[MUZIKO Ludante] 

DAVID Malan: Jen CS50. Tio estas la fino de semajno 10. Kaj knabon, ĉu ni havas bonan klason por vi hodiaŭ. Ni estas sekve ekscitita invitas du el niaj amikoj el Yale ĝis ni hodiaŭ kaj rigardi la komunaĵo de artefarita inteligenteco, robotiko, natura lingvo prilaborado, kaj pli. 

Kaj efektive, super la lastaj semajnoj, ni certe pasigis multan tempon, precipe en la pli fruaj psets, temigante bela malalta nivelo detaloj. Kaj estas tre facile perdi vidon de la arbaro por la arboj kaj get pendigis sur maŝojn kaj kondiĉoj kaj punteros, certe, kaj similaj. Sed la realaĵo estas ke vi infanoj nun havas la ingrediencoj kun kiuj vi povas vere solvi iujn interesajn problemojn, inter ili kiuj niaj amikoj ĉe Yale labori sur ĵus timema de Kembriĝo. 

Do permesu al mi unue prezenti nian kapon instruanta asistanto de Yale, Andy. 

[AplaÅ­do] 

ANDY: Unue, nur danki vin por permesanta paro Yalies krevi sur malsupren al Cambridge hodiaŭ. Ni vere dankos. Due, por niaj amikoj reen home-- Jason dankon pro restanta kaj kurante prelego. Esperas ĝi estas tute bona en New Haven. 

Do jes, mi estas súper ekscitita enkonduki Scaz hodiaŭ. Scaz kuras la robótica laboratorio. Li estas instruisto de, kiel, kvin malsamaj fakoj en Yale. En lia laboratorio, li havas multajn, multajn robotoj kiuj li ŝatas ludi kun. Li havas, kiel, la malvarmaj laborpostenon en la mondo. Kaj li alvenas al specon de salaton ĉirkaŭ kun tio la tutan tagon longa kaj fari iun laboron, ankaŭ. 

Kaj tiel ni fakte kondukis unu de ili malsupren kun ni hodiaÅ­. Do sen pli enkonduko, Scaz estas tuj iros antaÅ­en kaj enkonduki nin lia roboto amiko. 

[Aplaŭdo] BRIAN SCASSELLATI: Dankon, David. Dankon, Andy. Estas tiel mirinda kiel tie kun ĉiuj hodiaŭ. Mi volas unue estu tre klare, ke la CS50 dungitaro tie en Kembriĝo estis nekredeble gastamaj ni. Ni estas tiel dankema por ĉio jam faris al apogi nin. Kaj tial ni ŝatus povi reveni favorkore. 

Do hodiaŭ, ni atingos anonci ke ni tuj havi novan, unu-de-al-speco CS50 okazaĵo okazas en New Haven venontsemajne. Kaj tiu estas la CS50 Esploro Expo. Do ni tuj estos invitanta everyone-- CS50 studentoj, kunlaborantaro de kaj Harvard kaj Yale-- al malsupreniru kaj vizitu nin vendrede. Ni havas larĝan varion de super 30 malsamaj personoj prezentado kaj exhibiting-- upperclassmen montrante sur kelkaj el siaj esploroj produktoj. Ni devos iuj novaj entreprenoj, eĉ, rigardanta por iomete da novaj tech talento, startups el ambaŭ de Harvard kaj Yale. Kaj ni devos iom studentaj grupoj serĉanta iun novan membrecon. 

Ĝi estas iranta esti tre ekscita tempo. Espereble tiuj de vi kiu estas malsuprenirantan por la Harvard-Yale ludo povos haltigi per iomete frue, plena centro de kampuso, Sterling Memorial Library. Ni tuj havos aron de eksponaĵoj kiuj intervalas de aŭtonomaj velŝipoj al manierojn uzi programaron konservi mezepokaj manuskriptoj. 

Ni tuj devas ad hoc retoj kaj popolo instruante programaro kodigon en Kaburbo. Ni devos komputilo muziko manifestacioj. Kaj ni kompreneble havas pli robotoj. Do ni esperas ke vi aliĝi nin por ĉi tiu evento. Ĝi devus esti multaj amuzo, iom da manĝaĵo, kaj multajn interesajn aferojn paroli. 

Do hodiaŭ, ni tuj parolos pri natura lingvo prilaborado. Kaj tiu estas la provo por ni konstrui novan vojon de interconexión kun niaj mekanismoj ĉar por la lastaj malabundaj semajnoj, vi estis temigis kial vi povas skribi kodon, skribi programaron ke estas maniero de povi diri al maŝino, jen kion mi deziras vin fari. 

Sed ni ne bezonas atendi ke ĉio jen tie ke estas uzata per ĉiuj en la mondo tuj esti kompetenta en tiu speco de instrukcio. Do ni distingas inter komputilo lingvoj kaj naturaj languages-- te, aĵoj kiujn homoj uzas komuniki kun aliaj homoj. Kaj ni provas konstrui interfacojn kiuj uzas tiuj naturaj komunikado mekanismoj. 

Nun, Nur kiel ĉiu alia temo ke ni komencis kun en CS50, Ni tuj komencu per la plej simpla bita de natura lingvo prilaborado ke ni povu imagi. Ni tuj komencu per la historia parto de natura lingvo. Kaj poste ni konstruu ĝis pli kaj pli lastatempaj sistemoj kaj havas kelkajn amuzan demonstraĵoj survoje. 

