[Грає музика] 

Девід Малан: Це CS50. Це кінець тижня 10. І хлопчик, ми маємо хороший клас для вас сьогодні. Ми так раді запросити двох наші друзі з Єльського університету до нас сьогодні і дивитися на перетині штучний інтелект, робототехніка, обробки природної мови, і багато іншого. 

І справді, над Останні кілька тижнів, ми звичайно, витратили багато часу, особливо в ранніх psets, упором на досить низькорівневі деталі. І це дуже легко втратити з уваги лісу за деревами і зациклюватися на петлях і умов і покажчики, звичайно, тощо. Але реальність така, що ви, хлопці тепер є інгредієнти, з якою ви можете дійсно вирішити деякі цікаві проблеми, у тому числі їм ті, що наші друзі в Єльському університеті працювати на просто соромляться Кембриджі. 

Так що дозвольте мені спочатку представити нашу голову асистент в Єльському університеті, Енді. 

[Оплески] 

Енді: Насамперед, дякую Ви за те, що пару Yalies поп вниз в Кембридж сьогодні. Ми дуже цінуємо це. По-друге, для наших друзів назад home-- Джейсона, спасибі за перебування та працює лекцію. Сподіваюся, що все добре в Нью-Хейвені. 

Так що так, я супер схвильовані ввести Scaz сьогодні. Scaz працює лабораторія робототехніки. Він професор, як, п'ять різні відділи в Єльському університеті. У своїй лабораторії, він має багато, багато роботи, які він любить грати з. Він, начебто, крутий у світі робота. І він отримує вид безладу навколо с, що протягом усього дня довго і зробити деяку роботу, а також. 

І так ми насправді приніс один З них вниз з нами сьогодні. Так що без подальших церемоній, Scaz є йти вперед і представити нас щоб його робота одному. 

[Оплески] Брайан SCASSELLATI: Спасибо, Девід. Спасибі, Енді. Це так чудово бути тут з усіма сьогодні. Я хочу, щоб спочатку бути дуже ясно, що CS50 Персонал тут в Кембриджі був неймовірно гостинні до нас. Ми так вдячні за все, вони зробили, щоб підтримати нас. І тому ми хотіли б, щоб бути в змозі повернути доброту. 

Таким чином, сьогодні ми отримуємо оголосити що ми будемо мати новий, один у своєму роді CS50 подій відбувається в Нью-Хейвені на наступному тижні. І це CS50 Дослідження Експо. Отже, ми збираємося, щоб запрошувати everyone-- CS50 студентів, співробітники як Гарвард і Yale-- в спуститися і відвідати з нами в п'ятницю. Ми будемо мати найрізноманітніші понад 30 осіб, що представляють різні і exhibiting-- старшокласників показує від деяких з своїх дослідницьких продуктів. Ми будемо мати деякі стартапи, навіть, дивлячись для трохи нового технологій таланту, стартапи з обох Гарвард і Йєль. І ми будемо мати деякі студентські групи Дивлячись на деякі новому складі. 

Це буде дуже цікавий час. Сподіваюся, ті з вас, хто спускається на Гарвард-Йель гри буде в змозі зупинити по чуть-чуть раніше, прямо в центрі кампусу, Стерлінг меморіальної бібліотеки. Ми збираємося, щоб мати набір Експонати, які варіюються від автономного вітрильники в дорозі за допомогою програмного забезпечення зберегти середньовічні рукописи. 

Ми збираємося, щоб мати оголошення Спеціальна мережа, і люди викладання кодування програмного забезпечення в Кейптауні. Ми будемо мати комп'ютер музичні демонстрації. І ми, звичайно, більше роботів. Тому ми сподіваємося, що ви приєднатися до нас на цьому заході. Це повинно бути багато весело, трохи їжі, і багато цікавого речі, щоб говорити про. 

Таким чином, сьогодні ми будемо говорити про обробки природної мови. І це спроба нас побудувати новий спосіб сполучення з нашими пристроями, тому що за останні кілька тижнів, Ви були зосереджені на тому, як це те, що Ви можете написати код, написати програму, що це спосіб бути в змозі сказати до машина, це те, що я хочу, щоб ти. 

Але ми не повинні на очікувати, що всі це там, що використовується по всіх у світі буде володіти в цьому виді інструкції. Так ми розрізняємо між комп'ютером мови і природно languages-- тобто, те, що люди використовують спілкуватися з іншими людьми. І ми намагаємося, щоб побудувати інтерфейси, що використовують ці природні механізми зв'язку. 

