[Music kucheza] DAVID Malan: Hii ni CS50. Hii ni mwisho wa wiki 10. Na kijana, kufanya tuna nzuri darasani kwako leo. Sisi ni hivyo msisimko kukaribisha wawili wa marafiki zetu kutoka Yale juu yetu leo na kuangalia katika makutano ya bandia akili, robotteknik, usindikaji lugha ya asili, na zaidi. Na hakika, juu ya wiki chache zilizopita, tumekuwa hakika alitumia muda mwingi, hasa katika psets awali, kulenga pretty maelezo ngazi ya chini. Na ni rahisi sana kupoteza mbele ya msitu kwa ajili ya miti na kupata Hung juu ya mizunguko na hali na kuyatumia, hakika, na kadhalika. Lakini ukweli ni nyie sasa wana viungo na ambayo unaweza kweli kutatua baadhi ya matatizo ya kuvutia, miongoni mwa nao wale ambao marafiki zetu katika Yale kazi ya aibu tu ya Cambridge. Hivyo naomba kwanza kuanzisha kichwa wetu kufundisha msaidizi kutoka Yale, Andy. [Makofi] ANDY: Awali ya yote, kumshukuru tu wewe kwa kuruhusu Yalies wanandoa pop juu ya chini ya Cambridge leo. Kweli sisi kufahamu hilo. Pili, kwa marafiki zetu nyuma home-- Jason, shukrani kwa ajili ya kukaa na kukimbia hotuba. Matumaini ni njema katika New Haven. Hivyo yeah, mimi nina super msisimko kuanzisha Scaz leo. Scaz anaendesha robotteknik maabara. Yeye ni profesa wa, kama, tano idara mbalimbali katika Yale. Katika maabara yake, ana wengi, wengi robots kwamba yeye anapenda kucheza na. Ana, kama, coolest kazi katika dunia. Na yeye anapata aina ya fujo karibu na kwamba siku zote muda mrefu na kufanya baadhi ya kazi, kama vile. Na hivyo sisi kweli kuletwa moja wao huko pamoja nasi leo. Hivyo bila wasiwasi zaidi, Scaz ni kwenda mbele na kuanzisha sisi kwa robot rafiki yake. [Makofi] BRIAN SCASSELLATI: Shukrani, Daudi. Shukrani, Andy. Ni ajabu sana kuwa hapa na kila mtu leo. Nataka kwanza kuwa wazi kabisa kuwa CS50 wafanyakazi hapa katika Cambridge imekuwa incredibly ukarimu kwetu. Sisi ni hivyo kushukuru kwa kila kitu wamefanya kutuunga mkono. Na hivyo tunatarajia kuwa na uwezo kurudi wema. Hivyo leo, sisi kupata kutangaza kwamba sisi ni kwenda na mpya, moja ya-ya aina ya tukio CS50 kinachotokea katika New Haven wiki ijayo. Na hii ni CS50 Utafiti Expo. Hivyo sisi ni kwenda kuwa kuwakaribisha everyone-- CS50 wanafunzi, wafanyakazi kutoka pande zote mbili Harvard na Yale-- kwa ashuke na kutembelea na sisi siku ya Ijumaa. Kutakuwa na aina mbalimbali ya juu ya 30 watu mbalimbali kuwasilisha na upperclassmen exhibiting-- kuonyesha mbali baadhi ya bidhaa zao za utafiti. Kutakuwa na baadhi startups, hata, kuangalia kwa kidogo ya mwezi tech vipaji, startups kutoka kwa Harvard na Yale. Na kutakuwa na baadhi ya vikundi mwanafunzi kuangalia kwa baadhi ya uanachama mapya. Ni kwenda kuwa wakati kusisimua sana. Hopefully wale ambao ni wakishuka kwa mchezo Harvard-Yale utakuwa na uwezo wa kuacha na kidogo mapema, haki ya katikati ya chuo hicho, Sterling Memorial Library. Tunakwenda kuwa na seti ya maonyesho mbalimbali kutoka uhuru sailboats kwa njia za kutumia programu kuhifadhi miswada medieval. Tunakwenda kuwa na tangazo hoc mitandao na watu kufundisha programu coding katika Cape Town. Tutaweza kuwa na kompyuta muziki maandamano. Na tutaweza bila shaka na robots zaidi. Hivyo hatuna matumaini utasikia kujiunga na sisi kwa ajili ya tukio hili. Ni lazima kuwa mengi ya furaha, kidogo kidogo ya chakula, na mengi ya kuvutia mambo ya kuzungumzia. Hivyo leo, sisi ni kwenda kuzungumza kuhusu usindikaji lugha ya asili. Na hii ni jaribio kwa ajili yetu kujenga njia mpya ya interfacing na vifaa yetu kwa sababu kwa muda wa wiki chache zilizopita, tumekuwa kulenga jinsi gani ni kwamba unaweza kuandika kanuni, kuandika programu kuwa ni njia ya kuwa na uwezo wa kusema kwa mashine, hii ni nini nataka ufanye. Lakini hatupaswi haja ya kutarajia kwamba kila kitu hiyo ni huko nje kwamba kutumika na kila mtu katika dunia ni kwenda kuwa na magari katika aina hii ya mafundisho. Hivyo sisi kutofautisha kati ya kompyuta Lugha na languages-- asili yaani, mambo ambayo binadamu matumizi kuwasiliana na wanadamu wengine. Na sisi kujaribu kujenga interfaces kwamba matumizi hizi taratibu za mawasiliano ya asili. Sasa, tu kama kila mada mengine kwamba tumekuwa ilianza na katika CS50, tunakwenda kuanza na rahisi kidogo ya usindikaji lugha za asili tuweze kufikiria. Tunakwenda kuanza na sehemu