Do ni tuj komencu per kio probable la unua natura lingvo prilaborado sistemo. Tio estis softvara sistemo skribita en 1966 de Joseph Weizenbaum nomita Eliza. Kaj Eliza estis desegnita por repliki la tipon de interago vi havus kun Rogerian psikoterapiisto. Nun, la Rogerians, ili havis ideo kiu psikoterapio implikita povi reflekti reen al paciento kaj paroli al ili, esence, por nur doni al ili eta iomete de la terapeŭto. Tio estas, ĉiu ke la terapiisto diris laŭsupoze nur reflekto de kion la paciento estis rakontanta al ili. 

Do ni provu kaj demo ĉi. Ĉu ni havas volontulo kiu estus pretas dividi liajn plej profundajn, mallumaj, kaj / aŭ falsa sekretojn kun ELIZA? Certe, kial ne venu supren. Fantástico. Kaj via nomo? 

MILES: Miles. 

BRIAN SCASSELLATI: Miles. Agrable renkonti vin, Miles. Se vi tenus sur tio. Kaj ni tuj uzi version de ELIZA ke ni multoblighas ene de la CS50 IDE. Kaj ni rigardu la fonton kodo por tiu post nelonge. Sed por ĝusta nun, ni estas nur irante alpreĝi ĝin tajpante Eliza. 

Kaj ELIZA tuj donos vin respondoj ke tuj estos en ĉiuj ĉefurboj. Kaj tuj demandos vin kelkaj demandoj. Kaj ni respondos kaj tajpu en respondoj al Eliza. Do ELIZA diris, "Hi, mi estas Eliza. Kio estas via problemo?" Kion vi ŝatus diru ELIZA pri hodiaŭ? 

MILES: mi povas nur ekdormi se mi havas bunny pantofloj sur. 

BRIAN SCASSELLATI: Bone. Bone. 

[Ridado] 

"Mi povas nur ekdormi kun bunny pantofloj sur. " Kaj Eliza diras, "Diru, ĉu vi havas psikologiajn problemojn? Eble tio estas bona indikilo. " 

BONE. Do kion vi ŝatus respondi? 

MILES: Jes. 

BRIAN SCASSELLATI: Jes. Viro de multaj vortoj. Mi ĝuas tion. Eliza diras, "Vi ŝajnas tre pozitiva." 

MILES: Ne, mi estas, fakte, elektrono. 

BRIAN SCASSELLATI: "Ne Fakte, mi estas elektrono. " "Ĉu vi venis al mi ĉar vi estas elektrono? " Nun, ni povas vidi iujn de la things-- Mi tuj paŭzi vi por nur sekundo, Miles. Ne iri ie ajn. Ni ne faris kun vi ankoraŭ. ELIZA estas, kelkmaniere, respondanta al certaj aferoj ke li dirante sed sen ajna reala kompreno. Kaj ĝi estas ankaŭ parroting reen iuj de la partoj de lia frazo. 

Do ni diris, "Ne Fakte, mi estas elektrono. " Eliza respondis reen, "Ĉu vi venis al mi ĉar vi estas elektrono? " Bone. Ni donu pli respondo tie. Donu ĝin bona, Miles. 

MILES: Bona? 

Jes, bonvolu helpi min. BRIAN SCASSELLATI: "Jes. Bonvolu helpi min. "" Ĉu vi certas? " MILES: No. BRIAN SCASSELLATI: No. "Kion tio sugestas al vi?" 

MILES: Eble mi ne estas elektrono. 

BRIAN SCASSELLATI: "Mi povas ne esti elektrono. " "Ĉu vi diras ne nur esti negativaj?" 

Bone. Do Miles, dankon tiel. 

MILES: Dankon. 

BRIAN SCASSELLATI: Dankonas tre multe. [AplaÅ­do] 

Do tiu ELIZA programo, multmaniere, respondas ĝuste al la pecoj ke ni disponigante sen profunda kompreno de kio okazas tie. Tiu estas speco de sistemo nomata ŝablona rekono, kie ni serĉas certaj bitoj de teksto kiun ni tiam tuj prenos el kio provizis kiel eniro, konverti ĝin, potenciale, iel, kaj tiam redonu ilin al la uzanto. 

Ĉu iu el vi opinias ke Eliza estas reale plenumante valida psikanalizo tie? Unu persono, eble. 

Spektantaro: [inaudible]. BRIAN SCASSELLATI: Kaj kiom tio faras vin sentas? Jes, fakte, ĝi faras. Kaj ni tuj vidas, fakte, la fontkodon por ĝi en nur momento. Kaj do vi tuj estos kapabla fari ĝuste tion. 

Nun, ELIZA estas unu formo de kio nomus hodiaŭ babilejo bot. Ĝi simple iras tra la teksto kiun vi havigante, provizas la nudaj minimuma kvanto de kompreno aŭ prilaborado, kaj tiam Papagoj ĝin al vi. Do ni rigardu, koncepte, kaj paroli pri kion ĝi estas ke Eliza estas efektive faranta. 