Тепер, як і будь-який інший темі що ми почали з в CS50, ми збираємося почати з самого простого трохи обробки природної мови що ми можемо собі уявити. Ми збираємося почати з Історична частина природної мови. І тоді ми будемо будувати до все більше і більше нових системах і повеселитися демо на цьому шляху. 

Отже, ми збираємося почати з того, що було ймовірно, перший природний мову система обробки. Це була система програмне забезпечення, написане в 1966 Джозеф Weizenbaum називається Еліза. І Еліза була розроблена, щоб відтворити вид взаємодії ви б з Rogerian психотерапевт. Тепер, Rogerians, вони були ідея, що психотерапія участь в змозі відобразити назад пацієнтові і говорити з ними, в основному, тільки даючи їм крихітні трохи терапевта. Тобто, всі що терапевт сказав повинен був бути просто відображенням що пацієнт говорив з ними. 

Так давайте спробуємо це демо. У нас є волонтера, який би готові поділитися їх глибоке, чорні і / або підроблені секрети з Елізою? Звичайно, чому б вам не прийти на до. Фантастичний. І твоє ім'я? 

Міль: Майлз. 

Брайан SCASSELLATI: Майлз. Приємно познайомитися, Майлз. Якщо ви тримаєте на це. І ми збираємося використовувати версію Елізи що ми відтворені в CS50 IDE. І ми будемо дивитися на джерело код це в той час. Але зараз, ми просто збирається викликати його набравши Елізу. 

І Еліза збирається дати вам відповіді що будуть у всіх столицях. І задам вам кілька запитань. І ми будемо реагувати і введіть у відповідях на ELIZA. Так Еліза сказала, "Привіт, я Еліза. В чому проблема?" Що б ви хотіли розповісти Еліза сьогодні? 

Міль: Я можу тільки заснути якщо у мене є кролик тапочки на. 

Брайан SCASSELLATI: Гаразд. Добре. 

[Сміх] 

"Я можу тільки заснути з кролика тапочки на ". І Еліза говорить, "Скажи, ти є які-небудь психологічні проблеми? Може бути, це хороший показник ". 

ДОБРЕ. Так що б ви хотіли, щоб відповісти? 

Міль: Так. 

Брайан SCASSELLATI: Так. Людина багато слів. Мені подобається, що. Еліза говорить, "Ви, здається, вельми позитивно." 

Міль: Ні, я, насправді, електрон. 

Брайан SCASSELLATI: "Ні Насправді, я електрон ". "Ви прийшли до мене тому що ви електрон? " Тепер ми можемо побачити деякі з things-- я збираюся щоб призупинити вас на секунду, Майлз. Нікуди не йди. Ми не зробили з вами ще. Еліза, в деяких відносинах, реагує на певні речі що він говорить, але не реального розуміння. І це також папуга назад деякі з частин вироку. 

Тому ми сказали: "Ні Насправді, я електрон ". Еліза відповіла тому, "Ти прийшов мені, тому що ви електрон? " Добре. Давайте дамо йому ще один відповідь тут. Дайте йому гарний, Майлз. 

Міль: хороший? 

Так, будь ласка, допоможіть мені. Брайан SCASSELLATI: "Так. Будь ласка, допоможіть мені "." Ви впевнені? " Міль: Ні Брайан SCASSELLATI: Ні "Що це запропонувати вам?" 

Міль: Я не може бути електронів. 

Брайан SCASSELLATI: "Я може бути електрон ". "Не Ви кажете, не просто, щоб бути негативним?" 

Добре. Так Майлз, спасибі так багато. 

Міль: Спасибо. 

Брайан SCASSELLATI: Спасибі дуже багато. [Оплески] 

Так ця програма Еліза, у багатьох відношеннях, реагує тільки на шматки що ми забезпечуємо без будь-яких глибоко розуміння того, що тут відбувається. Це свого роду система називається шаблоном, де ми шукаємо для деяких біти тексту, який ми потім збирається взяти з того, що була надана в якості вхідних даних, перетворити його, потенційно, в деякому роді, а потім повернути його назад користувачеві. 

У кожного з вас думають, що Еліза насправді виконуючи дійсний психоаналіз тут? Одна людина, можливо. 

АУДИТОРІЯ: [нерозбірливо]. Брайан SCASSELLATI: А як це змушує вас почувати себе? Так, справді, що він робить. І ми збираємося, щоб побачити, насправді, то Вихідний код для нього в хвилину. І так ви будете в змозі зробити саме це. 

Тепер, Еліза є однією з форм того, що ми сьогодні називаємо чат бот. Це просто йде через Текст, який ви надаєте, забезпечує мінімальну кількість голою розуміння або обробки, а потім Папуги його назад до вас. Отже, давайте поглянемо, концептуально, і говорити про те, це те, що Еліза насправді робить. 