ya kihistoria ya lugha za asili. Na kisha tutaweza kujenga hadi zaidi na zaidi mifumo ya hivi karibuni na kuwa na baadhi ya kujifurahisha demos njiani. Hivyo sisi ni kwenda kuanza na nini ilikuwa pengine kwanza lugha ya asili mfumo usindikaji. Hii ilikuwa ni mfumo wa programu iliyoandikwa katika 1966 na Joseph Weizenbaum aitwaye ELIZA. Na ELIZA ilitengenezwa kuiga aina ya mwingiliano ingekuwa na Rogerian tibamaungo. Sasa, Rogerians, walikuwa na wazo kwamba tiba za kisaikolojia wanaohusika kuwa na uwezo wa kioo nyuma kwa mgonjwa na kuzungumza nao, kimsingi, na tu kuwapa vidogo kidogo ya mtaalamu. Yaani, kila kitu kuwa mtaalamu alisema ilitakiwa kuwa tu tafakari ya nini mgonjwa alikuwa akiwaambia kwao. Basi hebu jaribu na demo hii. Je, tuna kujitolea ambao d kuwa tayari kushiriki ndani kabisa wao, giza, na / au siri bandia na ELIZA? Hakika, kwa nini wewe kuja juu juu. Ajabu. Na jina lako? MILES: Maili. BRIAN SCASSELLATI: Maili. Vyema kukutana na wewe, Maili. Ukitaka kushikilia kwenye hilo. Na tunakwenda kutumia toleo la ELIZA kwamba tumekuwa kuigwa ndani ya CS50 IDE. Na tutaangalia chanzo kificho kwa hii katika muda mfupi. Lakini kwa sasa hivi, tuko tu kwenda waomba hilo kwa kuandika eliza. Na ELIZA ni kwenda kukupa majibu kwamba ni kwenda kuwa katika miji mikuu yote. Na kwenda kuuliza baadhi ya maswali. Na tutaweza kujibu na aina katika majibu ya ELIZA. Hivyo ELIZA amesema, "Hi, mimi nina ELIZA. Nini tatizo lako? " Nini ungependa kuwaambia ELIZA kuhusu leo? MILES: Naweza tu usingizi kama nina Bunny slippers juu. BRIAN SCASSELLATI: zote haki. Sawa. [Kicheko] "Siwezi tu usingizi na Bunny slippers juu. " Na ELIZA anasema, "Sema, je, kuwa na matatizo yoyote ya kisaikolojia? Labda hii ni kiashiria nzuri. " SAWA. Hivyo nini ungependa kujibu? MILES: Ndiyo. BRIAN SCASSELLATI: Ndiyo. Mtu wa maneno mengi. Mimi kufurahia jambo hilo. Eliza anasema, "Wewe wanaonekana kabisa chanya." MILES: Hapana, mimi ni, kwa kweli, elektroni. BRIAN SCASSELLATI: "Hapana Kwa kweli, mimi ni elektroni. " "Je, wewe unakuja kwangu kwa sababu wewe ni Electron? " Sasa, tunaweza kuona baadhi things-- mimi nina kwenda kutulia wewe kwa haki ya pili, Maili. Je, si kwenda popote. Sisi siyo kosa kwa wewe bado. ELIZA ni, katika baadhi ya njia, kukabiliana na mambo fulani kwamba yeye kusema lakini bila uelewa halisi. Na ni pia parroting nyuma baadhi sehemu ya adhabu yake. Hivyo sisi alisema, "Hapana Kwa kweli, mimi ni elektroni. " Eliza alijibu nyuma, "Je, wewe kuja kwangu kwa sababu wewe ni Electron? " Sawa. Hebu kuwapa moja zaidi majibu hapa. Kuwapa moja nzuri, Maili. MILES: Good moja? Ndiyo, tafadhali nisaidie. BRIAN SCASSELLATI: "Ndiyo. Tafadhali nisaidie. "" Una uhakika? " MILES: Hapana BRIAN SCASSELLATI: Hapana "Je, hiyo inaashiria nini?" MILES: Mimi inaweza kuwa Electron. BRIAN SCASSELLATI: "Mimi inaweza kuwa Electron. " "Je, akisema hakuna tu kuwa mbaya?" Sawa. Hivyo Maili, asante sana. MILES: Asante. BRIAN SCASSELLATI: Asante sana. [Makofi] Hivyo mpango huu ELIZA, kwa njia nyingi, ni kukabiliana tu kwa vipande kwamba sisi ni kutoa bila kina uelewa wa nini kinatokea hapa. Hii ni aina ya mfumo aitwaye muundo vinavyolingana, ambapo sisi ni kuangalia kwa baadhi ya vipande vya maandishi kwamba tuko kisha kwenda kuchukua nje ya kile yalitolewa kama pembejeo, kubadilisha, uwezekano, kwa namna fulani, na kisha kuwapa nyuma kwa mtumiaji. Je katika unadhani kwamba ELIZA ni kweli kufanya halali kisaikolojia hapa? Mtu mmoja, labda. Watazamaji: [inaudible]. BRIAN SCASSELLATI: Na jinsi je, hiyo kufanya kujisikia? Ndiyo, kwa kweli, ni gani. Na tunakwenda kuona, kwa kweli, chanzo kanuni kwa hiyo katika muda tu. Na hivyo wewe ni kwenda kuwa uwezo wa kufanya hasa hili. Sasa, ELIZA ni aina moja ya yale tunataka kuwaita leo mazungumzo bot. Ni tu inakwenda kupitia Nakala kwamba wewe ni kutoa, hutoa kiasi cha chini wazi ya uelewa au usindikaji, na kisha parrots nyuma na wewe. Hivyo hebu tuangalie, conceptually, na kuzungumza kuhusu nini ni kwamba ELIZA ni kweli kufanya. ELIZA ni kuchukua sentence-- hebu kusema, "Nataka kumvutia bosi wangu." Na ELIZA ni kutafuta kupitia hukumu hiyo na kujaribu kutafuta na mechi ya mifumo fulani. Hivyo, kwa mfano, moja ya mifumo kwamba ELIZA ni kutafuta ni maneno "Nataka." Na wakati wowote anaona kitu