ELIZA prenas sentence-- let estas diri, "Mi volas impresi mian estron." Kaj ELIZA serĉas tra tiu frazo kaj klopodante trovi kaj kongrui certaj ŝablonoj. Do, ekzemple, unu el la mastroj ke Eliza estas serĉanta estas la vortoj "Mi volas." Kaj ajna momento li vidas ion kiu havas "mi volas" en ĝi, formulas respondon. Kaj ke respondo estas fiksa ŝnuro. En tiu kazo, ĝi estas "kial vi volas?" Mi metis steleto je Fine ĉar tio estas nur la komenco de nia respondo. Kaj la stelo indikas ke ni tuj prenos la reston de la uzanto utterance-- "impresi mia estro" - kaj ni tuj append ke sur la fino de ĉi tiu linio. 

Do nun, anstataŭ diri, "kial ĉu vi volas impresi mia estro, " Tie estas iom da aldonaj prilaborado ke ni tion faros. Tio estas, ni devos konverti iujn de la pronomoj tie el "mia estro" al "via estro." Kaj tie povus esti kelkaj aliaj ŝanĝoj kiujn ni bezonas por fari. Do anstataŭ nur batante ŝin rekte sur la fino, kion ni faros Estas ni preni la reston de la uzanto utterance-- blanke here-- kaj ni prenos ĝin unu pecon ĉe tempo kaj konverti ĉiu kordo ĵetono, ĉiu vorto, en la frazo. 

Do ni prenu la vorton "por". Mankas konvertiĝo ke ni devas fari tion. "Impress". Mankas konvertiĝo Ni devas fari tie. "Mia" igos al "via". Kaj "estro" ni simple lasu al "estro". Kaj tiam finfine, io kiu finiĝas per punkto, ni konverti ĝin en demando. 

Tiu tre simpla ŝablona rekono estas fakte sufiĉe prospera. Kaj kiam tiu estis enkondukita en 1966-- Joseph Weizenbaum programita ĉi sur komputilo. Nun, komputiloj tiutempe ne labortablo modeloj. Ili estis dividitaj rimedoj. Kaj liaj studentoj iri kaj babili kun Eliza. Fine, li devis restrikti la aliron al ĝi cxar liaj lernantoj ne estis akiranta ajnan laboron farita. Ili estis ĵus babilanta kun Eliza. Kaj, fakte, li devis ekbruliĝis lia helpanto, kiu elspezis tutan sian tempon parolante al ELIZA pri ŝia profunda kaj preocupante problemojn. 

Ĉiu, kiu uzis ĉi tiujn sistemojn komencis anthropomorphize ilin. Ili komencis pensi pri ili kiel esti animitajn kaj realaj personoj. Ili komencis rekoni iuj de kion ili priparolis estis revenantaj al ili. Kaj ili estis eltrovanta aferojn pri si mem. Kaj, fakte, eĉ la spertaj, eĉ la psicoterapeutas, komencis maltrankvili ke, fakte, eble ELIZA estus anstataŭi ilin. Kaj eĉ la komputilo sciencistoj maltrankvilis ke ni estis tiel proksima al solvado natura lingvo. 

Nun, kiu ne estis ie proksime al vera. Sed tiel estas kiel impresa tiuj sistemoj povas ŝajni. Do ni komencu rigardi sube kaj provi akiri iom de demando de kie tiu kodo reale okazas. Do ni faros ĉi kodo havebla poste. Kaj tio ĉi estas tre simpla kaj rekta haveno de la originala ELIZA efektivigo. 

Do iuj de ĉi tiuj stilaj aferojn vi vidos tie ne stile kio Ni volus vin fari aŭ kion ni instruis vin fari. Sed ni provis konservi ilin la sama trans la multaj havenoj ke tio havis por ke ĝi havas la guston de la originalo. Do ni tuj inkluzivi faskon da aferoj, kaj tiam ni havos aro de ŝlosilvortoj, Aferoj ke ELIZA rekonos kaj respondi rekte. Do se vi havas vortojn kiel "ĉu vi" aŭ "mi ne faras" aŭ "ne" aŭ "jes" aŭ "sonĝo" aŭ "saluton", tiam ELIZA respondos selekte al tiuj. Ni ankaŭ havas iu numero de aferoj ke ni interŝanĝu, kiel konvertanta "mia" por "viaj". 

Kaj tiam ni havas aron de respondoj kiu por ĉiu de tiuj ŝlosilvortoj, ni rotacii tra tiujn malsamajn respondojn. Do se mi diras "jes" tri fojojn en vico, mi eble ricevos tri malsamaj respondojn de Eliza. Nia kodon, do estas fakte rimarkinde simpla. Se mi rulumu malsupren preter ĉiuj tiuj respondoj kiujn ni programis en kaj ni preni malsupren al nia ĉefa, ni tuj pravalorizi paro de malsamaj variabloj kaj fari iomete de mastrumado en la komenco. Sed tiam tie estas absolute aro de kodo kiun vi povas kompreni. Unu granda dum buklo kiu diras mi estas tuj ripeti tiun denove kaj denove. Mi legos en linio, kaj mi stoki ke en eniga ĉeno. Mi kontrolu kaj vidi se ĝi estas la speciala ŝlosilvorto "adiaŭ", kiun signifas eliri la programon. Kaj poste mi kontroli kaj vidi ĉu iu estas simple ripeti super kaj super. Kaj mi krias al ili se ili faras. Mi diros "ne ripetu mem." 