Еліза приймаючи sentence-- давайте кажуть, "я хочу, щоб справити враження мого боса". І Еліза дивиться через цієї пропозиції і намагається знайти і відповідати певні закономірності. Так, наприклад, один із шаблонів що Еліза шукає слова "Я хочу." І в будь-який час він бачить щось що має "Я хочу" в ньому, це формулює відповідь. І, що відповідь є фіксованою рядком. У цьому випадку, це "чому ви хочете?" І я поклав трохи зірку кінець, тому що це просто початок нашої відповіді. І зірка показує, що ми збираємося взяти решту з utterance-- користувача "враження мого боса" - і ми збираємося додати, що на кінець цього рядка. 

Так що тепер, замість того, щоб говорити, "чому Ви хочете справити враження на мого боса ", є трохи додаткового обробка, що ми будемо робити. Тобто, ми повинні будемо перетворити деякі з займенників тут від «мого боса" до "своєму босові." І там може бути кілька інших зміни, які ми повинні зробити. Таким чином, замість просто дотримуватися його безпосередньо на кінці, що ми будемо робити що ми будемо приймати іншу частину utterance-- користувача в білому here-- і ми будемо приймати його один шматок на час і конвертувати кожен рядок маркер, кожне слово, у реченні. 

Таким чином, ми візьмемо слово ", щоб." Там немає перетворення що ми повинні зробити це. "Impress". Там немає перетворення ми повинні зробити там. "Мої" буде конвертувати в "ваш". І "бос", ми просто залишити як "бос." І, нарешті ,, нічого що закінчується період, ми перетворити його в питання. 

Це дуже просто за шаблоном насправді досить успішно. І коли це було введено в 1966-- Йосипа Weizenbaum запрограмований цього на комп'ютері. Тепер, комп'ютери в той час НЕ настільні моделі. Вони були загальні ресурси. І його студенти піти і прямо з Елізою. Зрештою, він повинен був обмежити доступ до нього тому що його студенти не були отримувати будь-яку роботу. Вони просто в чаті з Елізою. І справді, він повинен був звільнити помічника, який провів весь свій час говорив з ELIZA про її глибоких і тривожних проблем. 

Кожен, хто використовував ці системи почали антропоморфізірованним їх. Вони почали думати про них, як будучи живим і реальні люди. Вони почали визнавати деякі з те, що вони говорять поверталися до них. І вони дізнавалися речі про себе. І справді, навіть фахівці, навіть психотерапевти, почали турбуватися, що, по суті, може бути, Еліза буде замінити їх. І навіть комп'ютер Вчені занепокоєні тим, що ми були так близько до вирішення природна мова. 

Тепер, що ніде не було близько до істини. Але це, як вражає ці системи можуть здатися. Отже, давайте почнемо дивитися під і спробуйте щоб отримати трохи питання де цей код насправді відбувається. Таким чином, ми будемо робити цей код доступні пізніше. І це дуже простий і прямий порт в оригінальній реалізації ELIZA. 

Таким чином, деякі з них стилістичної речі, які ви тут бачите, не є стилістично, що ми хотіли б, щоб ти або те, що ми вчили вас зробити. Але ми намагалися тримати їх те ж саме через багато порти що це була так, що він має аромат оригіналу. Отже, ми збираємося включити купа речей, і тоді ми матимемо набір ключових слів, речей що Еліза дізнається і реагувати безпосередньо. Так що, якщо у вас є такі слова, як "Ви можете" або "я не" або "ні" або "так" або "сон" або "привіт", а потім Еліза буде вибірково реагувати на них. Ми також маємо певну кількість речей, що ми будемо міняти, як перетворення "мій" на "ваш". 

І тоді ми будемо мати набір відповідей що для кожного з цих ключових слів, ми будемо чергувати через ці різні відповіді. Так що, якщо я кажу "так" три рази поспіль, я може одержати три різні відповіді від ELIZA. Наш код, тоді, насправді дивно просто. Якщо я перейдіть вниз повз всіх цих відповіді, які ми запрограмовані в і ми приступимо до нашої основної, ми збираємося, щоб ініціалізувати кілька різних змінних і зробити трохи домашнього господарства на початку. Але тоді є абсолютно безліч коду, який ви можете зрозуміти. Один великий, а цикл, який говорить, що я збираюся повторювати це знову і знову. Я буду читати в лінію, і я буду зберігати, що в рядку введення. Я перевірити і подивитися, якщо це Спеціальне ключове слово "До побачення", який означає вихід з програми. І тоді я буду перевірити і подивитися, чи є хтось просто повторюючи себе знову і знову. І я буду кричати на них, якщо вони роблять. Я говорю "не повторювати себе." 