ambayo ina "Nataka" ndani yake, ni kujiwekea majibu. Na majibu kwamba ni kamba fasta. Katika kesi hiyo, ni "kwa nini unataka?" Na mimi kuweka nyota kidogo katika mwisho kwa sababu hiyo ni mwanzo wa mwitikio wetu. Na nyota inaonyesha kwamba tunakwenda kuchukua mapumziko ya mtumiaji utterance-- "kumvutia bosi wangu" - na tunakwenda append kwamba kwenye mwisho wa kamba hii. Hivyo sasa, badala ya kusema, "kwa nini Je, unataka kumvutia bosi wangu, " kuna kidogo ya ziada usindikaji kwamba tutaweza kufanya. Yaani, sisi itabidi kubadilisha baadhi ya Viwakilishi hapa kutoka "bosi wangu" na "bosi wako." Na huenda kuna wengine wachache mabadiliko ambayo tunahitaji kufanya. Hivyo badala ya kujikita ni moja kwa moja kwenye mwisho, nini tutaweza kufanya ni tutaweza kuchukua mapumziko ya mtumiaji utterance-- katika nyeupe here-- na tutaweza kuchukua ni kitu kimoja katika muda na kubadilisha kila kamba ishara, kila neno, katika hukumu. Hivyo tutaweza kuchukua neno "kwa". Hakuna kubadilika kuwa tunahitaji kufanya hivyo. "Kumvutia." Hakuna kubadilika tunahitaji kufanya huko. "Yangu" itakuwa kubadilisha na "wako." Na "bosi" tutaweza kuondoka tu kama "bosi." Na kisha hatimaye, kitu chochote kwamba mwisho kwa kipindi, tutaweza kubadili kwenye swali. Hii rahisi sana muundo vinavyolingana ni kweli na mafanikio. Na wakati huu ulianzishwa katika 1966-- Joseph Weizenbaum iliyowekwa hii kwenye kompyuta. Sasa, kompyuta wakati huo hawakuwa mifano desktop. Walikuwa pamoja rasilimali. Na wanafunzi wake ungekuwa kwenda na kuzungumza na ELIZA. Hatimaye, yeye alikuwa na kudhibiti upatikanaji wa ni kwa sababu wanafunzi wake walikuwa si kupata kazi yoyote kufanyika. Walikuwa kuzungumza tu kwa ELIZA. Na, kwa kweli, yeye alikuwa na moto msaidizi wake, ambaye alitumia wote wa muda wake kuzungumza na ELIZA kuhusu matatizo yake ya kina na inatia mashaka. Kila mtu ambaye alitumia mifumo hii kuanza anthropomorphize yao. Walianza kufikiri wao kama kuwa hai na watu halisi. Walianza kutambua baadhi ya mambo ambayo wao walikuwa wakisema wanakuja nyuma yao. Nao walikuwa kutafuta mambo kuhusu wao wenyewe. Na, kwa kweli, hata wataalam, hata psychotherapists, kuanza kuwa na wasiwasi kwamba, kwa kweli, labda ELIZA itakuwa kuondoa yao. Na hata kompyuta wanasayansi wasiwasi kwamba tulikuwa karibu na kutatua lugha ya asili. Sasa, hiyo haikuwa mahali popote karibu na kweli. Lakini hiyo ni jinsi ya kuvutia mifumo hii inaweza kuonekana. Basi hebu kuanza kuangalia chini na kujaribu kupata kidogo ya swali wapi kificho hii kwa kweli hutokea. Hivyo tutaweza kufanya kanuni hii inapatikana baadaye. Na hii ni sana bandari rahisi na ya moja kwa moja ya awali ELIZA utekelezaji. Hivyo baadhi ya hizi Stylistic mambo ambayo utaona hapa si stylistically nini tunataka wanataka kufanya au nini tumekuwa kufundisha wewe kufanya. Lakini tumekuwa alijaribu kuwaweka namna tofauti katika bandari wengi kwamba hii imekuwa na hivyo kuwa ni ina ladha ya awali. Hivyo sisi ni kwenda kwa pamoja rundo la vitu, na kisha tutaweza kuwa seti ya maneno, mambo kwamba ELIZA kutambua na kujibu moja kwa moja. Hivyo kama una maneno kama "unaweza" au "I do not" au "hapana" au "ndiyo" au "ndoto" au "hello," kisha ELIZA kujibu selectively kwa wale. Tutaweza pia kuwa baadhi idadi ya mambo kwamba sisi wabadilishane, kama kuwabadili "yangu" na "wako." Na kisha tutaweza kuwa na seti ya majibu kwamba kwa kila moja ya maneno haya, tutaweza mzunguko kupitia hizi majibu tofauti. Hivyo kama mimi kusema "ndiyo" mara tatu mfululizo, mimi anaweza kupata tatu tofauti majibu kutoka ELIZA. Kanuni zetu, basi, ni kweli inashangaza rahisi. Kama mimi kitabu chini uliopita yote haya majibu kwamba tuna iliyowekwa katika na sisi kupata chini ya kuu yetu, tunakwenda initialize michache ya vigezo mbalimbali na kufanya kidogo ya utunzaji wa nyumba katika mwanzo. Lakini basi kuna kabisa kuweka wa kanuni uweze kuelewa. Moja kubwa kitanzi wakati kwamba anasema mimi nina kwenda kurudia hiki tena na tena. Mimi itabidi kusoma katika mstari, na mimi itabidi kuhifadhi kwamba katika kamba pembejeo. Mimi itabidi kuangalia na kuona kama ni keyword maalum "bye," ambayo ina maana kujinasua mpango. Na kisha mimi itabidi kuangalia na kuona kama mtu ni kurudia tu wenyewe tena na tena. Na mimi itabidi yell saa yao