Dum neniu el tiuj okazos, ni tiam skani tra kaj buklo tra, sur linioj 308 al 313 tie kaj kontroli kaj vidi estas iu el tiuj ŝlosilvorto frazoj enhavis en la enigo ke mi estis ĵus donita? Se estas matĉo por ili, bone tiam, mi memoras ke situon. Mi memoras ke ŝlosilvorto. Kaj mi povos konstrui respondo. 

Se mi ne trovas unu, bone tiam, la lasta afero en mia ŝlosilvorto tabelo Estos mia defaŭlta respondojn, kiam nenio alia matĉojn. Mi petos demandoj kiel "Kial vi venis? "aŭ" Kiel mi povas helpi vin? " ke estas nur parte taŭga negrave kion la enigo estas. 

Ni tiam konstru ELIZA respondo. Ni povos preni ke bazo respondo, ĝuste kiel ni faris en tiu "mia estro" ekzemplo. Se tio estas ĉio ke ekzistas is-- se estas nur unu ĉeno kiu kredas min respond-- Mi povas simple sendi ĝin reen eksteren. Se ĝi havas asteriskon ĉe la fino de gxi, tiam Mi timige procesi ĉiu individua signo en la resto de la uzanto respondo kaj aldoni tiujn en, interŝanĝante eksteren laŭvorte kiel mi bezonas. 

Ĉio ĉi estas absolute io kiu vi povus konstrui. Kaj fakte, la vojoj en kiu ni havas procesis komandlinio argumentoj, la vojo en kiu vi havas procesitaj tra HTTP petojn sekvi la samajn specojn de reguloj. Ili estas ŝablona rekono. 

Do ELIZA havis relative grava efikon sur natura lingvo ĉar ĝi igis ĝin ŝajni kiel ĝi estis tre atingebla celo, kiel iel ni preferus povi solvi tiun problemon rekte. Nun, tio ne estas diri ke ELIZA faras ĉion ni volas fari. Certe ne. Sed ni devus povi fari ion pli. 

Nia unua paŝo iri preter ELIZA tuj por povi rigardi Ne tekston estante enirita en la klavaro sed parolado, fakta parolado registrita en mikrofonon. Do kiel ni rigardas tiujn malsamajn pecojn, ni estas tuj devas konstrui aron de modeloj. Ni tuj devas povi iri de la malalta nivelo akustiko information-- tonalto, amplekso, frequency-- kaj konverti ke en iuj unuecoj kiuj ni estas povos pli facile manipuli kaj, fine, manipuli ilin en vortojn kaj frazojn. 

Do plej parolrekono sistemoj kiu estas tie hodiaŭ sekvi statistika modelon en kiu ni konstruas tri apartaj reprezentoj de kio ke audio signalo fakte enhavas. Ni komencu per fonetika modelo kiu raportas nur la bazon sonas ke mi produktas. Ĉu mi produktanta iun kiu estas B kiel en knabo aŭ D kiel en hundo? Kiel mi rekonas tiujn du malsamajn telefonoj kiel separataj kaj distingaj? 

Aldonigxis, ni tiam konstrui vorto elparolo modelon, iu kiu ligiloj kune tiuj individuaj telefonoj kaj kombinas ilin en unu vorton. Kaj post tio, ni preni la vortojn kaj ni kolektos ilin per lingvo modeligi en kompleta frazo. 

Nun, ni tuj parolos pri ĉiu de tiuj sendepende kaj izolite. Sed tiuj tri modeloj estas ĉiuj nur tuj estos statistiko. Kaj tio signifas, kiam ni labori kun ili, ni povos labori kun ili ĉiuj samtempe. Bone. Komencu kun nia fonetika modelo. Do fonetika modeloj fidi komputa tekniko nomata kaŝitaj Markov modeloj. Tiuj estas grafikaj modeloj en kiuj mi havas kaj rekoni la staton de la mondo kiel estado karakterizita de aro de trajtoj. Kaj tiu stato priskribas unu parto de ago kiu mi okupiĝis. 

Do, se mi pensas pri fari la sono "ma" kiel patrino, estas malsamaj komponantoj por tiu sono. Tie estas parto kie mi tiros en spiro. Kaj tiam mi monujon miaj lipoj. Kaj mi ruliĝi miaj lipoj reen iom iom fari ke "ma" sono. Kaj tiam tie estas liberigo. Miaj lipoj veni aparte. Aero estas forpelita. "Ma." 

Tiuj tri malsamaj partoj estus reprezentita de ŝtatoj en tiu graph-- la ekkomenco, la mezo kaj la fino. Kaj mi havus transiroj kiuj permesis al mi veturi de unu ŝtato al la sekva kun certa probablo. Do, ekzemple, ke M soni havu tre, tre mallonga eniron ĉe la beginning-- "mm" - kaj poste plu, vibratorios fazo kie mi tenas mian lipojn kaj preskaŭ humming-- "mmmm" - kaj tiam tre mallonga plozivo kie mi forpelas breath-- "ma." 

