1 00:00:00,000 --> 00:00:02,928 >> [Zenelejátszási] 2 00:00:02,928 --> 00:00:11,230 3 00:00:11,230 --> 00:00:12,790 >> DAVID MALAN: Ez CS50. 4 00:00:12,790 --> 00:00:14,072 Ez a hét végéig 10. 5 00:00:14,072 --> 00:00:16,030 És a fiú, van még egy jó osztály az Ön számára ma. 6 00:00:16,030 --> 00:00:20,040 Annyira izgatott, hogy meghívják a két barátaink Yale akár nekünk ma 7 00:00:20,040 --> 00:00:23,920 és nézd meg a kereszteződésekben a mesterséges intelligencia, robotika, 8 00:00:23,920 --> 00:00:25,710 természetes nyelvi feldolgozás, és így tovább. 9 00:00:25,710 --> 00:00:27,090 >> És valóban, az elmúlt hetekben, most már 10 00:00:27,090 --> 00:00:29,714 biztosan töltött sok időt, különösen a korábbi psets, 11 00:00:29,714 --> 00:00:31,560 összpontosítva elég alacsony szintű részleteit. 12 00:00:31,560 --> 00:00:34,520 És ez nagyon könnyű szem elől téveszteni Az erdőben a fák 13 00:00:34,520 --> 00:00:38,170 és kap letette a hurkok és feltételek és a mutatók, természetesen, és a hasonlók. 14 00:00:38,170 --> 00:00:41,770 De a valóság az, srácok most már a összetevők, amelyekben nagyon 15 00:00:41,770 --> 00:00:45,300 megoldani néhány érdekes problémákat, többek között ezek azok, barátaink a Yale 16 00:00:45,300 --> 00:00:48,790 dolgozni Röpke Cambridge-ben. 17 00:00:48,790 --> 00:00:52,410 >> Ezért engedje meg, elsőként vezette be a fejünk tanársegéd a Yale, Andy. 18 00:00:52,410 --> 00:00:55,182 >> [TAPS] 19 00:00:55,182 --> 00:00:57,030 20 00:00:57,030 --> 00:01:00,710 >> Andy: Először is, csak megköszönni hogy lehetővé teszi egy pár Yalies 21 00:01:00,710 --> 00:01:02,700 a pop le, hogy Cambridge ma. 22 00:01:02,700 --> 00:01:05,299 Igazán értékelem. 23 00:01:05,299 --> 00:01:07,090 Másodszor, hogy a barátaink vissza home-- Jason, 24 00:01:07,090 --> 00:01:09,670 kösz tartózkodó és futó előadás. 25 00:01:09,670 --> 00:01:12,970 Remélem minden rendben New Havenben. 26 00:01:12,970 --> 00:01:15,720 >> Szóval igen, én vagyok szuper izgatott bevezetni Scaz ma. 27 00:01:15,720 --> 00:01:17,020 Scaz fut a robotika labor. 28 00:01:17,020 --> 00:01:19,690 Ő egy tanár, csak öt különböző szervezeti egységek a Yale. 29 00:01:19,690 --> 00:01:23,159 Laborjában, aki sok-sok robotok, hogy ő szeret játszani. 30 00:01:23,159 --> 00:01:24,950 Ő, mint a legmenőbb munka a világon. 31 00:01:24,950 --> 00:01:27,116 És ő kapja a fajta rendetlenség körül, hogy egész nap 32 00:01:27,116 --> 00:01:29,090 Hosszú és némi munkát is. 33 00:01:29,090 --> 00:01:33,070 >> És így valóban hozott egy közülük le velünk ma. 34 00:01:33,070 --> 00:01:36,900 Tehát minden további nélkül, Scaz van fog menni előre, és vezessen be minket 35 00:01:36,900 --> 00:01:38,660 hogy a robot barátja. 36 00:01:38,660 --> 00:01:41,546 >> [TAPS] 37 00:01:41,546 --> 00:01:42,935 38 00:01:42,935 --> 00:01:44,310 Brian SCASSELLATI: Köszönöm, David. 39 00:01:44,310 --> 00:01:45,380 Köszönöm, Andy. 40 00:01:45,380 --> 00:01:50,050 Ez annyira csodálatos, hogy Itt mindenki ma. 41 00:01:50,050 --> 00:01:56,490 Azt akarom, hogy az első nagyon világos, hogy A CS50 személyzet itt Cambridge 42 00:01:56,490 --> 00:01:59,190 hihetetlenül vendégszerető nekünk. 43 00:01:59,190 --> 00:02:02,130 Annyira hálásak vagyunk mindenért csináltak, hogy támogasson minket. 44 00:02:02,130 --> 00:02:05,690 És így szeretnénk, hogy képes vissza a kedvesség. 45 00:02:05,690 --> 00:02:09,370 >> Tehát ma, megkapjuk, hogy be hogy megyünk, hogy egy új, 46 00:02:09,370 --> 00:02:15,240 egy-az-egy-fajta CS50 esemény történik New Haven jövő héten. 47 00:02:15,240 --> 00:02:18,040 És ez a CS50 Kutatási Expo. 48 00:02:18,040 --> 00:02:21,300 Így fogunk meghívja everyone-- CS50 diákok, 49 00:02:21,300 --> 00:02:26,510 személyzet mind a Harvard és a Yale-- jöjjön le, és látogasson el velünk pénteken. 