είμαι σκέψης, ειδικά όταν μπορούν να μείνουν δροσερά σε αυτά τα δωμάτια server. -Ποιος Είναι ο αγαπημένος σας ηθοποιός; Αγαπημένη ηθοποιός -My Angelina Jolie ως Lara Croft στο Tomb Raider, διότι αρχική της μορφή ήταν σαν ένα εικονικό χαρακτήρα σαν κι εμένα. -Πώς Μπορεί να βοηθήσει τους ασθενείς Watson; -Είναι Το πρόγραμμα για ασθενείς με να έχουν πρόσβαση σε Watson άμεσα; Πρόσβαση σε Watson συμβουλευτική εφαρμογές θα διαφέρουν ανάλογα με την περίπτωση χρήσης. Αλλά σήμερα, Watson θα παρέχει μόνο δυνατόν διάγνωση και θεραπεία επιλογές για την επαγγελματική ιατρική. Ανάλογα με την περίπτωση, οι ασθενείς μπορούν να παρέχουν πληροφορίες να Watson, ίσως μέσα από μια πύλη διεπαφής ιστού, δισκίο, ή ακόμα και ένα κινητό τηλέφωνο. Για παράδειγμα, ένας ασθενής μπορεί να είναι ζητήθηκε να περιγράψουν τα συμπτώματά τους σε φυσική γλώσσα απευθείας σε ένα διάλυμα Watson, επιτρέποντας στον ιατρό να επικεντρωθεί συλλογής δεδομένων διάγνωση και όχι. -Ποιος Δολοφονήθηκε ο Αβραάμ Λίνκολν; -John Wilkes Booth. -Σε Ποια χρονιά έκανε την Αριζόνα Diamondbacks κερδίσει το World Series; -2001. [Σταματήσετε την αναπαραγωγή] BRIAN SCASSELLATI: Λοιπόν αυτά τα είδη των συστημάτων πρέπει να στηρίζονται πρώτα απ 'όλα αναγνωρίζοντας την ομιλία? δεύτερος, μετατρέποντάς την σε μια ουσιαστική εσωτερική αναπαράσταση; και στη συνέχεια, τρίτον, να είναι σε θέση να βγούμε έξω και να βρούμε Η πηγή πληροφοριών που: τους επιτρέπει να απαντήσω σε αυτή την ερώτηση. Αυτό το επίπεδο της πολυπλοκότητας περιλαμβάνει οι ίδιοι τύποι των προγραμματικών πράγματα ότι σας έχουν κάνει στο πρόβλημα σύνολα. Είμαστε σε θέση να αναλύσει τις αιτήσεις HTTP στο το ίδιο είδος του προτύπου χαμηλού επιπέδου αντιστοίχισης που ΕΛΙΖΑ μπορεί να κάνει. Είμαστε σε θέση να μετατρέψει εκείνους σε μια εσωτερική αναπαράσταση, και στη συνέχεια τα χρησιμοποιούν για την αναζήτηση κάποιες εξωτερική βάση δεδομένων, ενδεχομένως με τη χρήση SQL. Όλα τα συστήματα που χτίζονται σήμερα να κάνει αυτό το είδος της φυσικής γλωσσικής επικοινωνίας χτίζονται πάνω Αυτές οι ίδιες αρχές. Τώρα, ακόμη και ένα σύστημα όπως Watson δεν είναι αρκετά πολύπλοκη να είναι σε θέση να απαντήσει σε αυθαίρετες ερωτήσεις σχετικά με οποιοδήποτε θέμα. Και στην πραγματικότητα, θα πρέπει να είναι δομημένο μέσα σε ένα συγκεκριμένο τομέα. Έτσι, μπορείτε να συνδεθείτε στο Internet και