La kaŝita Markov modelo estas desegnitaj por kapti la fakton ke la vojo kiun mi faras tiu sono "ma" tuj esti iomete malsama en ĝia tempigo, estas frekvenco, kaj liaj trajtoj ol la vojo ke vi faras ĝin aŭ la vojo ke mi fari ĝin kiam mi parolas pri malsamaj uzoj de la letero. "Patrino" kaj "Majo mi" volo sonas iomete malsame. 

Do rekoni aparta sono, ni farus konstrui Markova modeloj, tiuj kaŝitaj Markov modeloj, de ĉiu ebla telefono kiu mi eble volas agnoski, ĉiu ebla sono, kaj tiam rigardi la akustikaj datumoj kiujn mi havas kaj determini statistike kiu estas la plej verŝajna unu esti produktitaj tiun sonon. BONE. Kun tiu modelo, ni tiam komenci konstrui sur gxian supron. Ni prenu elparolo modelo. Nun, kelkfoje elparolo modeloj estas simpla kaj facila ĉar estas nur unu maniero prononci ion. Aliaj tempoj, ili estas iomete pli komplikita. Jen elparolo gvidisto por ke ruĝa afero kiu estas frukto kiu vin faros keĉupo el. Homoj ne kredas ke estas frukto. Dekstra? 

Nun, ekzistas multaj malsamaj manieroj ke homoj prononci tiun vorton. Iuj diros "piedfingro-may-piedfingro." Iuj diros "piedfingro-Mah-piedfingro." Kaj ni povas kapti tion per unu el tiuj grafikaj modeloj kie, denove, ni reprezentas transiroj kiel havanta certa probablo kaj asociita probablo kun ili. 

Do en tiu kazo, se mi sekvos la supro itinero tra ĉi tiu tuta grafeo, Mi estus startanta je la letero sur la maldekstra, la "ta" sono. Mi prenus la supra duono, la "ha" kaj tiam "ma" kaj tiam "A", kaj tiam oni "ta", kaj "Oh." "Piedfingro-may-piedfingro." Se mi prenis la fundo vojon tra tiu, mi ricevos "ta-Mah-piedfingro." Kaj se mi iris malsupren kaj tiam ĝis, mi ricevus "ta-may-piedfingro." 

Tiuj modeloj kapti tiujn diferencoj ĉar kiam ajn ni deploji unu el tiuj rekono sistemoj, ĝi tuj devos labori kun multa alispecan personoj, multaj malsamaj akĉentoj, kaj eĉ malsamajn uzojn de la samaj vortoj. Fine, sur supro de tiu, ni konstruu ion kiu aspektas vere komplika, vokis la lingvo modelo, sed fakte estas la plej simpla de la tri ĉar tiuj funkcii sur kio estas nomitaj n-gramo modeloj. Kaj en ĉi tiu kazo, mi montras al vi dupartan n-gramo modelo, bigram. Ni tuj fari fizikan la ideo ke kelkfoje, iuj vortoj estas pli verŝajna sekvi donita vorto ol aliaj. Se mi nur diris "veterprognozo" la sekva vorto povus probable estos "hodiaŭ" aŭ povis esti "la vetero prognozi morgaŭ. " Sed estas neverŝajne esti "la veterprognozo artiŝoko. " 

Kia lingvo modelo faras estas ĝi kaptas tiujn statistike nombrante, de iuj tre grandaj korpuso, ĉiuj la kazoj en kiu unu vorto sekvas alian. Do se mi prenas grandan corpus-- kiel ĉiu Wall Street Journal kiu estis produktita ekde 1930, kiu estas unu el la normaj corpuses-- kaj mi rigardas tra ĉiuj ke teksto, mi rigardas supren kiomfoje post "prognozo" mi vidas "hodiaŭ" kaj kiom da fojoj mi vidos "prognozo" sekvas "artiŝoko" la unua tiu tuj esti multe pli verŝajna. Ĝi tuj aperos multe pli ofte. Kaj tiel havos pli altan probablo asociita kun ĝi. 

Se mi volas eltrovi la probablo de tuta parolo do mi simple rompi ĝin. Do la probablo de aŭdo la frazo "la rato manĝis fromaĝon" estas la probablo de la vorto "la" komenca frazo, kaj tiam la probablo ke la vorto "rato" sekvas la vorton "la" kaj la probablo ke la vorto "manĝis" sekvas "rato" kaj la probablo ke "fromaĝo" sekvas "manĝis." 

Ĉi sonoj kiel multaj statistiko, multaj probabloj. Kaj tio estas ĉio, kion ĝi estas. Sed la mirinda afero estas, se vi tion faros kun sufiĉe granda provaĵo de datumoj, ĝi funkcias. Kaj ĝi funkcias terure bone. Ni ĉiuj scias tiujn teknologiojn. Plej operaciumoj veni kun voĉo rekono ĉe tiu punkto. Ni uzas Siri kaj Cortana kaj Eĥo. Tion estas bazitaj sur tiu tipo de tri-tavola model-- fonetika modelo ĉe la fundo, elparolo modelo en la mezo, kaj lingvo modelo aldone ili. 

Nun, ili devas fari iomete pli ol ke por respondi demandojn. Sed la rekono de kion vi diro dependas ĝuste de tio. Do ni prenu ekzemplon tie. Do mi havas mian telefonon sidas tie sub la dokumenton fotilo. Kaj ni tuj petas Siri kelkajn demandojn. Bone? 