50 00:02:26,510 --> 00:02:30,400 Mi lesz a legkülönbözőbb felett 30 különböző emberek bemutató 51 00:02:30,400 --> 00:02:34,830 és exhibiting-- upperclassmen bemutató le néhány kutatási termékek. 52 00:02:34,830 --> 00:02:38,480 Majd néhány induló, sőt, már alig egy kicsit az új tech tehetség, 53 00:02:38,480 --> 00:02:40,460 induló mind a Harvard és a Yale-en. 54 00:02:40,460 --> 00:02:44,550 És mi lesz néhány diákcsoportok keres egy új tagságot. 55 00:02:44,550 --> 00:02:46,357 >> Ez lesz egy nagyon izgalmas időszak. 56 00:02:46,357 --> 00:02:49,190 Remélhetőleg Azoknak, akik jön le a Harvard-Yale játék 57 00:02:49,190 --> 00:02:51,360 lesz képes megállítani egy kicsit korai, 58 00:02:51,360 --> 00:02:54,060 kellős közepén a campus, Sterling Memorial Library. 59 00:02:54,060 --> 00:02:58,040 Fogunk egy sor kiállítási, hogy a tartomány autonóm 60 00:02:58,040 --> 00:03:04,460 vitorlások, hogy kihasználhassák a szoftver megőrzése középkori kéziratok. 61 00:03:04,460 --> 00:03:07,860 >> Megyünk, hogy hirdetése hoc hálózati és az emberek 62 00:03:07,860 --> 00:03:11,230 oktatási szoftver kódolás Fokvárosban. 63 00:03:11,230 --> 00:03:13,730 Lesz számítógép zenei bemutatók. 64 00:03:13,730 --> 00:03:16,020 És mi természetesen több robotokat. 65 00:03:16,020 --> 00:03:18,900 Szóval reméljük azt is megtudhatod csatlakozzon hozzánk erre az eseményre. 66 00:03:18,900 --> 00:03:21,350 Meg kell egy csomó szórakozás, egy kis étel, 67 00:03:21,350 --> 00:03:24,430 és sok érdekes miről beszélni. 68 00:03:24,430 --> 00:03:28,230 >> Tehát ma fogunk beszélni a természetes nyelvi feldolgozás. 69 00:03:28,230 --> 00:03:32,560 És ez a kísérlet nekünk hogy egy új módon kapcsolódni 70 00:03:32,560 --> 00:03:35,150 a mi eszközök miatt Az elmúlt hetekben, 71 00:03:35,150 --> 00:03:40,800 ha már összpontosítottak, hogyan van az, hogy akkor írj kódot, írni szoftver 72 00:03:40,800 --> 00:03:47,110 ez egy módja, hogy képes azt mondani, hogy a gép, ez az, amit akarok, hogy nem. 73 00:03:47,110 --> 00:03:50,210 >> De nem szabad kell elvárják, hogy mindent 74 00:03:50,210 --> 00:03:53,760 hogy van odakint, ami használt mindenki a világon 75 00:03:53,760 --> 00:03:57,480 lesz jártasak ez a fajta utasítást. 76 00:03:57,480 --> 00:04:02,540 Szóval mi különbözteti számítógép nyelvek és természetes languages-- 77 00:04:02,540 --> 00:04:06,720 vagyis a dolgok, hogy az emberek használatára kommunikálni más emberekkel. 78 00:04:06,720 --> 00:04:12,270 És megpróbáljuk felépíteni interfészeket használó ezek a természetes kommunikációs mechanizmusok. 79 00:04:12,270 --> 00:04:16,029 >> Most, mint minden más téma hogy már kezdődött a CS50, 80 00:04:16,029 --> 00:04:19,589 fogunk kezdeni a legegyszerűbb kis természetes nyelvi feldolgozás 81 00:04:19,589 --> 00:04:21,269 hogy el tudjuk képzelni. 82 00:04:21,269 --> 00:04:24,940 Fogunk kezdeni a történelmi része természetes nyelv. 83 00:04:24,940 --> 00:04:28,740 És akkor majd felépíteni, hogy újabb és újabb rendszerek 84 00:04:28,740 --> 00:04:31,450 és egy kis móka demók az út mentén. 85 00:04:31,450 --> 00:04:35,900 >> Mi is így fogjuk kezdeni, mi volt Valószínűleg az első természetes nyelv 86 00:04:35,900 --> 00:04:38,210 feldolgozó rendszer. 87 00:04:38,210 --> 00:04:45,080 Ez egy szoftver rendszert írt 1966 Joseph Weizenbaum nevű ELIZA. 88 00:04:45,080 --> 00:04:49,640 Eliza volt a célja, hogy megismételni a fajta interakció 89 00:04:49,640 --> 00:04:53,850 ha volna egy Rogersi pszichoterapeuta. 90 00:04:53,850 --> 00:04:57,210 Most, a Rogerians, hogy volt egy ötlet, hogy a pszichoterápia 91 00:04:57,210 --> 00:05:02,800 részt, hogy képes tükrözni vissza hogy a beteg és beszélgetni velük, 92 00:05:02,800 --> 00:05:08,100 Alapvetően, csak így számukra a hangyányival a terapeuta. 