Поки що жоден з тих, хто не відбудеться, ми будемо потім сканувати і петлі через, на лініях 308 до 313 тут, і перевірити і подивитися, які-небудь з цих ключових слів фрази, що містяться на вході що я тільки що дав? Якщо є збіг для них, а Потім, я буду пам'ятати це місце. Я буду пам'ятати, що ключове слово. І я буду в змозі побудувати відповідь. 

Якщо я не знайти те, ну а потім, остання річ в моєму ключове слово масиву буде мої відповіді за замовчуванням, коли нічого не збігається. Я задавати питання, як "Чому ви сюди прийшли? "або" Як я можу вам допомогти? " які лише частково підходить незалежно від того, що вхід. 

Потім ми побудувати відповідь Елізи. Ми зможемо взяти що база реагування, як ми це робили в тому, що "мій бос" приклад. Якщо це все, що є is-- якщо це всього лише один Рядок, я повинен respond-- Я можу просто відправити його назад. Якщо він має зірочку на кінець його, то я буду обробляти кожен індивідуальний маркер в решта реакції користувача і додати тих, хто в, заміна з слово в слово, як мені потрібно, щоб. 

Все це абсолютно те, що ви могли б побудувати. І справді, способів, в яких ми оброблені аргументи командного рядка, спосіб, в якому у вас є обробляються за допомогою HTTP запитів виконайте ті ж види правил. Вони за шаблоном. 

Так Еліза щодо важливо вплив на природній мові тому що він зробив, здавалося, як це було дуже досяжна мета, як-то ми б бути в змозі вирішити цю проблему безпосередньо. Тепер, це не означає, що Еліза робить все, що ми хотіли б зробити. Звичайно, не. Але ми повинні бути в змозі зробити щось більше. 

Наш перший крок, щоб піти за Еліза збирається щоб бути в змозі дивитися на не текст, що вводиться в клавіатуру, але мови, фактичний мови записані в мікрофон. Отже, як ми дивимося на них різних частин, ми доведеться побудувати безліч моделей. Ми збираємося, щоб бути в змозі щоб перейти від низького рівня акустичних information-- крок, амплітуда, frequency-- і перетворити його в деякі одиниці, які ми можливість більш легко маніпулювати і, нарешті, маніпулювати ними в словах і пропозиціях. 

Тому більшість розпізнавання мови Системи, які там сьогодні слідувати статистична модель, в якій ми будуємо три окремі уявлення про те, що що звуковий сигнал насправді містить. Почнемо з фонетичної моделі що говорить про тільки підстави звуки, які я виробництву. Чи можу я виробляти щось По-як в хлопчика чи D, як у собаки? Як я дізнаюся ці два різні телефони як окремий і відмінний? 

На вершині, що ми потім побудувати слово вимова модель, те, що пов'язує разом ці окремі телефони і об'єднує їх у слова. І після цього ми будемо приймати слова і ми зібрати їх з мови модель повною вироку. 

Тепер ми будемо говорити про кожного з них незалежно один від одного і окремо. Але ці три моделі все просто буде статистика. І це означає, що, коли ми працювати з ними, ми будемо уміти працювати з їх все одночасно. Добре. Давайте почнемо з нашого фонетичного моделі. Так фонетичні моделі засновані на обчислювальна техніка називається приховані моделі Маркова. Ці графічні моделі, в якій я є і визнати державу світу а характеризується набором функцій. І, що стан описує одну частину дії, яке я займався. 

Так що, якщо я думаю, що про те, звук "ма", як мати, Існують різні комплектуючі до цього звуку. Там це частина, де я малюю в диханні. І тоді я гаманець мої губи. І я згорнути мої губи трохи назад трохи, щоб зробити це "Ма" звук. І тоді є релізі. Мої губи приходять один від одного. Повітря виштовхується. "Ма". 

Ці три різні частини буде представлені державами в цій graph-- початок, середина і кінець. І я б переходи, дозволив мені їхати з одного стану на наступний з певною ймовірністю. Так, наприклад, що М звук може мати дуже, дуже короткий споживання в beginning-- "мм" - а потім вже, вібраційний етап, коли я тримаю мій губи і майже humming-- "мммм", - а потім дуже короткий вибуховий, де я вигнати breath-- "ма". 