kama hawana. Mimi itabidi kusema "wala kurudia mwenyewe." Muda mrefu kama hakuna wa wale kutokea, tutaweza kisha Scan kupitia na kitanzi kwa njia, juu ya mistari 308-313 hapa, na angalia uone ni yoyote ya wale keyword misemo zilizomo katika pembejeo kwamba nilikuwa tu kupewa? Kama kuna mechi kwa ajili yao, vizuri basi, mimi itabidi kukumbuka eneo hilo. Mimi itabidi kukumbuka kwamba keyword. Na mimi itabidi kuwa na uwezo wa kujenga majibu. Kama mimi si kupata moja, vizuri basi, Jambo la mwisho katika safu yangu keyword itakuwa majibu yangu ya msingi, wakati kitu kingine mechi. Mimi itabidi kuuliza maswali kama "Kwa nini wewe kuja hapa? "au" Ninawezaje kukusaidia? " kwamba ni tu sehemu sahihi bila kujali pembejeo ni. Tutaweza basi kujenga majibu ELIZA ya. Tutaweza kuwa na uwezo wa kuchukua kwamba majibu ya msingi, tu kama tulivyofanya kwa kuwa "bosi wangu" mfano. Kama hayo ni yote kwamba kuna is-- kama ni tu moja kamba kwamba natakiwa respond-- Naweza tu kutuma nyuma nje. Kama ana kinyota kwenye mwisho wake, basi mimi itabidi mchakato kila ishara ya mtu binafsi katika mapumziko ya majibu ya mtumiaji na kuongeza wale walio katika, swapping nje neno kwa neno kama nahitaji. Yote hii ni kabisa kitu ambacho ungeweza kujenga. Na kwa kweli, njia ambazo sisi na kusindika hoja mstari amri, njia ambao una kusindika kwa njia ya maombi HTTP kufuata aina hiyo ya sheria. Wao ni muundo vinavyolingana. Hivyo ELIZA alikuwa na kiasi muhimu athari kwa lugha za asili kwa sababu alifanya hivyo kuonekana kama ilivyokuwa lengo attainable sana, kama namna fulani tunatarajia kuwa na uwezo wa kutatua tatizo hili moja kwa moja. Sasa, kwamba si kusema kwamba ELIZA gani kila kitu kwamba tunataka wanataka kufanya. Hakika si. Lakini tunapaswa kuwa na uwezo kufanya kitu zaidi. Hatua yetu ya kwanza kwenda zaidi ya ELIZA ni kwenda kuwa na uwezo wa kuangalia si maandishi kuwa aliingia ndani ya keyboard lakini hotuba, halisi hotuba kumbukumbu katika kipaza sauti. Hivyo kama sisi kuangalia hizi vipande mbalimbali, tuko kwenda na kujenga seti ya mifano. Tunakwenda kuwa na uwezo kwenda kutoka ngazi ya chini akustisk information-- lami, amplitude, frequency-- na kubadilisha kwamba katika baadhi ya vitengo kuwa tuko uwezo kwa urahisi zaidi kuendesha na, hatimaye, kuendesha yao ndani ya maneno na sentensi. Kwa hiyo wengi kutambua hotuba mifumo ya kwamba ni huko nje leo kufuata takwimu mfano ambayo sisi kujenga uwakilishi matatu tofauti ya yale kuwa ishara ya kusikiliza kweli ina. Tunaweza kuanza na mtindo wa kifonetiki kwamba mazungumzo juu ya msingi tu sauti kwamba mimi nina kuzalisha. Mimi ni kuzalisha kitu ambacho ni B kama katika mvulana au D kama katika mbwa? Je, mimi kutambua hayo mawili tofauti Simu za kama tofauti na tofauti? Juu ya kwamba, tutaweza kisha kujenga neno matamshi mfano, kitu ambacho viungo pamoja Simu za wale mtu binafsi na unachanganya yao katika neno. Na baada ya hapo, tutaweza kuchukua maneno na tutaweza kuwakusanya na lugha mfano katika hukumu kamili. Sasa, sisi ni kwenda kuzungumza kuhusu kila ya hizi kujitegemea na tofauti. Lakini mifano ya haya tatu ni wote tu kwenda kuwa takwimu. Na hiyo ina maana wakati sisi kazi nao, tutaweza kuwa na uwezo wa kufanya kazi na wote wakati huo huo. Sawa. Hebu kuanza na mtindo wetu fonetiki. Hivyo mifano ya fonetiki kutegemea mbinu Computational aitwaye siri mifano Markov. Hizi ni mifano graphical ambayo mimi kuwa na kutambua hali ya dunia kama kuwa na sifa na seti ya makala. Na hali ambayo inaeleza sehemu moja wa utekelezaji kwamba mimi nina kushiriki katika. Hivyo kama nadhani kuhusu kufanya sauti "ma" kama mama, kuna tofauti vipengele na ile sauti. Kuna sehemu ambapo mimi kuteka katika pumzi. Na kisha mimi mfuko wa fedha midomo yangu. Na mimi unaendelea midomo yangu nyuma kidogo kidogo kufanya kwamba "ma" sauti. Na kisha kuna habari. Midomo yangu kuja mbali. Hewa ni kufukuzwa. "Ma." Wale sehemu tatu tofauti itakuwa inawakilishwa na mataifa katika graph-- hii mwanzo, kati, na mwisho. Na mimi ingekuwa mabadiliko kwamba kuruhusiwa mimi kusafiri kutoka hali moja hadi kingine na uwezekano fulani. Hivyo, kwa mfano, kwamba M sauti inaweza kuwa sana, mfupi sana ulaji katika beginning-- "mm" - na kisha kwa muda mrefu, awamu vibratory ambapo mimi nina kufanya yangu