93 00:05:08,100 --> 00:05:09,920 Azaz, mindent hogy a terapeuta azt mondta 94 00:05:09,920 --> 00:05:16,500 kellett volna, hogy csak egy visszatükröződése amit a beteg mond nekik. 95 00:05:16,500 --> 00:05:18,990 >> Így próbáljuk meg demo ezt. 96 00:05:18,990 --> 00:05:22,820 Van már egy önkéntes, aki lennék hajlandó megosztani a legmélyebb, 97 00:05:22,820 --> 00:05:26,650 legsötétebb, és / vagy hamis titkok Eliza? 98 00:05:26,650 --> 00:05:29,680 Persze, miért nem jössz akár. 99 00:05:29,680 --> 00:05:30,847 Fantasztikus. 100 00:05:30,847 --> 00:05:31,430 És a neved? 101 00:05:31,430 --> 00:05:32,000 >> MILES: Miles. 102 00:05:32,000 --> 00:05:33,041 >> Brian SCASSELLATI: Miles. 103 00:05:33,041 --> 00:05:34,270 Örülök, hogy találkoztunk, Miles. 104 00:05:34,270 --> 00:05:36,270 Ha ragaszkodsz, hogy. 105 00:05:36,270 --> 00:05:40,840 És megyünk egyik változatát használja ELIZA 106 00:05:40,840 --> 00:05:44,640 hogy már reprodukálni a CS50 IDE. 107 00:05:44,640 --> 00:05:47,140 És akkor nézd meg a forrás kód erre a kis időre. 108 00:05:47,140 --> 00:05:49,910 De most, mi csak szeretnénk hívni azt írja Eliza. 109 00:05:49,910 --> 00:05:55,480 >> És Eliza fog adni válaszok hogy lesznek minden nagybetűvel. 110 00:05:55,480 --> 00:05:57,950 És szeretnék feltenni néhány kérdést. 111 00:05:57,950 --> 00:06:02,130 És mi válaszolunk, és írja A válaszok ELIZA. 112 00:06:02,130 --> 00:06:04,310 Tehát Eliza azt mondta: "Szia, én vagyok Eliza. 113 00:06:04,310 --> 00:06:05,462 Mi a bajod?" 114 00:06:05,462 --> 00:06:08,092 Mit szeretne mondd ELIZA a mai? 115 00:06:08,092 --> 00:06:10,750 >> MILES: Én csak elaludni ha van nyuszi papucs. 116 00:06:10,750 --> 00:06:12,440 >> Brian SCASSELLATI: Rendben. 117 00:06:12,440 --> 00:06:13,360 Minden rendben. 118 00:06:13,360 --> 00:06:15,300 >> [NEVETÉS] 119 00:06:15,300 --> 00:06:22,410 >> "Én csak elaludni nyuszi papucs. " 120 00:06:22,410 --> 00:06:29,000 Eliza azt mondja: "Mondd, mit bármilyen pszichológiai problémák? 121 00:06:29,000 --> 00:06:30,450 Lehet, hogy ez egy jó indikátor. " 122 00:06:30,450 --> 00:06:30,780 >> OKÉ. 123 00:06:30,780 --> 00:06:32,245 Szóval mit szeretne reagálni? 124 00:06:32,245 --> 00:06:36,110 125 00:06:36,110 --> 00:06:36,970 >> MILES: Igen. 126 00:06:36,970 --> 00:06:38,660 >> Brian SCASSELLATI: Igen. 127 00:06:38,660 --> 00:06:39,570 A szavak embere. 128 00:06:39,570 --> 00:06:41,870 Élvezem, hogy. 129 00:06:41,870 --> 00:06:50,200 Eliza azt mondja: "Úgy tűnik nagyon pozitív." 130 00:06:50,200 --> 00:06:53,200 >> MILES: Nem, nem vagyok, sőt, egy elektron. 131 00:06:53,200 --> 00:06:55,150 >> Brian SCASSELLATI: "Nem. 132 00:06:55,150 --> 00:07:02,240 Tény, hogy én vagyok az elektron. " "Azért jött hozzám 133 00:07:02,240 --> 00:07:06,954 mert te egy elektron? " 134 00:07:06,954 --> 00:07:08,870 Most látható néhány A things-- megyek 135 00:07:08,870 --> 00:07:10,200 szüneteltetheti akkor egy pillanatra, Miles. 136 00:07:10,200 --> 00:07:11,010 Ne menj sehova. 137 00:07:11,010 --> 00:07:12,650 Mi nem végeztem veled még. 138 00:07:12,650 --> 00:07:16,490 Eliza, bizonyos szempontból, reagál bizonyos dolgokra 139 00:07:16,490 --> 00:07:21,140 hogy azt mondja, de nem minden valódi megértés. 140 00:07:21,140 --> 00:07:26,090 És ez is parroting vissza néhány Az alkatrészeket a büntetését. 141 00:07:26,090 --> 00:07:27,310 >> Így szólt: "Nem. 142 00:07:27,310 --> 00:07:29,090 Tény, hogy én vagyok az elektron. " 143 00:07:29,090 --> 00:07:34,190 Eliza reagált vissza, "Azért jöttél nekem, mert te egy elektron? " 144 00:07:34,190 --> 00:07:34,690 Minden rendben. 145 00:07:34,690 --> 00:07:36,050 Adjunk még egy választ itt. 146 00:07:36,050 --> 00:07:37,140 Adj neki egy jó, Miles. 147 00:07:37,140 --> 00:07:37,806 >> MILES: Jó volt? 148 00:07:37,806 --> 00:07:48,400 149 00:07:48,400 --> 00:07:49,570 >> Igen, kérem, segítsen nekem. 