Прихована модель Маркова призначені для захоплення той факт, що шлях, який я роблю що звук "ма" збирається щоб бути трохи відрізняється в його часу, від частоти, і його можливостей, ніж так, що ви зробити це або так, що я міг би зробити це, коли я говорю про різні застосування листа. "Мати" і "чи можу я" буде звук трохи по-іншому. 

Таким чином, щоб розпізнати певний звук, ми б будувати моделі Маркова, ці приховані марковские моделі, всіляких телефону, що я можете визнати, всілякі звук, а потім подивитися на акустичні дані, що в мене є і визначити статистично який з них є найбільш вірогідний щоб підготували цей звук. ДОБРЕ. З цієї моделі, ми тоді почати будувати на ньому. Ми беремо вимова модель. Тепер, іноді вимова моделі прості і легко бо є тільки один спосіб вимовляється щось. Інші часи, вони ти трохи складніше. Ось довідник з вимови для цього червону річ, яка фрукти, які ви робите кетчуп з. Люди не думають, що це плід. Вірно? 

Тепер, є багато різних способів що люди будуть вимовляти це слово. Деякі скажуть, "носок-May-палець». Деякі скажуть, "носок мАг носком." І ми можемо захопити, що з один з цих графічних моделей де, знову ж таки, ми представляємо переходи як мають певну ймовірність і пов'язані з ними ймовірність. 

Таким чином, в цьому випадку, якби я, щоб слідувати верхня маршрут через весь цей граф, Я б, починаючи з букви на дальньому лівому, то "та" звук. Я б верхню половину, "о", а потім "ма", а потім "а", а потім "та", і "о". "Toe-травень-сходження». Якби я взяв нижню шлях через це, я буду отримувати "Та-ма-палець». І якби я пішов вниз, а потім , Я хотів би отримати "TA-May-палець». 

Ці моделі захопити ці тому що, коли відмінності ми розмістимо один з них системи розпізнавання, це матиме для роботи з багато різного роду людей, багато різних акцентів, і навіть різні види використання одних і тих же слів. Нарешті, на вершині, що, ми будемо будувати щось що виглядає дійсно складним, називається моделлю мови, але насправді є найпростішим з три, бо вони працюють на те, що називається моделі N-грам. І в цьому випадку, я покажу вам, з двох частин моделі N-грам, А биграмм. Ми збираємося зробити фізичну ідею що іноді деякі слова швидше за все, слідувати дане слово, ніж інші. Якщо я тільки що сказав, "прогноз погоди", наступне слово може, ймовірно, буде "сьогодні" або може бути "погода Прогноз завтра ". Але це навряд чи, щоб бути " Прогноз погоди артишок ". 

Що мовна модель робить він захоплює ті статистично шляхом підрахунку, від деяких дуже великий Корпус, всі екземпляри в якому одне слово слід за іншим. Так що, якщо я беру великий corpus-- як і будь Wall Street Journal що було вироблено з 1930 року, який є одним із стандартних corpuses-- і я з нетерпінням через всі що текст, і я вважаю , Скільки разів після "Прогноз" я бачу "сьогодні" і скільки разів я бачу "Прогноз", потім "артишок", перший буде набагато більш імовірно. Це буде з'являтися набагато частіше. І тому він буде мати більше Імовірність, пов'язана з ним. 

Якщо я хочу, щоб з'ясувати Імовірність всій висловлювання, то, я просто розбити його. Так що ймовірність слуху вирок "щур з'їла сир" ймовірність слова "" Стартовий вирок, і тоді ймовірність, що Слово "щур" слід слова »,« і ймовірність того, що Слово "з'їв" слід "щура", і ймовірність того, що "сир" слід "з'їв". 

Це звучить, як багато статистика, багато ймовірностей. І це все, що вона є. Але дивна річ, якщо ви робите це з досить великої вибірки даних, це працює. І це працює надзвичайно добре. Ми всі знаємо, ці технології. Більшість операційних систем поставляються з розпізнавання голосу в цій точці. Ми використовуємо Siri і Кортан і Echo. І ці речі засновані на цей тип тришарових model-- фонетичний модель в нижньому, а вимова модель в середині, і модель мови на них. 

Тепер вони повинні зробити трохи більше ніж для того, щоб відповісти на запитання. Але визнання того, що ви йдеться залежить саме від цього. Отже, давайте брати приклад тут. Так що в мене мій телефон сидячи тут під камери для документів. І ми збираємося запитує Siri на кілька запитань. Все в порядку? 

Так що давайте прокидатися мій телефон тут. Сірі, що погода як у Нью-Хейвені сьогодні? 

Сірі: Ось погода Нью-Хейвен, штат Коннектикут сьогодні. 