midomo pamoja na karibu humming-- "mmmm" - na kisha mfupi sana plosive ambapo mimi kufukuza breath-- "ma." Siri Markov mfano ni iliyoundwa na kukamata ukweli kwamba kwa njia hiyo mimi kufanya kwamba sauti "ma" ni kwenda kuwa tofauti kidogo katika majira yake, ni mzunguko, na sifa yake ya njia hiyo, unaweza kufanya hivyo au njia ili nipate kufanya hivyo wakati mimi kuzungumza kuhusu matumizi mbalimbali ya barua. "Mama" na "naomba" mapenzi sauti tofauti kidogo. Hivyo kutambua sauti fulani, tunataka kujenga Markov mifano, haya Markov siri mifano, ya kila simu inawezekana kwamba mimi kutaka kutambua, kila sauti inawezekana, na kisha kuangalia data akustisk kwamba nina na kuamua takwimu ambayo moja ni moja na uwezo mkubwa kwa zinazozalishwa sauti hii. SAWA. Kwa mfano kwamba, sisi kisha kuanza kujenga juu yake. Tunachukua matamshi mfano wa kuigwa. Sasa, wakati mwingine matamshi mifano ni rahisi na rahisi kwa sababu kuna moja tu njia ya kutamka kitu. Wakati mwingine, wao uko kidogo ngumu zaidi. Hapa ni matamshi kuongoza kwa kuwa jambo nyekundu kwamba ni matunda kwamba kufanya ketchup nje ya. Watu sidhani ni matunda. Sawa? Sasa, kuna njia nyingi tofauti kwamba watu kutamka neno hili. Baadhi watasema "toe-may-toe." Baadhi watasema "toe-mah-toe." Na tunaweza kukamata kwamba kwa moja ya mifano ya haya graphical ambapo, tena, sisi kuwakilisha mabadiliko kama kuwa na uwezekano fulani na kuhusishwa na uwezekano pamoja nao. Hivyo katika kesi hii, kama ningekuwa kufuata Njia juu kupitia graph hii nzima, Mimi itakuwa kuanzia saa barua juu ya mbali kushoto, "ta" sauti. Napenda kuchukua nusu juu, "loo," na kisha "ma," na kisha "," na kisha "ta," na "loo." "Toe-may-toe." Kama mimi alichukua njia chini kupitia hivyo, mimi kupata "ta-mah-toe." Na kama nilikwenda chini na kisha up, napenda kupata "ta-may-toe." Mifano ya haya kukamata hawa tofauti kwa sababu wakati wowote sisi kupeleka mmoja wa haya mifumo ya kutambua, itakuja na kufanya kazi na kura ya aina tofauti ya watu, kura ya accents mbalimbali, na hata matumizi mbalimbali ya maneno yaleyale. Hatimaye, juu ya kwamba, tutaweza kujenga kitu kwamba inaonekana kweli ngumu, aitwaye mfano lugha, lakini kwa kweli ni rahisi ya tatu kwa sababu hizi kazi juu ya kile kinachojulikana mifano n-gram. Na katika kesi hii, mimi nina kuonyesha wewe sehemu mbili mfano n-gram, bigram. Tunakwenda kufanya kimwili wazo kwamba wakati mwingine, maneno fulani ni zaidi uwezekano wa kufuata kutokana na neno kuliko wengine. Kama mimi tu alisema "hali ya hewa," neno ijayo inaweza uwezekano kuwa "leo" au inaweza kuwa "hali ya hewa utabiri kesho. " Lakini ni uwezekano wa kuwa na " hali ya hewa utabiri artichoke. " Nini mtindo wa lugha gani ni captures wale takwimu kwa kuhesabu, kutoka kwa baadhi kubwa sana corpus, wote wa matukio ambao neno moja ifuatavyo mwingine. Hivyo kama mimi kuchukua corpus-- kubwa kama kila Wall Street Journal ambayo imekuwa zinazozalishwa tangu 1930, ambayo ni moja ya corpuses-- kiwango na mimi kuangalia njia zote Nakala kwamba, na mimi kuhesabu up mara ngapi baada ya "Utabiri" kufanya naona "leo" na ni mara ngapi kufanya naona "Utabiri" ikifuatiwa na "artichoke," moja ya kwanza ni kwenda kuwa mkubwa zaidi. Ni kwenda itaonekana mbali zaidi mara kwa mara. Na hivyo itabidi juu uwezekano yanayohusiana na hayo. Kama mimi nataka kufikiri uwezekano wa kutamka nzima, basi, mimi tu kuvunja up. Hivyo uwezekano wa kusikia hukumu "panya wakala jibini" ni uwezekano wa neno "" kuanzia hukumu, na kisha uwezekano kwamba neno "panya" ifuatavyo neno "," na uwezekano kwamba neno "wakala" ifuatavyo "panya," na uwezekano kwamba "cheese" ifuatavyo "wakala". Hii inaonekana kama mengi ya takwimu, mengi ya probabilities. Na kwamba wote kwamba ni. Lakini jambo la kushangaza ni kama wewe kufanya hivyo na kubwa sampuli kutosha wa takwimu, inafanya kazi. Na ni kazi kwa kiasi kikubwa vizuri. Sote tunajua teknolojia hizi. Mifumo ya uendeshaji kuja na kutambua sauti katika hatua hii. Sisi kutumia Siri na Cortana na Echo. Na mambo haya ni ya msingi juu aina hii ya tatu-safu model-- mfano fonetiki chini, a matamshi mfano katikati, na mfano wa kuigwa lugha juu yao. Sasa, wao kufanya kidogo zaidi kuliko ile ili kujibu maswali. Lakini utambuzi wa nini wewe akisema inategemea hasa juu ya