150 00:07:49,570 --> 00:07:50,570 Brian SCASSELLATI: "Igen. 151 00:07:50,570 --> 00:07:58,010 Kérem, segítsen nekem. "" Biztos benne? " 152 00:07:58,010 --> 00:07:58,510 MILES: Nem 153 00:07:58,510 --> 00:08:00,860 Brian SCASSELLATI: Nem 154 00:08:00,860 --> 00:08:03,562 "Mit jelent javaslom neked?" 155 00:08:03,562 --> 00:08:06,760 >> MILES: Lehet, hogy nem egy elektron. 156 00:08:06,760 --> 00:08:11,170 >> Brian SCASSELLATI: "Én lehet, hogy nem egy elektron. " 157 00:08:11,170 --> 00:08:13,790 "Azt mondod, nem csak azért, hogy negatív lesz?" 158 00:08:13,790 --> 00:08:14,390 >> Minden rendben. 159 00:08:14,390 --> 00:08:16,030 Tehát Miles, köszönöm szépen. 160 00:08:16,030 --> 00:08:16,860 >> MILES: Köszönöm. 161 00:08:16,860 --> 00:08:18,360 >> Brian SCASSELLATI: Köszönöm szépen. 162 00:08:18,360 --> 00:08:20,230 [TAPS] 163 00:08:20,230 --> 00:08:21,230 164 00:08:21,230 --> 00:08:26,700 >> Tehát ez ELIZA program sok szempontból, reagál, csak a darab 165 00:08:26,700 --> 00:08:32,730 hogy mi biztosítja nélkül mély megértése, hogy mi történik itt. 166 00:08:32,730 --> 00:08:36,640 Ez egy ilyen rendszer nevű egyeznek, ahol 167 00:08:36,640 --> 00:08:40,490 keresünk bizonyos bit szöveget, hogy mi vagyunk, akkor 168 00:08:40,490 --> 00:08:44,860 fog tartani abból, ami nyújtottak a bemenet, 169 00:08:44,860 --> 00:08:52,580 alakítani, esetleg valamilyen módon, majd adja vissza a felhasználónak. 170 00:08:52,580 --> 00:08:55,150 >> Végezze el úgy gondolja, hogy Eliza valójában 171 00:08:55,150 --> 00:08:58,230 teljesítő érvényes pszichoanalízis itt? 172 00:08:58,230 --> 00:08:59,250 Egy ember, talán. 173 00:08:59,250 --> 00:09:00,166 >> Közönség: [hallható]. 174 00:09:00,166 --> 00:09:03,315 175 00:09:03,315 --> 00:09:05,440 Brian SCASSELLATI: És hogyan nem hogy érzed magad? 176 00:09:05,440 --> 00:09:06,530 Igen, sőt, ez nem. 177 00:09:06,530 --> 00:09:10,890 És fogunk látni, valóban, a forráskódját is csak egy pillanatra. 178 00:09:10,890 --> 00:09:13,580 És így leszel képes pontosan ezt. 179 00:09:13,580 --> 00:09:17,420 >> Most, Eliza egyik formája, amit mondanánk ma a chat bot. 180 00:09:17,420 --> 00:09:19,950 Csak azt a szöveget, hogy te nyújtó, 181 00:09:19,950 --> 00:09:24,030 biztosítja a minimális összeget megértés vagy feldolgozás, 182 00:09:24,030 --> 00:09:26,790 majd papagájok vissza is. 183 00:09:26,790 --> 00:09:31,830 Szóval vessünk egy pillantást, koncepcionálisan és beszélni, mi 184 00:09:31,830 --> 00:09:34,690 ez az, hogy Eliza valójában csinál. 185 00:09:34,690 --> 00:09:42,000 >> Eliza vesz egy sentence-- nézzük azt mondja: "Azt akarom, hogy lenyűgözni a főnököm." 186 00:09:42,000 --> 00:09:45,130 Eliza keres révén ez a mondat 187 00:09:45,130 --> 00:09:48,730 és megpróbálja megtalálni és egyezik egy bizonyos mintát. 188 00:09:48,730 --> 00:09:52,850 Így például, az egyik a minták hogy Eliza keres azok a szavak, 189 00:09:52,850 --> 00:09:55,110 "Azt akarom." 190 00:09:55,110 --> 00:09:59,330 És minden alkalommal, amikor meglát valamit amely "Azt akarom," benne, 191 00:09:59,330 --> 00:10:01,770 fogalmaz meg a választ. 192 00:10:01,770 --> 00:10:05,040 És ez a válasz egy fix karakterlánc. 193 00:10:05,040 --> 00:10:07,915 Ebben az esetben ez a "miért akarsz?" 194 00:10:07,915 --> 00:10:11,330 És tettem egy kis csillag a végén, mert ez csak 195 00:10:11,330 --> 00:10:13,310 kezdetben a választ. 196 00:10:13,310 --> 00:10:16,310 És a csillag azt jelzi, hogy megyünk, hogy a többi 197 00:10:16,310 --> 00:10:19,850 a felhasználó utterance-- "lenyűgözni a főnököm" - 198 00:10:19,850 --> 00:10:24,500 és fogunk hozzáfűzni, hogy rá a végén ezt a fonalat. 199 00:10:24,500 --> 00:10:28,990 >> Tehát most, ahelyett, mondván, "miért akarsz hatni a főnököm, " 200 00:10:28,990 --> 00:10:31,800 van egy kis kiegészítő feldolgozás, amely fogjuk tenni. 