μπορείτε να βρείτε εκδόσεις του Watson που λειτουργούν καλά μέσα στην ιατρική πληροφορική. Ή υπάρχει ένα σε απευθείας σύνδεση ότι ακριβώς ασχολείται με το πώς για να κάνουν καλές συστάσεις σχετικά με ποια μπύρα θα πάει με τον οποίο τα τρόφιμα. Και μέσα σε αυτούς τους τομείς, μπορεί να απαντήσει σε ερωτήσεις, βρείτε τις πληροφορίες που χρειάζεται. Αλλά δεν μπορείτε να αναμίξετε και να ταιριάξετε τους. Το σύστημα που είναι ήδη εκπαιδευμένοι με τη βάση δεδομένων των τροφίμων και μπύρα δεν λειτουργεί καλά όταν ξαφνικά βάζουμε με την ιατρική πληροφορική βάση δεδομένων. Έτσι, ακόμη καλύτερα συστήματα μας σήμερα βασίζονται σε ένα επίπεδο επεξεργασίας στην οποία είμαστε κωδικοποίηση χεριών και οικοδόμηση της υποδομής για για να κάνουν αυτό το σύστημα να κυλήσει. Τώρα, το τελευταίο θέμα που θέλω να είναι σε θέση να φτάσετε στο σήμερα είναι περίπου μη λεκτική επικοινωνία. Ένα μεγάλο πλήθος των πληροφοριών που που επικοινωνούν μεταξύ τους δεν προκύψει μέσα από το μεμονωμένες λέξεις που είμαστε εφαρμογή. Έχει να κάνει με τα πράγματα όπως εγγύτητα, το βλέμμα, ο τόνος της φωνής, καμπής σας. Και ότι η επικοινωνία είναι, επίσης, Κάτι που πολλές διαφορετικές διεπαφές νοιάζονται πολύ για. Δεν είναι ό, τι Siri νοιάζεται για. Μπορώ να ρωτήσω κάτι Siri με μια φωνή ή σε ένα διαφορετικό τόνο της φωνής, Siri και πρόκειται να να μου δώσει την ίδια απάντηση. Αλλά αυτό δεν είναι ό, τι χτίζουμε για πολλοί άλλοι τύποι διασυνδέσεων. Θέλω να σας συστήσω τώρα σε ένα από τα ρομπότ. Αυτό χτίστηκε από πολύχρονη μου φίλο και συνάδελφό Cynthia Breazeal και η εταιρεία της Jibo. Και αυτό robot-- θα πάμε να έχουμε ένα ζευγάρι εθελοντών καταλήξει να αλληλεπιδρούν με αυτό. Έτσι μπορώ να έχω δύο ανθρώπους που είναι πρόθυμοι για να παίξει με το ρομπότ για μένα; Γιατί δεν έρχεστε επάνω, και γιατί δεν έρχεσαι πάνω. Αν θέλετε μαζί μου εδώ, παρακαλώ. Και αν θα μπορούσα να έχετε έρχονται ακριβώς εδώ. Ευχαριστώ. Γεια. ALFREDO: Χαίρω πολύ. Alfredo. BRIAN SCASSELLATI: Alfredo. RACHEL: Rachel. BRIAN SCASSELLATI: Rachel. Χαίρω πολύ δύο. Αλφρέντο, Πάω να έχετε πάει πρώτα. Ελάτε μέχρι εδώ. Πάω να εισαγάγει you-- αν μπορώ να πάρω αυτό το off χωρίς να χτυπήσει την microphone-- σε ένα μικρό ρομπότ που ονομάζεται Jibo. ΕΝΤΆΞΕΙ? Τώρα, Jibo έχει σχεδιαστεί για να είναι αμφίδρομη. Και παρόλο που μπορεί να δώσει την ομιλία σας, μεγάλο μέρος