jambo hilo. Basi hebu chukua mfano hapa. Hivyo nina simu yangu ameketi juu hapa chini ya hati kamera. Na tunakwenda anauliza Siri maswali kadhaa. Sawa? Basi hebu kuamka simu yangu hapa. Siri, ni nini hali ya hewa kama katika New Haven leo? Siri: Hapa ni ya hali ya hewa kwa New Haven, Connecticut leo. BRIAN SCASSELLATI: Sawa. Hivyo kwanza ninyi kuona kwamba Siri kutambuliwa kila moja ya maneno ya mtu binafsi na kisha zinazozalishwa majibu. Tutaweza majadiliano juu ya jinsi jibu kwamba huja juu katika kidogo. Lakini sasa kwa kuwa tunajua kwamba hii ni msingi tu juu ya takwimu ghafi na hii muundo vinavyolingana aina ya mbinu, tunaweza kucheza baadhi ya michezo na Siri. Hivyo siwezi kujaribu tena. Siri, ni nini hali ya hewa kiboko New Haven, leo? Siri: Sawa. Hapa ni ya hali ya hewa kwa ajili ya New Haven, Connecticut kwa leo. BRIAN SCASSELLATI: Siri ya si daunted na kwamba kwa sababu ni kupatikana pattern-- "hali ya hewa," "leo," "New Haven." Hiyo ni nini ni kukabiliana kwa, tu kama ELIZA. Sawa. Hebu kuwapa moja zaidi hata zaidi ujinga mfano. Siri, hali ya hewa artichoke kakakuona kiboko New Haven? Siri: Hebu kuangalia juu ya jambo hilo. Hapa ni nini nimeona kwenye mtandao kwa nini ni aubergine kakakuona kiboko New Haven. BRIAN SCASSELLATI: Sawa. Hivyo kama mimi kwenda mbali kutosha mbali na mtindo huu, Nina uwezo wa kuchanganya hili kwa sababu hakuna tena mechi mfano kwamba ina. Na kwamba takwimu injini hiyo akisema, nini uwezekano kwamba nimepata Maneno kiboko na artichoke pamoja, na Kakakuona? Hiyo got kuwa kitu kipya. Hivyo teknolojia hizi tunatumia kila siku. Kama tunataka kuwapeleka hatua moja zaidi, ingawa, kama sisi kweli wanataka kuwa na uwezo wa kuzungumza kuhusu nini ni kwamba mifumo hii ni kukabiliana na, tuna kuzungumza, tena, kuhusu zaidi ya msingi seti ya maswali. Na hiyo ndiyo mada katika mawasiliano kwamba tunatoa wito swali kujibu. Yaani, tunataka kuwa na uwezo to-- yeah? Watazamaji: [inaudible]. BRIAN SCASSELLATI: Je, sisi kupata ndani ya latent semantic usindikaji? Hivyo ndiyo. Kuna mambo mengi ambayo ni kinachotokea chini ya uso na Siri na katika baadhi ya mifano Mimi nina kwenda kuonyesha ijayo ambapo kuna kidogo kabisa katika suala la muundo ya unachosema hiyo ni muhimu. Na, kwa kweli, kwamba ni kubwa mtangulizi kwa slide ijayo kwa ajili yangu. Hivyo katika njia sawa kwamba yetu kutambua hotuba ilijengwa juu ya tabaka mbalimbali, kama tunataka kuelewa ni nini hiyo ni kweli kuwa alisema, tunakwenda tena kutegemea uchambuzi tabaka mbalimbali Nakala ya hiyo kuwa kutambuliwa. Hivyo wakati Siri ni kweli na uwezo wa kusema, tazama nimeona maneno haya. Sasa nini mimi pamoja nao? Sehemu ya kwanza ni mara nyingi kwa kwenda kwa njia na kujaribu kuchambua muundo wa hukumu. Na katika kile tumeona katika shule ya daraja, mara nyingi, kama aina ya diagramming hukumu, tunakwenda kutambua kuwa fulani Maneno wana majukumu fulani. Hizi ni majina. Hizi ni viwakilishi. Hizi ni verbs. Na tunakwenda kutambua kwamba kwa sarufi maalum, katika hii kesi Kiingereza sarufi, kuna halali njia ambazo siwezi kuchanganya yao na njia nyingine ambazo si halali. Kutambua kuwa, muundo kwamba, inaweza kuwa kutosha kusaidia kutuongoza kidogo. Lakini siyo kabisa kutosha kwa sisi kuwa na uwezo wa kutoa maana yoyote kwa nini kuwa alisema hapa. Ili kufanya hivyo, tutaweza kuwategemea baadhi ya kiasi cha semantic usindikaji. Yaani, tunakwenda na kuangalia katika chini ya kile kila moja ya maneno haya kweli hubeba kama maana. Na katika njia rahisi ya kufanya hivyo, tunakwenda kujiunga na kila neno kwamba tunajua kazi fulani, mabadiliko fulani kwamba inaruhusu kutokea. Katika kesi hiyo, tupate studio neno "John" kama kuwa jina sahihi, kuwa ni inaleta utambulisho. Na tupate studio "Mariamu" kama njia hiyo hiyo. Wakati kitendo kama "anapenda," kwamba hufanya uhusiano fulani kwamba sisi ni uwezo wa kuwakilisha. Sasa, hiyo haina maana kwa kuwa tunafahamu upendo ni nini lakini tu kwa kuwa tunafahamu hivyo kwa njia ya mfumo wa mfano. Hiyo ni, tunaweza studio hilo na kuendesha hiyo. Kwa kila moja ya aina hii ya mbinu, aina yoyote ya semantic usindikaji hapa ni kwenda zinahitaji kidogo kidogo ya elimu na kazi nyingi za kwa upande wetu. Tuko tena katika ulimwengu wa ambapo takwimu wazi tu ni kwenda kuwa kutosha kwa