201 00:10:31,800 --> 00:10:34,440 Azaz, mi kell konvertálni néhány, a névmások 202 00:10:34,440 --> 00:10:38,670 Itt az "főnököm", hogy "a főnök." 203 00:10:38,670 --> 00:10:41,300 És ott lehet néhány más változásokat kell tennünk. 204 00:10:41,300 --> 00:10:44,990 Tehát ahelyett, hogy csak ragadt meg közvetlenül a végén, mit fogunk csinálni 205 00:10:44,990 --> 00:10:49,160 A elvisszük a többi Felhasználó utterance-- fehér here-- 206 00:10:49,160 --> 00:10:54,090 és mi elviszem egy darab egy időben, és konvertálni minden húr 207 00:10:54,090 --> 00:10:58,180 token, minden szó, a mondat. 208 00:10:58,180 --> 00:10:59,580 >> Szóval elvisszük a szó ", hogy". 209 00:10:59,580 --> 00:11:01,650 Nincs átalakítás hogy meg kell csinálni. 210 00:11:01,650 --> 00:11:02,340 "Impress." 211 00:11:02,340 --> 00:11:04,140 Nincs átalakítás meg kell csinálni. 212 00:11:04,140 --> 00:11:06,670 "Saját" átáll "a." 213 00:11:06,670 --> 00:11:10,070 És a "főnök" mi csak hagyjuk a "főnök". 214 00:11:10,070 --> 00:11:12,740 És végül, semmit végződő időszak, 215 00:11:12,740 --> 00:11:16,640 fogjuk alakítani egy kérdést. 216 00:11:16,640 --> 00:11:22,600 >> Ez nagyon egyszerű mintaillesztést valójában igen sikeres. 217 00:11:22,600 --> 00:11:27,260 És amikor ezt bevezették A 1966-- Joseph Weizenbaum 218 00:11:27,260 --> 00:11:28,986 programoznak a számítógépen. 219 00:11:28,986 --> 00:11:31,110 Most, számítógépekhez akkoriban nem voltak asztali modellek. 220 00:11:31,110 --> 00:11:33,950 Ők voltak a megosztott erőforrások. 221 00:11:33,950 --> 00:11:39,090 És a hallgatók menj és beszélgetni ELIZA. 222 00:11:39,090 --> 00:11:41,570 Végül meg kellett korlátozza a hozzáférést az 223 00:11:41,570 --> 00:11:43,890 mert a diákok nem voltak kapok semmilyen munkát. 224 00:11:43,890 --> 00:11:46,190 Ők csak beszélgetni ELIZA. 225 00:11:46,190 --> 00:11:48,850 És valóban, volt, tűz segédje, aki 226 00:11:48,850 --> 00:11:55,840 töltött minden idejét beszél ELIZA róla mély és aggasztó probléma. 227 00:11:55,840 --> 00:12:00,350 >> Mindenki, aki használta ezeket a rendszereket kezdett antropomorfizálni őket. 228 00:12:00,350 --> 00:12:04,490 Elkezdték gondolni rájuk, mint hogy élő és valódi emberek. 229 00:12:04,490 --> 00:12:07,969 Kezdték felismerni néhány a dolgokat, hogy azt mondták: 230 00:12:07,969 --> 00:12:09,010 jöttek vissza őket. 231 00:12:09,010 --> 00:12:12,120 És ők kideríteni dolgokat magukról. 232 00:12:12,120 --> 00:12:17,290 És valóban, még a szakértők, még a pszichoterapeuták, 233 00:12:17,290 --> 00:12:22,930 aggódni kezdett, hogy valójában, Talán Eliza lenne helyettük. 234 00:12:22,930 --> 00:12:25,640 És még a számítógép tudósok aggódnak, hogy mi voltunk 235 00:12:25,640 --> 00:12:30,040 Olyan közel megoldásában természetes nyelv. 236 00:12:30,040 --> 00:12:33,520 >> Most, hogy nem volt a közelébe igaz. 237 00:12:33,520 --> 00:12:37,280 De így lenyűgöző ezek a rendszerek is úgy tűnik. 238 00:12:37,280 --> 00:12:40,080 Szóval kezdjük keresni alatta, és próbálja 239 00:12:40,080 --> 00:12:46,190 hogy egy kicsit a kérdés hol ez a kód valójában történik. 240 00:12:46,190 --> 00:12:48,170 Szóval mi megpróbáljuk ezt a kódot álló utána. 241 00:12:48,170 --> 00:12:50,880 És ez egy nagyon egyszerű és közvetlen port 242 00:12:50,880 --> 00:12:53,240 Az eredeti ELIZA végrehajtását. 243 00:12:53,240 --> 00:12:56,350 >> Szóval ezek közül néhány stilisztikai dolgokat, hogy látni fogod itt 244 00:12:56,350 --> 00:12:59,360 nem stilisztikailag mi mi lenne Tegyél 245 00:12:59,360 --> 00:13:01,480 vagy mi az, amit tanít, hogy nem. 246 00:13:01,480 --> 00:13:04,770 De már próbáltam tartani őket ugyanaz az egész sok port 247 00:13:04,770 --> 00:13:08,087 hogy ez volt oly módon, hogy van az íze az eredeti. 