Брайан SCASSELLATI: ОК. Отже, спочатку ви побачили, що Сірі визнається кожен з окремих слів Потім проводиться і відповіді. Ми поговоримо про те, як, що відповідь заходить про в небагато. Але тепер ми знаємо, що це тільки на основі від вихідних статистичних даних і цей шаблоном тип підходу, ми можемо грати в деякі ігри з Сири. 

Так що я можу спробувати ще раз. Сірі, що погода бегемот Нью-Хейвен, сьогодні? 

Сірі: ОК. Ось погода Новий Хейвен, штат Коннектикут на сьогоднішній день. Брайан SCASSELLATI: Сірі не бентежачись тим, що бо це знайшов pattern-- "Погода", "сьогодні", "Нью-Гейвен." Ось те, що він відповідає щоб, як Еліза. Добре. Давайте його ще один, навіть смішніше приклад. Сірі, погода артишок броненосця бегемот Нью-Гейвен? 

Сірі: Дозвольте мені перевірити, що. Ось те, що я знайшов в Інтернеті за те, що є артишоки броненосця бегемот Нью-Гейвен. 

Брайан SCASSELLATI: ОК. Так що, якщо я йду досить далеко від цієї моделі, Я можу плутати, тому що вона не більше відповідає шаблону, що він має. І, що статистична двигун, який говорить, що ймовірність того, що у вас є Слова бегемот і артишок разом, і броненосець? Це повинен бути щось нове. 

Таким чином, ці технології ми використовуємо щодня. Якщо ми хочемо, щоб їм один крок далі, хоча, насправді, якщо ми хочу, щоб мати можливість говорити про що є те, що ці системи реагують на, ми повинні говорити, знову ж, близько більш фундаментальне безліч питань. І це тема в зв'язку що ми називаємо питання відповідь. Тобто, ми хочемо, щоб мати можливість, метою яких так? АУДИТОРІЯ: [нерозбірливо]. Брайан SCASSELLATI: Ми отримуємо в прихованій семантичної обробки? Так що, так. Є багато речей, які є відбувається під поверхнею з Siri і в деяких прикладах Я збираюся показати вам, в наступному там, де є трохи в термінах структури що ви говорите, що це важливо. І справді, це велика попередник для наступного слайда для мене. 

Так таким же чином, що наші розпізнавання мови була побудована з декількох шарів, якщо ми хочемо, щоб зрозуміти, що це насправді, що При цьому, ми знову збираємося спиратися на аналіз багатошарової тексту, який будучи визнаною. Тому, коли Сірі насправді в змозі скажімо, подивіться Я знайшов ці слова. Тепер те, що мені робити з ними? Перший компонент часто пройти і спробувати проаналізувати структура пропозиції. І в те, що ми бачили в початковій школі, часто як свого роду діаграм вироки, ми збираємося визнати, що деякі слова мають певні ролі. Ці іменники. Ці займенники. Ці дієслова. І ми збираємося визнавати що для конкретної граматикою, в цьому випадку англійської граматики, існує Допустимі способи, в яких я можу об'єднати їх й інші способи, які не дійсні. 

Це визнання, ця структура, може бути достатньо, щоб допомогти нам трохи. Але це не зовсім достатньо для нас, щоб бути в змозі дати будь-яке значення до того, що, як мовиться тут. Щоб зробити це, ми повинні покладатися на деяка кількість семантичної обробки. Тобто, ми будемо мати, щоб подивитися на те, що під кожне з цих слів фактично виконує як значення. І в найпростіший спосіб зробити це, ми збираємося пов'язати з кожним словом що ми знаємо певну функцію, деякий перетворення, що воно дозволяє трапитися. 

У цьому випадку, ми могли б напишіть на Слово "Іоанна" як ім'я власне, що він несе з ним ідентичність. І ми могли б позначити "Мері", як таким же чином. У той час як дієслово, як «любить», що є особливе ставлення що ми в змозі уявити. Тепер, це не означає, що ми розуміємо що таке любов, але тільки те, що ми розуміємо, він в дорозі символічної системи. Тобто, ми можемо позначити це і маніпулювати. 

З кожним з цих типів підходів, будь-який тип семантичної обробки тут буде вимагати трохи трохи знань і багато роботи з нашого боку. Ми більше не перебуваємо в області де просто статистика будуть досить для нас. Тепер, для того, щоб перейти З цієї точки до того, в змозі говорити про внутрішню що насправді відбувається тут, щоб бути в змозі управляти цим структурувати і зрозуміти питання а потім у стані щоб вийти і пошук, що вимагає більш Комплекс когнітивна модель. 