Do ni vekas mian telefonon tie. Siri, kio estas la vetero kiel en New Haven hodiaÅ­? 

Siri: Jen la vetero por New Haven, Konektikuto hodiaÅ­. 

BRIAN SCASSELLATI: OK. Do unue vi vidis ke Siri rekonis ĉiu de la individuaj vortoj kaj tiam produktis respondo. Ni parolos pri kiel tiu respondo okazan en iomete. Sed nun kiam ni konas ke tio estas nur bazita sur la krudaj statistikoj kaj ĉi ŝablona rekono tipo de alproksimiĝo, Ni povas ludi iujn ludojn kun Siri. 

Do mi povas provi denove. Siri, kio estas la vetero hipopotamo New Haven, hodiaÅ­? 

Siri: OK. Jen la veteron por Nova Haven, Connecticut por hodiaŭ. BRIAN SCASSELLATI: Siri La ne timigis ke ĉar ĝi estas trovita la pattern-- "vetero", "hodiaŭ", "New Haven". Tio ĝi estas respondanta al, Nur ŝatas Eliza. Bone. Ni donu pli eĉ pli ridinda ekzemplo. Siri, vetero artiŝoko dazipo hipopotamo New Haven? 

Siri: Lasu min kontroli tiun. Jen kion mi trovis en la reto cxar kio estas artiŝokoj armadillo hipopotamo New Haven. 

BRIAN SCASSELLATI: OK. Do se mi foriras nun sufiĉe for de ĉi tiu modelo, Mi povis konfuzi ĝin ĉar ĝi ne plu kongruas la skemo ke ĝi havas. Kaj ke statistika motoro kiu estas jene: kio estas la probableco ke vi hvas la vortoj hipopotamo kaj artiŝoko kune, kaj armadillo? Ke estas alvenis al esti io nova. 

Tiuj teknologioj ni uzas ĉiutage. Se ni volas preni ilin unu paŝo plui, kvankam, se ni efektive volas povi paroli pri kio estas ke tiuj sistemoj estas respondanta al, ni devas paroli, denove, pri pli fundamenta aro de demandoj. Kaj tio estas temo en komunikado ke ni nomas demando responde. Tio estas, ni volas povi to-- yeah? Spektantaro: [inaudible]. BRIAN SCASSELLATI: Ĉu ni atingos en latenta semantika prilaborado? Do jes. Estas multaj aferoj kiuj estas okazas sub la surfaco kun Siri kaj en kelkaj el la ekzemploj Mi tuj montros vin proksima kie estas tre iom laŭ la strukturo de kion vi diras ke estas grava. Kaj, fakte, ke estas granda pioniro por la venonta slide por mi. 

Do en la sama maniero kiu niaj parolrekono oni konstruis de multoblaj tavoloj, se ni volas kompreni kion ĝi estas ke estas vere dirata, ni tuj denove fidi multi-tavola analizo de la teksto kiu estas estanta rekonita. Do kiam Siri estas reale povis diru, rigardu Mi trovis tiujn vortojn. Nun kion mi faru kun ili? La unua komponanto estas ofte iri tra kaj provi analizi la strukturo de la frazo. Kaj en kion ni vidis en grado lernejo, ofte, kiel ia diagramado frazoj, ni tuj rekoni ke certaj vortoj havas iujn paperojn. Tiuj estas substantivoj. Tiuj estas pronomoj. Tiuj estas verboj. Kaj ni tuj rekoni ke por aparta gramatiko, tiukaze Esperanta gramatiko, estas valida manieroj en kiuj mi povas kombini ilin kaj aliaj manieroj kiuj ne estas validaj. 

Ke agnosko, ke strukturo, eble estos sufiĉe por helpi gvidi nin iomete. Sed ĝi ne estas sufiĉe sufiĉas por ni por povi doni neniun signifon al ¿kion ĝi diras tie. Por fari tion, ni devas fidi iu kvanto de semantika pretigo. Tio estas, ni tuj devas aspekti ĉe sub kion ĉiu el tiuj vortoj fakte portas kiel signifon. Kaj en la plej simpla maniero fari tion, ni tuj asocias kun ĉiu vorto ke ni scias certa funkcio, certa transformo ke permesas okazi. 

En tiu kazo, ni povus etikedi la vorto "Johano" kiel esti propra nomo, ke portas kun ĝi identecon. Kaj ni povus etikedi "Mary", kiel la sama maniero. Dum verbo kiel "amoj", ke konsistigas apartan rilaton ke ni povas reprezenti. Nun, tio ne signifas ke ni komprenas kio estas amo sed nur ke ni komprenas ĝi en la vojo de simbola sistemo. Tio estas, ni povas etikedi ĝi kaj manipuli ĝin. 

Kun ĉiu de tiuj specoj de alproksimiĝoj, ajna tipo de semantika prilaborado tie tuj postulas iom iom de scio kaj multa laboro niaflanke. Ni ne plu estas en la regno kie nur ordinaraj statistiko tuj estos sufiĉe por ni. Nun, por iri de ĉi tiu punkto al esti kapablas paroli pri la internaĵo de kio efektive okazas tie, por povi manipuli tiun strukturi kaj kompreni demando kaj tiam povi eliri kaj serĉi, kiu postulas pli kompleksa kogna modelo. 