248 00:13:08,087 --> 00:13:09,920 Szóval megyünk közé egy csomó dolgot, 249 00:13:09,920 --> 00:13:12,920 és akkor lesz egy kulcsszókészletre, a dolgok 250 00:13:12,920 --> 00:13:16,460 hogy Eliza felismeri és válaszol közvetlenül. 251 00:13:16,460 --> 00:13:20,780 Tehát, ha van szó, mint a "tud", vagy "én nem", vagy "nem" 252 00:13:20,780 --> 00:13:24,680 vagy "igen" vagy "álom" vagy "hello", akkor ELIZA 253 00:13:24,680 --> 00:13:27,920 reagálni fog szelektíven azokat. 254 00:13:27,920 --> 00:13:30,010 Majd is van egy Bizonyos számú dolog 255 00:13:30,010 --> 00:13:34,940 hogy mi fog cserélni, mint a átalakítása "én", hogy "a." 256 00:13:34,940 --> 00:13:39,920 >> És akkor mi van egy sor olyan válaszok hogy minden egyes ilyen kulcsszavak, 257 00:13:39,920 --> 00:13:42,580 mi pedig felváltva keresztül Ezek különböző válaszokat. 258 00:13:42,580 --> 00:13:45,350 Tehát ha azt mondom "igen" háromszor egymás után, én 259 00:13:45,350 --> 00:13:50,429 lehet, hogy három különböző válaszok Eliza. 260 00:13:50,429 --> 00:13:52,345 Kódunkat, akkor az, valójában rendkívül egyszerű. 261 00:13:52,345 --> 00:13:59,490 Ha én lépjünk le már az összes ilyen válaszokat, hogy mi programozott 262 00:13:59,490 --> 00:14:02,920 és mi most az a legfontosabb, fogunk alaphelyzetbe 263 00:14:02,920 --> 00:14:06,540 egy pár különböző változók és csinál egy kis takarítás 264 00:14:06,540 --> 00:14:08,480 kezdetben. 265 00:14:08,480 --> 00:14:11,760 De aztán ott egyáltalán egy sor kód, amely meg tudja érteni. 266 00:14:11,760 --> 00:14:15,820 Az egyik nagy while ciklus, amely azt mondja én vagyok fogja megismételni ezt újra és újra. 267 00:14:15,820 --> 00:14:20,420 Én olvastam egy sort, és én tárolni, hogy a bemeneti karakterlánc. 268 00:14:20,420 --> 00:14:23,880 Majd megvizsgálja azt, hogy ez a speciális kulcsszó "bye", amely 269 00:14:23,880 --> 00:14:26,199 azt jelenti, kilép a program. 270 00:14:26,199 --> 00:14:29,240 Aztán megnézem, hátha valaki csak ismétlődő magukat 271 00:14:29,240 --> 00:14:29,800 újra és újra. 272 00:14:29,800 --> 00:14:31,174 És én kiabálni őket, ha nem. 273 00:14:31,174 --> 00:14:34,820 Azt fogom mondani: "ne ismételje meg magát." 274 00:14:34,820 --> 00:14:40,500 >> Amíg ezek egyike sem történne, akkor majd beolvasni és áthidalás, 275 00:14:40,500 --> 00:14:45,330 vonalakon 308-313 Itt, és ellenőrizze, és nézd 276 00:14:45,330 --> 00:14:49,090 vannak bármely olyan kulcsszó kifejezések tartalmazott a bemeneti 277 00:14:49,090 --> 00:14:50,620 hogy én csak adni? 278 00:14:50,620 --> 00:14:54,845 Ha van egy meccs számukra, valamint Ezután, emlékezni fogok arra a helyre. 279 00:14:54,845 --> 00:14:57,050 Emlékezni fogok, hogy a kulcsszó. 280 00:14:57,050 --> 00:14:58,620 És én leszek képes építeni egy választ. 281 00:14:58,620 --> 00:15:03,150 >> Ha nem találok egyet, hát akkor, Az utolsó dolog, amit a kulcsszó tömb 282 00:15:03,150 --> 00:15:08,070 lesz az alapértelmezett válaszok, ha semmi más meccsek. 283 00:15:08,070 --> 00:15:14,160 Megkérdezem kérdésekre, mint "Miért idejönni? "vagy" Hogyan segíthetek? " 284 00:15:14,160 --> 00:15:19,710 hogy csak részben megfelelő nem számít, milyen a bemenet. 285 00:15:19,710 --> 00:15:22,580 >> Majd ezután felépíteni Eliza választ. 286 00:15:22,580 --> 00:15:26,040 Mi lesz képes venni hogy bázis választ, 287 00:15:26,040 --> 00:15:28,370 mint ahogy tettük, hogy "főnököm" példa. 288 00:15:28,370 --> 00:15:30,970 289 00:15:30,970 --> 00:15:33,990 Ha ez minden, ami létezik is-- ha ez csak egy 290 00:15:33,990 --> 00:15:36,860 húr, hogy kéne respond-- Én is csak küldje vissza. 291 00:15:36,860 --> 00:15:40,610 Ha van egy csillag a a vége, akkor én 292 00:15:40,610 --> 00:15:45,710 feldolgozni az egyes token a többi a felhasználó választ 293 00:15:45,710 --> 00:15:51,590 és add azokat a, kicserélni szóról szóra, ahogy kell. 294 00:15:51,590 --> 00:15:56,100 >> Mindez teljesen valami, ami meg tudná építeni. 