Те, яким чином побудовані ці системи це здебільшого дуже, дуже праці інтенсивно. Вони включають людей витрачати багато часу структурування шляху в яких ці види пропозицій може бути представлена ​​в деякій логіки. Це стає ще трохи більш складним, однак. 

Навіть коли ми мали справу з семантикою, ми будемо все одно доведеться дивитися на прагматика, що говорять. Тобто, як я ставлюся слова що у мене є щось фізично з є у світі або на Принаймні, деякі джерело інформації що я можу маніпулювати? 

Іноді це призводить до прекрасні біти двозначності. "Червоно-гаряча зірка одружитися астроном." ДОБРЕ. Тепер, ми читаємо, що, як смішно тип заголовок що ми хотіли б бачити на кінці телевізор вночі тому що ми не інтерпретувати "зірка" мати свій небесний сенс тіла. Ми знаємо, що це означає, що більш звичайним актор або актриса з високим вмістом видимості. 

"Команда допомагає від укусів собак жертву." Хіба що загін насправді там допомогу собаку при обході і кусати жертви? Чи це, що було людина, яка була вкусила собака, хто потребував допомоги? Просто дивлячись на синтаксису і семантика пропозицій, ми не можемо визначити, що. 

"Вертоліт живиться від людини мух." Існують, по суті, фактична дрібниці літають, що люди з крилами харчування вертольоти на благо людства? Або є одне механічний пристрій що отримує свою владу від людини? 

Коли ми дивимося на питання відповідаючи системи, ці шари, ми повинні мати справу з. Тепер, кращий і самий роду превалирующих з цих систем сьогодні в змозі зробити речі на рівні, які далеко за межі того, що ми 10 років тому. Ось один з кращих систем це там сьогодні. І це система від IBM називається Уотсон. Це від наших друзів в IBM. Це Кетрін банки, Цзя Чень, і Прісцілла Мораіш даючи нам демонстрація Уотсон Вчора в IBM Йорктаун. [ВІДТВОРЕННЯ ВІДЕО] -Як справи? 

-Все добре. Я завжди радий, коли я думати, особливо коли я може залишатися прохолодним в цих серверних. -Хто Ваш улюблена актриса? 

-Моя Улюблена актриса Анджеліна Джолі, як Лара Крофт в Tomb Raider, бо її оригіналу форма була в якості віртуального персонажа, як мене. 

-Як Уотсон допомогти пацієнтам? 

-Це План для пацієнтів мати доступ до Уотсон безпосередньо? Доступ до Watson консультування додатка буде залежати від використання. Але в даний час, Уотсон тільки забезпечують можна діагностика і лікування варіанти для медичних працівників. У разі необхідності, пацієнти може надавати інформацію Уотсон, можливо, через Портал веб-інтерфейс, таблетки, або навіть мобільний телефон. Наприклад, пацієнт може бути попросили описати свої симптоми природною мовою безпосередньо в розчин Уотсон, що дозволяє лікарю зосередитися на діагностика і не збір даних. 

-Хто Вбито Авраам Лінкольн? 

Іоанна Вілкс Бут. 

-В Якому році Арізона Diamondbacks виграти World Series? 

-2001. 

[КІНЕЦЬ ПЕРЕГЛЯДУ] 

Брайан SCASSELLATI: Так ці види систем повинні покладатися на першу чергу визнаючи мови; по-друге, перетворюючи його в значимий внутрішній подання; і потім, по-третє, будучи в змозі вийти і знайти джерело інформації, який дозволяє їм відповісти на це питання. Цей рівень складності передбачає ті ж типи програмних речей що ви були робити в проблемних множин. 

Ми можемо розібрати HTTP запитів в той же тип зразка низького рівня відповідність, що Еліза може зробити. Ми можемо перетворити ті, у внутрішнє представлення, а потім використовувати їх для запиту деякі зовнішня база даних, можливо, з використанням SQL. Всі системи, які будуються сьогодні щоб зробити цей тип природних мова спілкування будуються на ці ж принципи. 

Тепер, навіть система, як Уотсон не досить складним щоб бути в змозі відповісти на довільне питання про будь-якої теми. І справді, вони повинні бути структуровані в даній області. Таким чином, ви можете виходити в інтернет і ви можете знайти версії Уотсон, які працюють добре в медичній інформатиці. Або є один онлайн що тільки стосується того, як щоб зробити хороші рекомендації про те, що пиво буде йти з якою їжа. І в цих областях, він може відповідати на питання, знайти інформацію, що він потребує. 