La maniero en kiu ĉi tiuj sistemoj estas konstruitaj estas plejparte tre, tre laboro intensivaj. Ili implikas homoj elspezi multe el tempo strukturi la vojojn en kiu tiuj specoj de frazoj povas esti prezentita en iu logiko. Ĝi akiras eĉ iom pli kompleksa, kvankam. 

Eĉ iam ni traktis kun semantiko, ni ankoraŭ devi rigardi la pragmatiko de ¿kion ĝi diras. Tio estas, kiel mi rilatas la vortojn ke mi devas ion fizike eksteren ekzistas en la mondo aŭ en Almenaŭ kelkajn informojn fonto ke mi povas manipuli? 

Foje tiuj kondukas al mirinda bitoj de ambigueco. "Red-hot stelo por edzigi astronomo." BONE. Nun, ni legas ke kiel la amuza tipo de subtitolo ke ni vidus sur malfrua nokto TV ĉar ni ne interpretas "stelo" havi lia korpo celeste signifon. Ni scias ke ĝi signifas la pli ordinaraĵoj aktoro aŭ aktorino kun altaj kvantoj de videbleco. 

"Taĉmento helpas hundo mordo viktimo." Ĉu ke la taĉmento estas reale tie ekstere helpanta hundo en ĉirkaŭiri kaj mordante viktimoj? Aŭ ĉu ekzistis individuo kiu estis mordita de hundo kiu bezonas helpon? Nur rigardi la sintakso kaj la semantiko de la frazoj, ni ne povas determini tion. 

"Helikoptero funkciigita de homaj muŝoj." Ĉu estas, fakte, fakta etulojn flugante ĉirkaŭ tiu Estas homoj kun flugiloj motorizando helikopteroj por la bono de la homaro? Aŭ ĉu estas unu mekanika aparato ke derivas sian potencon de persono? 

Kiam ni rigardas demando respondante sistemojn, Jen estas la tavoloj kiuj ni devas trakti. Nun, la plej bona kaj la plej speco de disvastiĝinta de tiuj sistemoj hodiaŭ estas kapablaj fari aferojn al nivelo kiu estas longe preter kion ni havis 10 jarojn. Jen unu el la pli bonaj sistemoj jen tie hodiaŭ. Kaj tiu estas sistemo de IBM nomis Watson. Tiu estas de niaj amikoj ĉe IBM. Jen Katherine bankoj, Jia Chen, kaj Priskila Moraes donante nin manifestacion de Watson hieraŭ en IBM Yorktown. [VIDEO reprodukto] -Kiel vi fartas? 

-Mi fartas bone. Mi estas ĉiam feliĉa, kiam mi estas pensante, precipe kiam mi povas resti cool en tiuj servilo ĉambroj. -kiu Estas via preferataj aktorino? 

-Mia Ŝatata aktorino Angelina Jolie kiel Lara Croft en Tomb Raider ĉar ŝia originala aspektis kiel virtuala karaktero kiel mi. 

-Kiel Povas Vatsono helpi pacientojn? 

-is La plano por pacientoj havas aliron al Watson rekte? Aliro al Watson konsila aplikoj varias de uzokazo. Sed nuntempe, Vatsono nur provizi ebla diagnozo kaj kuracado ebloj por profesia kuracisto. Kie konvene, pacientoj povas disponigi informojn al Vatsono, eble tra portalo retinterfaco, tablojdo, aŭ eĉ poŝtelefono. Ekzemple, paciento povas esti demandis priskribi iliajn simptomojn en natura lingvo rekte en Vatsono solvo, permesante la kuracisto temigi diagnozo kaj ne datenkolektado. 

-kiu Murdita Abraham Lincoln? 

-John Wilkes Booth. 

-En Kiu jaro faris la Arizono Diamondbacks gajni la Monda Serio? 

-2001. 

[FINO reprodukto] 

BRIAN SCASSELLATI: Do tiuj specoj de sistemoj devas fidi unue rekonante la parolado; dua, konvertanta ĝin en signfa interna reprezentado; kaj tiam, tria, povi eliri kaj trovi la informo fonto kiu permesas ilin respondi tiun demandon. Tiu nivelo de komplekseco engaĝas la samajn tipojn de programita aferoj ke vi estis faras en problemo aroj. 

Ni povis analizi HTTP petojn en la sama tipo de malalta-nivelo modelo trafa ke ELIZA povas fari. Ni estas kapabla transformi tiujn en interna reprezento, kaj tiam uzi ilin por konsulti iun ekstera datumbazo, eble uzante SQL. Ĉiuj la sistemoj kiuj estas konstruitaj hodiaŭ fari tiun tipon de naturaj lingva komunikado estas konstruitaj sur tiuj samaj principoj. 

Nun, eĉ sistemon kiel Vatsono ne kompleksa sufiĉa povi respondi arbitra demandojn pri ajna temo. Kaj fakte, oni devas esti strukturita en donita domajno. Do vi povas iri enretan kaj vi povas trovi versioj de Watson funkciantaj bone ene medicina informadiko. Aŭ tie estas unu enreta ke nur traktas kiel rebonigi rekomendoj pri kio biero iros per kiuj nutraĵo. Kaj ene de tiuj domajnoj, ĝi povas respondi demandojn, trovi la informon kiu bezonas. 