295 00:15:56,100 --> 00:15:59,230 És valóban, a módszereket, amelyek mi Van feldolgozott parancssori 296 00:15:59,230 --> 00:16:03,570 milyen módon van feldolgozott keresztül HTTP kérések 297 00:16:03,570 --> 00:16:05,510 kövesse az azonos típusú szabályok. 298 00:16:05,510 --> 00:16:08,220 Ők mintaillesztést. 299 00:16:08,220 --> 00:16:15,170 >> Tehát Eliza viszonylag jelentős hatása a természetes nyelv 300 00:16:15,170 --> 00:16:21,620 mert azt a látszatot, mintha egy Nagyon elérhető cél, mint valahogy mi lenne 301 00:16:21,620 --> 00:16:25,550 tudja megoldani ezt a problémát közvetlenül. 302 00:16:25,550 --> 00:16:30,670 Nos, ez nem jelenti azt, hogy nem ELIZA mindent, amit szeretne csinálni. 303 00:16:30,670 --> 00:16:33,710 Biztosan nem. 304 00:16:33,710 --> 00:16:35,660 De képesnek kell lennünk hogy többet. 305 00:16:35,660 --> 00:16:38,280 306 00:16:38,280 --> 00:16:41,490 >> Az első lépés, hogy menjen túl ELIZA megy 307 00:16:41,490 --> 00:16:44,840 hogy képes nézni Nem szövegbevitelt 308 00:16:44,840 --> 00:16:53,750 a billentyűzet, de a beszéd, a tényleges beszéd felvett egy mikrofont. 309 00:16:53,750 --> 00:16:56,880 Így például megnézzük ezeket a különböző darab vagyunk 310 00:16:56,880 --> 00:17:00,304 kell majd építeni egy sor modellt. 311 00:17:00,304 --> 00:17:02,970 Fogunk kell tudni hogy menjen az alacsony szintű akusztikai 312 00:17:02,970 --> 00:17:07,180 information-- pályán, amplitúdó, frequency-- 313 00:17:07,180 --> 00:17:09,530 és átalakítani, hogy a Egyes egységek vagyunk 314 00:17:09,530 --> 00:17:14,619 képes könnyebben manipulálni és végül, manipulálja őket 315 00:17:14,619 --> 00:17:18,609 a szavak és mondatok. 316 00:17:18,609 --> 00:17:22,880 >> Így a legtöbb beszédfelismerő rendszerek, amelyek ott ma 317 00:17:22,880 --> 00:17:26,069 kövesse a statisztikai modell, amelyben építünk 318 00:17:26,069 --> 00:17:35,090 három különböző ábrázolását, amit hogy hangjelet valóban tartalmaz. 319 00:17:35,090 --> 00:17:38,640 Kezdjük egy fonetikai modell arról beszél, hogy csak a bázis 320 00:17:38,640 --> 00:17:41,250 hangzik, hogy én vagyok termelő. 321 00:17:41,250 --> 00:17:46,900 Vagyok termelő valamit, ami B, mint a fiú vagy D, mint a kutya? 322 00:17:46,900 --> 00:17:53,220 Hogyan ismeri fel a két különböző telefonokra különálló és különböző? 323 00:17:53,220 --> 00:17:56,600 >> Ezen felül, akkor majd építeni Egy szó kiejtése modell, 324 00:17:56,600 --> 00:18:01,350 valami, ami összeköti ezeket az egyedi telefonok 325 00:18:01,350 --> 00:18:04,724 és egyesíti őket egy szót sem. 326 00:18:04,724 --> 00:18:07,890 És azután, elvisszük a szavakat és mi össze őket egy nyelvet 327 00:18:07,890 --> 00:18:13,010 modellt egy teljes mondatot. 328 00:18:13,010 --> 00:18:17,230 >> Most fogunk beszélni az egyes Ezen függetlenül és külön-külön. 329 00:18:17,230 --> 00:18:21,580 De ez a három modell mind csak lesz statisztikák. 330 00:18:21,580 --> 00:18:23,502 És ez azt jelenti, amikor velük együtt dolgozni, akkor 331 00:18:23,502 --> 00:18:25,376 képes legyen együttműködni mindet egyszerre. 332 00:18:25,376 --> 00:18:28,100 333 00:18:28,100 --> 00:18:28,600 Minden rendben. 334 00:18:28,600 --> 00:18:30,890 Kezdjük a fonetikus modell. 335 00:18:30,890 --> 00:18:34,470 Tehát fonetikai modellek támaszkodnak A számítógépes technikát 336 00:18:34,470 --> 00:18:37,320 úgynevezett rejtett Markov modellek. 337 00:18:37,320 --> 00:18:43,050 Ezek grafikus modellek, amelyben én van, és elismerik az állam a világon 338 00:18:43,050 --> 00:18:46,500 amelyre jellemző egy készlet jellemzői. 339 00:18:46,500 --> 00:18:51,960 És hogy az állami leírja egy részét egy cselekvés, hogy én részt vesz. 340 00:18:51,960 --> 00:19:00,190 >> Tehát, ha belegondolok, hogy A hang "ma" mint anya, 341 00:19:00,190 --> 00:19:03,970 vannak különböző komponensek, hogy a hang. 342 00:19:03,970 --> 00:19:07,230 Van egy rész, ahol vonok levegőt. 