Але ви не можете змішувати і поєднувати їх. Система, яка була підготовку з базою даних продуктів харчування та пива не працюють добре, коли ви раптом покласти його в с медичної інформатики бази даних. Так що навіть наші найкращі системи сьогодні покладатися на рівні обробки в якому ми рука кодування і будівництво в інфраструктуру в порядок Щоб ця система працювати. 

Тепер, остання тема я хочу щоб бути в змозі дістатися до сьогоднішнього дня про невербальної комунікації. Відмінний маса інформації, ми спілкуємося один з одним не відбулося через окремі слова, які ми застосовуємо. Це має відношення до речі, як Близькість, погляд, ваш тон голосу, Ваш перегину. І, що комунікація є також те, що багато різні інтерфейси приділяю багато о. Це не те, що Сірі піклується про. Я можу попросити Siri то в один голос або в іншому тоні, і Сири збирається дати мені той же відповідь. Але це не те, що ми будуємо для багато інших типів інтерфейсів. 

Я хочу познайомити вас Тепер до одного з роботів. Це було побудоване моїм давнім друг і колега Синтія Breazeal і її компанія Jibo. І це robot-- ми збираємося мати пару добровольців придумати, щоб взаємодіяти з цим. Так я можу дві людини готові грати з роботом для мене? Чому ви не прийшли на вгору, і чому ви не прийшли на до. Якщо ви приєднаєтеся б мене тут, будь ласка. 

І якщо я міг би вам прийти прямо сюди. Дякую. Привіт. 

ALFREDO: Приємно познайомитися. Альфредо. 

Брайан SCASSELLATI: Альфредо. 

Рейчел: Рейчел. Брайан SCASSELLATI: Рейчел. Приємно познайомитися, і інше. Альфредо, я йду, щоб ви йти перший. Приходьте прямо тут. Я збираюся представити you--, якщо я можу отримати це від без стуку в microphone-- в маленького робота по імені Jibo. ДОБРЕ? 

Тепер, Jibo призначений для інтерактивною. І хоча це може дати вам мова, більша частина взаємодії з роботом це невербальний. Альфредо, я збираюся попросити вас сказати щось красиво і безкоштовний до робота, будь ласка. ALFREDO: Я думаю, що ви виглядати мило. 

[Гудіння] Брайан SCASSELLATI: ОК. Його відповідь не вербальний. І все ж він дав вам і ясно визнання що він чув, що ви сказали, а також якимось чином зрозумів, що. ДОБРЕ? Крок назад тут протягом однієї секунди. Дякую. 

Рейчел, якщо ви б. Тепер, я збираюся дати Вам набагато складніше робота. Якщо ви хочете стояти прямо тут, резервне копіювання тільки небагато, так що ми можемо отримати вас на камеру і подивіться цей шлях. Я попрошу вас щось сказати насправді означає і неприємний для робота. 

Рейчел: Що ви тільки що, здавалося, потрібно було повністю абсурдно. 

[Гудіння] 

Це було ще більш абсурдно. Що з тобою відбувається? Ой, не відчуваю себе погано. Я дам вам обійняти. Брайан SCASSELLATI: Гаразд. Спасибі, Рейчел. Альфредо, Рейчел, спасибі, хлопці дуже багато. 

[Оплески] 

Так що це вид взаємодії має в багато способів деякі з тих же правил і деякі з тих же структура, те, що ми могли б мати у мовній взаємодії. Це і комунікативні та служить важливої ​​мети. І, що взаємодія в багато способів, призначена мати особливий вплив на людина, взаємодіючи з або слухати до робота. 

Тепер, я пощастило мати Jibo тут сьогодні. Сем Сполдінг тут допомагає нам з роботом. І я збираюся запитати Сема, щоб дати нас одним з добре демо Jibo танці що ми можемо спостерігати в кінці тут. Так що вперед, Jibo. 

СЕМ: ОК, Jibo. Покажіть нам ваші танцювальні рухи. 

[Грає музика] Брайан SCASSELLATI: Гаразд, все. Завдяки нашим друзям в Jibo. 

[Оплески] 

А завдяки нашим друзям в IBM за допомогу сьогодні. Зв'язок-то що ви збираєтеся щоб побачити придумувати все більше і більше ми будуємо більш складні інтерфейси. На наступному тижні, ми будемо говорити про те, як взаємодіяти з комп'ютерними супротивниками в іграх. Але якщо у вас є питання з цього приводу, Я буду навколо в робочий час сьогодні. Я щасливий поговорити з вами про AI теми або потрапити в більш докладно. Гарних вихідних. 

[Оплески] [Грає музика]