της αλληλεπίδρασης με το ρομπότ είναι λεκτική. Αλφρέντο, Πάω να σας ζητήσω να πω κάτι ωραίο και δωρεάν στο ρομπότ, παρακαλώ. ALFREDO: Νομίζω ότι θα δούμε χαριτωμένο. [Βουητό] BRIAN SCASSELLATI: OK. Η απάντησή της δεν είναι λεκτική. Και όμως σου έδινε τόσο μια σαφή αναγνώριση ότι είχε ακούσει όσα είπατε και, επίσης, κατά κάποιο τρόπο κατανοητό αυτό. ΕΝΤΆΞΕΙ? Βήμα δεξιά πίσω εδώ για ένα δευτερόλεπτο. Ευχαριστώ. Ρέιτσελ, αν έχετε την καλοσύνη. Τώρα, είμαι πρόκειται να δώσει Σας το πολύ πιο δύσκολο έργο. Αν θέλετε να σταθεί ακριβώς εδώ, αντιγράφων ασφαλείας μόλις λίγο έτσι μπορούμε να σας πάρει στην κάμερα και να εξετάσουμε αυτόν τον τρόπο. Πάω να σας ζητήσω να πείτε κάτι πραγματικά σημαίνει και άσχημο στο ρομπότ. RACHEL: Αυτό που μόλις φαινόταν να κάνω ήταν εντελώς παράλογο. [Ξερό ήχο] Αυτό ήταν ακόμα πιο παράλογο. Τι συμβαίνει με εσάς; Aw, δεν αισθάνομαι άσχημα. Θα σας δώσω μια αγκαλιά. BRIAN SCASSELLATI: Εντάξει. Ευχαριστώ, Rachel. Αλφρέντο, Rachel, παιδιά ευχαριστώ πολύ. [ΧΕΙΡΟΚΡΟΤΉΜΑΤΑ] Έτσι, αυτό το είδος της αλληλεπίδρασης έχει στην πολλοί τρόποι για μερικά από τους ίδιους κανόνες και ορισμένα από τα ίδια δομή, όπως αυτό που θα μπορούσε να έχει στη γλωσσική αλληλεπίδραση. Είναι τόσο επικοινωνιακός και εξυπηρετεί ένα σημαντικό σκοπό. Και η αλληλεπίδραση, σε πολλούς τρόπους, έχει σχεδιαστεί να έχουν ιδιαίτερη επίδραση στην πρόσωπο αλληλεπιδρά με ή ακούτε στο ρομπότ. Τώρα, είμαι αρκετά τυχεροί να έχουν Jibo εδώ σήμερα. Sam Spaulding είναι εδώ βοηθώντας μας έξω με το ρομπότ. Και Πάω να ρωτήσω Σαμ να δώσει μας ένα ωραίο demo του Jibo χορό που μπορούμε να δούμε στο τέλος εδώ. Έτσι προχωρήστε, Jibo. SAM: Εντάξει, Jibo. Δείξτε μας χορευτικές κινήσεις σας. [Παίζει μουσική] BRIAN SCASSELLATI: Εντάξει, όλοι. Ευχαριστώ τους φίλους μας στο Jibo. [ΧΕΙΡΟΚΡΟΤΉΜΑΤΑ] Και χάρη στους φίλους μας στο Η IBM για τη βοήθεια σήμερα. Η επικοινωνία είναι κάτι ότι θα πάμε για να δείτε να ανεβαίνει όλο και περισσότερο ως χτίζουμε πιο πολύπλοκες διασυνδέσεις. Την επόμενη εβδομάδα, θα πρέπει να μιλάμε σχετικά με το πώς να διεπαφή με αντιπάλους τον υπολογιστή σε παιχνίδια. Αλλά εάν έχετε ερωτήσεις σχετικά με αυτό, Θα είμαι γύρω στις ώρες γραφείου απόψε. Είμαι στην ευχάριστη θέση να σας μιλήσω για το AI θέματα ή να μπει σε περισσότερες λεπτομέρειες. Καλο σαββατοκυριακο. [ΧΕΙΡΟΚΡΟΤΉΜΑΤΑ] [Παίζει μουσική]