Sed vi ne povas miksi kaj egali ilin. La sistemo kiu estas estis trejnita kun la datumbazo de manĝaĵo kaj biero ne funkcias bone kiam subite meti ĝin en la medicina informadiko datumbazo. Do eĉ niaj plej bonaj sistemoj hodiaŭ fidi nivelo de pretigo en kiu ni estas mano kodigo kaj konstruado en la infrastrukturo por fari tiun sistemon run. 

Nun, la lasta temo mi volas povi atingi hodiaŭ estas pri parola komunikado. Granda maso de informoj ni interkomuniki ne venas pri tra individuajn vortojn kiujn ni aplikanta. Ĝi devas vidi kun aferoj kiel proksimeco, rigardo, via tono de voĉo, via fleksio. Kaj ke komunikado estas ankaŭ iu kiu multaj malsamaj interfacoj zorgas multe pri. Ĝi ne estas kion Siri zorgas pri. Mi povas demandi Siri ion en unu voĉo aŭ en malsama tono, kaj Siri tuj donu al mi la saman respondon. Sed tio ne estas kion ni konstruu por multaj aliaj tipoj de interfacoj. 

Mi volas prezenti al vi nun al unu el la robotoj. Tio estis konstruita fare mia delonga amiko kaj kolego Cynthia Breazeal kaj gxia homomulto Jibo. Kaj ĉi robot-- ni iras havi paron volontuloj supreniru al interagi kun tiu. Do mi povas havi du personoj volantaj ludi kun la roboto por mi? Kial vi ne venas supren, kaj kial vi ne venis supren. Se vi volus aliĝi min tie, bv. 

Kaj se mi povus havi vin venu rajton super tie. Dankon. Saluton. 

ALFREDO: Nice to meet you. Alfredo. 

BRIAN SCASSELLATI: Alfredo. 

RACHEL: Raĥel. BRIAN SCASSELLATI: Raĥel. Agrable renkonti vin ambaŭ. Alfredo, mi tuj havas vi iros unue. Suprenvenu tie. Mi tuj enkonduki you-- se mi povas akiri ĉi ekstere sen frapanta la microphone-- al iom roboto nomita Jibo. BONE? 

Nun, Jibo estas desegnita por esti interaktivaj. Kaj kvankam ĝi povas doni vin parolado, multe de la interagado kun la roboto estas parola. Alfredo, mi tuj petas vin diri ion belan kaj complimentary al la roboto, bonvolu. ALFREDO: Vi aspektas belaj. 

[Zumantaj SOUND] BRIAN SCASSELLATI: OK. Lia respondo ne parolaj. Kaj tamen ĝi donis vin ambaŭ klaran agnoskon ke ĝi estis aŭdinta, kion vi diris kaj ankaŭ iel komprenis tion. BONE? Paŝi ĝuste tien por unu sekundo. Dankon. 

Rachel, se vi volus. Nun, mi tuj donu vi la multe pli malfacilan taskon. Se vi volas stari ĉi tie, asist nur iomete tiom Ni povas akiri vin sur fotilo kaj rigardi tiun vojon. Mi tuj petas vin diri ion vere signifas kaj aĉaj al la roboto. 

RACHEL: Kion vi ĵus ŝajnis fari estis tute absurda. 

[Zumante SOUND] 

Tio estis eĉ pli absurda. Kio okazas kun vi? Aw, ne sentas malbone. Mi donos al vi brakumon. BRIAN SCASSELLATI: Bone. Danke Rahxel. Alfredo, Rachel, danke uloj tre multe. 

[AplaÅ­do] 

Do tiu tipo de interago havas en multmaniere iuj de la samaj reguloj kaj iuj de la sama strukturo kiel kio ni havu en lingva interago. Ĝi estas ambaŭ komunika kaj servas gravan celon. Kaj ke interago, en multaj manieroj, estas desegnita havi apartan efikon sur la persono interagante kun aŭ aŭskultante al la roboto. 

Nun, mi estas sufiĉe feliĉa havi Jibo tie hodiaŭ. Sam Spaulding estas ĉi tie helpi nin kun la roboto. Kaj mi tuj demandos Sam doni ni unu belan demo de Jibo dancado ke ni povas spekti fine tie. Do iru antaŭen, Jibo. 

SAM: OK, Jibo. Montru al ni viajn danco movojn. 

[MUZIKO Ludante] BRIAN SCASSELLATI: Bone, ĉiuj. Danke al niaj amikoj ĉe Jibo. 

[AplaÅ­do] 

Kaj dankon al niaj amikoj IBM por elhelpanta hodiaŭ. Komunikado estas io ke vi tuj vidi venanta supre pli kaj pli kiel ni konstruu pli kompleksaj interfacoj. Venontsemajne, ni parolos pri kiel interagadi kun komputilo kontraŭuloj en ludoj. Sed se vi havas demandojn pri tio, Mi estos ĉirkaŭe ĉe oficejo horoj ĉinokte. Mi ĝojas diskuti kun vi AI temoj aŭ enir pli detale. Havi grandan semajnfinon. 

[AplaÅ­do] [MUZIKO Ludante]