ajili yetu. Sasa, ili kwenda kutoka hatua hii ya kuwa uwezo wa kuzungumzia ndani ya nini hasa kinachotokea hapa, kwa kuwa na uwezo wa kuendesha hii muundo na kuelewa swali na kisha kuwa na uwezo kwenda nje na kutafuta, ambayo inahitaji zaidi tata utambuzi mfano wa kuigwa. Njia ambayo mifumo hii ni kujengwa ni kwa sehemu kubwa sana, kazi sana kubwa. Wao kuhusisha binadamu matumizi ya mpango mkubwa muda jinsia njia katika ambayo aina hii ya hukumu inaweza kuwakilishwa katika baadhi ya mantiki. Anapata hata kidogo ngumu zaidi, ingawa. Hata mara moja tumekuwa kushughulikiwa na semantiki, tutaweza bado una kuangalia pragmatics ya nini kuwa alisema. Yaani, jinsi gani mimi yanahusiana maneno kwamba mimi kuwa na kitu kimwili nje kuna katika dunia au katika angalau baadhi chanzo maelezo niweze kuendesha? Wakati mwingine, hizi kusababisha bits ya ajabu ya utata. "Red-moto nyota wa kiungwana falaki." SAWA. Sasa, tunasoma kwamba kama funny aina ya kichwa cha habari kwamba tunataka kuona juu ya marehemu usiku TV kwa sababu hatuna kutafsiri "nyota" kuwa na mwili wake maana ya mbinguni. Tunajua kwamba maana yake ni zaidi kawaida muigizaji au mwigizaji kwa kiasi kikubwa cha kujulikana. "Squad husaidia mbwa kuumwa waathirika." Je, ni kwamba kikosi ni kweli huko nje kusaidia mbwa katika kwenda kuzunguka na kuuma waathirika? Au ni kwamba kulikuwa na mtu ambaye alikuwa kuumwa na mbwa waliohitaji baadhi ya msaada? Tu kutoka kuangalia syntax na semantiki ya hukumu, hatuwezi kuamua kwamba. "Helikopta kinatumia inzi binadamu." Je, kuna, kwa kweli, halisi mambo madogo kuruka karibu kwamba ni watu wenye mbawa driva helikopta kwa manufaa ya wanadamu? Au kuna kifaa kimoja mitambo kwamba hupata nguvu yake katika mtu? Tunapoangalia swali mifumo ya kujibu, hizi ni tabaka kwamba tunahitaji kushughulikia. Sasa, bora na aina zaidi ya imefikia ya mifumo hii leo ni uwezo wa kufanya mambo katika ngazi hiyo ni mbali zaidi ya kile tulikuwa miaka 10 iliyopita. Hapa ni moja ya mifumo bora hiyo ni huko nje leo. Na hii ni mfumo kutoka IBM aitwaye Watson. Hii ni kutokana na marafiki zetu katika IBM. Hii ni Katherine benki, Jia Chen, na Prisila Moraes anatupa maandamano ya Watson jana katika IBM Yorktown. [VIDEO avspelning] -Jinsi Wewe ni? -I Am vizuri. Mimi ni furaha daima wakati mimi niko kufikiri, hasa wakati mimi wanaweza kukaa baridi katika vyumba haya server. -Nani Ni mwigizaji your favorite? Favorite mwigizaji -my Angelina Jolie kama Lara Croft katika Tomb Raider kwa sababu awali yake fomu ilikuwa kama tabia virtual kama mimi. -Jinsi Watson inaweza kusaidia wagonjwa? -Je Mpango kwa ajili ya wagonjwa kwa wanapata Watson moja kwa moja? Upatikanaji wa Watson ushauri maombi itakuwa kutofautiana na matumizi ya kesi. Lakini sasa, Watson tu kutoa utambuzi iwezekanavyo na tiba chaguzi mtaalamu wa matibabu. Pale inapobidi, wagonjwa inaweza kutoa taarifa kwa Watson, labda kupitia portal mtandao interface, kibao, au hata simu za mkononi. Kwa mfano, mgonjwa inaweza kuwa na aliuliza kuelezea dalili zao katika lugha ya asili moja kwa moja katika ufumbuzi Watson, kuruhusu daktari kwa kuzingatia mkusanyiko utambuzi na si data. -Nani Aliuawa Abraham Lincoln? Yohana Wilkes Booth. -Katika Mwaka gani Arizona Diamondbacks kushinda World Series? -2001. [Mwisho avspelning] BRIAN SCASSELLATI: Kwa hiyo aina hii ya mifumo ya na kwa kutegemea juu ya kwanza ya yote kutambua hotuba; pili, kuwabadili ndani ya ndani ya maana uwakilishi; na kisha, tatu, kuwa na uwezo wa kwenda nje na kupata Maelezo chanzo hicho inaruhusu yao ya kujibu swali hilo. Kiwango hiki cha utata inahusisha aina hiyo ya mambo ya programu kwamba umekuwa kufanya katika seti tatizo. Sisi ni uwezo wa kuchanganua maombi HTTP katika aina moja ya ngazi ya chini mfano vinavyolingana kwamba ELIZA wanaweza kufanya. Sisi ni uwezo wa kubadilisha wale ndani ya uwakilishi wa ndani, na kisha kuzitumia na swala baadhi Mbegu za nje, pengine kwa kutumia SQL. Wote wa mifumo ya kwamba zinajengwa leo kufanya aina hii ya asili mawasiliano lugha zinajengwa juu ya sawa kanuni hizi. Sasa, hata kama mfumo Watson si tata kutosha kuwa na uwezo wa kujibu holela maswali kuhusu mada yoyote. Na kwa kweli, wao kuwa muundo ndani ya uwanja huo. Hivyo unaweza kwenda online na unaweza kupata matoleo ya Watson kwamba kazi vizuri ndani ya Informatics matibabu. Au kuna moja online kwamba tu inahusika na jinsi kutoa mapendekezo mazuri kuhusu nini bia utakwenda pamoja ambayo chakula. Na ndani ya nyanja hizo, inaweza kujibu maswali, kupata taarifa kwamba inahitaji. Lakini huwezi kuchanganya na mechi yao. Mfumo kwamba imekuwa mafunzo na database ya chakula na bia haifanyi kazi vizuri wakati wewe ghafla kuiweka katika na Informatics matibabu database. Hivyo hata mifumo yetu bora leo kutegemea juu ya kiwango cha usindikaji ambayo sisi ni mkono coding na kujenga katika miundombinu ili kufanya mfumo huu kukimbia. Sasa, mada mwisho nataka kuwa na uwezo wa kupata leo ni kuhusu mawasiliano kwa ishara. Umati mkubwa wa habari kwamba sisi kuwasiliana na wengine haina kuja juu kupitia maneno ya mtu binafsi kwamba sisi ni kuomba. Ni ina nini na mambo kama ukaribu, macho, sauti yako, inflection yako. Na kwamba mawasiliano pia ni jambo ambalo wengi interfaces tofauti huduma mengi juu. Ni nini Siri anayejali kuhusu. Siwezi kuuliza Siri kitu kwa sauti moja au kwa sauti mbalimbali za sauti, na Siri kinaendelea nipe jibu moja. Lakini si kwamba kile sisi kujenga kwa wengine wengi aina ya interfaces. Mimi nataka kuanzisha wewe sasa na mmoja wa robots. Hii ilijengwa na wa muda mrefu yangu rafiki na mwenzake Cynthia Breazeal na kampuni yake Jibo. Na robot-- hii tunakwenda kuwa na kujitolea wanandoa kuja kuingiliana na hii. Hivyo naweza kuwa na watu wawili tayari kucheza na robot kwa ajili yangu? Mbona wewe kuja juu juu, na kwa nini wewe kuja juu juu. Kama utaweza kujiunga na mimi hapa, tafadhali. Na kama mimi naweza kuwa na wewe kuja haki zaidi ya hapa. Shukrani. Hi. ALFREDO: Nice kukutana na wewe. Alfredo. BRIAN SCASSELLATI: Alfredo. RACHEL: Rachel. BRIAN SCASSELLATI: Rachel. Vyema kukutana na wewe wote. Alfredo, mimi nina kwenda na kwenda kwanza. Kuja haki juu hapa. Mimi nina kwenda kuanzisha you-- kama naweza kupata hii mbali bila kugonga microphone-- kwa robot mdogo aitwaye Jibo. SAWA? Sasa, Jibo imeundwa kuwa shirikishi. Na ingawa inaweza kutoa hotuba wewe, mengi ya mwingiliano na robot ni mawasiliano kwa ishara. Alfredo, mimi nina kwenda kuuliza wewe kusema kitu kizuri na complimentary kwa robot, tafadhali. ALFREDO: Nadhani ukiangalia cute. [Whirring SOUND] BRIAN SCASSELLATI: Sawa. Majibu yake ni si matusi. Na hata hivyo, aliwapa wote kukiri wazi kuwa ni wamesikia nini alisema na pia kwa namna fulani kuelewa kwamba. SAWA? Hatua haki ya nyuma hapa kwa ajili ya pili moja. Asante. Rachel, kama wewe ingekuwa. Sasa, mimi nina kwenda kutoa wewe kazi ngumu sana. Kama utaweza kusimama hapa hapa, kuunga kidogo tu hivyo tunaweza kupata wewe kwenye kamera na kuangalia njia hii. Mimi nina kwenda kuuliza wewe kusema kitu kweli maana na nasty kwa robot. RACHEL: Nini tu walionekana kufanya ni ujinga kabisa. [Humming SOUND] Hiyo ilikuwa ni hata zaidi ya ajabu. Nini kinaendelea na wewe? Aw, si kujisikia vibaya. Mimi nitakupa kumkumbatia. BRIAN SCASSELLATI: zote haki. Shukrani, Rachel. Alfredo, Rachel, shukrani guys sana. [Makofi] Hivyo aina hii ya mwingiliano ina katika njia nyingi baadhi ya sheria hiyo na baadhi ya sawa muundo kama kile sisi wanaweza kuwa katika mahusiano lugha. Hivyo ni wa mawasiliano na mtumishi lengo muhimu. Na mwingiliano kwamba, katika njia nyingi, imeundwa kuwa na athari hasa juu ya mtu mazungumzo na au kusikiliza kwa robot. Sasa, mimi nina bahati kuwa na Jibo hapa leo. Sam Spaulding ni hapa kusaidia sisi nje na robot. Na mimi nina kwenda kuuliza Sam kutoa sisi moja nzuri demo ya Jibo kucheza tuweze kuangalia mwishoni hapa. Hivyo kwenda mbele, Jibo. SAM: Sawa, Jibo. Tuonyeshe ngoma hatua yako. [Music kucheza] BRIAN SCASSELLATI: zote haki, kila mtu. Shukrani kwa marafiki zetu katika Jibo. [Makofi] Na shukrani kwa marafiki zetu katika IBM kwa ajili ya kusaidia nje leo. Mawasiliano ni kitu kwamba wewe ni kwenda kuona kuja juu zaidi na zaidi kama tunajenga interfaces ngumu zaidi. Wiki ijayo, tutaweza kuwa na kuzungumza kuhusu jinsi ya interface na wapinzani kompyuta katika michezo. Lakini kama una maswali kuhusu hili, Mimi itakuwa karibu katika masaa ya ofisi usiku wa leo. Nina furaha ya kuzungumza na wewe kuhusu ai mada au kupata katika undani zaidi. Na mwishoni mwa wiki kubwa. [Makofi] [Music kucheza]