343 00:19:07,230 --> 00:19:09,560 És akkor én pénztárca ajkamat. 344 00:19:09,560 --> 00:19:13,710 És én forgatom a száját egy kicsit vissza kicsit, hogy, hogy "ma" hangot. 345 00:19:13,710 --> 00:19:15,340 És akkor ott van a kibocsátás. 346 00:19:15,340 --> 00:19:17,020 Az ajkam szétesik. 347 00:19:17,020 --> 00:19:19,030 Air távozik. 348 00:19:19,030 --> 00:19:22,650 "Ma". 349 00:19:22,650 --> 00:19:29,250 >> E három különböző részein lenne által képviselt államok ebben graph-- 350 00:19:29,250 --> 00:19:33,420 A fellépő, a középső és a végén. 351 00:19:33,420 --> 00:19:38,060 És szerettem volna átmenetek lehetővé tette számomra, az utazás egyik állam 352 00:19:38,060 --> 00:19:42,260 hogy a következő egy bizonyos valószínűséggel. 353 00:19:42,260 --> 00:19:47,250 Tehát, például, hogy az M hangzik lehet, hogy egy nagyon- 354 00:19:47,250 --> 00:19:51,850 nagyon rövid bevitel a beginning-- "mm" -, majd egy hosszabb, 355 00:19:51,850 --> 00:19:55,640 vibrátoros fázis, amikor nálam én ajkait, és szinte humming-- 356 00:19:55,640 --> 00:20:05,090 "mmmm" -, majd egy nagyon rövid zárhang ahol kiutasítja breath-- "ma". 357 00:20:05,090 --> 00:20:09,370 >> A rejtett Markov modell célja, hogy rögzítse azt a tényt, 358 00:20:09,370 --> 00:20:13,340 hogy az út, hogy én hogy ez a hang "ma" folyik 359 00:20:13,340 --> 00:20:17,350 kissé eltérő időzítése, a frekvencia, 360 00:20:17,350 --> 00:20:21,030 és jellemzői, mint az utat, amit tenni 361 00:20:21,030 --> 00:20:23,300 vagy az is, hogy talán hogy ha én beszélek 362 00:20:23,300 --> 00:20:26,030 a különböző felhasználási a levél. 363 00:20:26,030 --> 00:20:33,240 "Anya" és a "hadd" lesz hang kicsit másképp. 364 00:20:33,240 --> 00:20:36,800 >> Így ismerjük fel a különös hangot, mi lenne 365 00:20:36,800 --> 00:20:42,020 építeni Markov modellek, ezeket a rejtett Markov modellek, minden lehetséges telefonon, hogy én 366 00:20:42,020 --> 00:20:45,840 Érdemes felismerni, minden lehetséges hang, 367 00:20:45,840 --> 00:20:49,750 majd nézd meg a akusztikai adatok, hogy van 368 00:20:49,750 --> 00:20:54,430 és meghatározza statisztikailag melyik a legvalószínűbb egy 369 00:20:54,430 --> 00:20:58,110 hogy elő ez a hang. 370 00:20:58,110 --> 00:20:58,610 OKÉ. 371 00:20:58,610 --> 00:21:01,540 372 00:21:01,540 --> 00:21:06,750 Ez a modell, amit aztán elkezdi építeni a tetején. 373 00:21:06,750 --> 00:21:09,330 Veszünk egy kiejtése modellt. 374 00:21:09,330 --> 00:21:11,790 Most, néha kiejtése modellek egyszerű és könnyen 375 00:21:11,790 --> 00:21:14,440 mert csak egy van módon kell mondani valamit. 376 00:21:14,440 --> 00:21:17,990 Máskor, ők egy kicsit bonyolultabb. 377 00:21:17,990 --> 00:21:21,340 Itt egy kiejtési kalauz e piros dolog, ami 378 00:21:21,340 --> 00:21:25,210 egy gyümölcs, amit csinál ketchup ki. 379 00:21:25,210 --> 00:21:27,360 Az emberek nem hiszem, hogy ez egy gyümölcs. 380 00:21:27,360 --> 00:21:27,860 Jobbra? 381 00:21:27,860 --> 00:21:30,880 382 00:21:30,880 --> 00:21:35,300 >> Most, sok különböző módon hogy az emberek kimondani ezt a szót. 383 00:21:35,300 --> 00:21:37,780 Egyesek azt mondják, hogy "toe-május-talpig." 384 00:21:37,780 --> 00:21:40,880 Egyesek azt mondják, hogy "toe-mah-talpig." 385 00:21:40,880 --> 00:21:44,800 És mi lehet rögzíteni, hogy a az egyik ilyen grafikus modellek 386 00:21:44,800 --> 00:21:48,305 ahol ismét az általunk képviselt átmenetek mint amelynek egy bizonyos valószínűséggel 387 00:21:48,305 --> 00:21:51,360 és a kapcsolódó valószínűség velük. 388 00:21:51,360 --> 00:21:58,290 >> Tehát ebben az esetben, ha én is követni a felső útvonal az egész gráfot, 389 00:21:58,290 --> 00:22:03,330 Lennék kezdve a levél a bal szélen, a "ta" hangot. 390 00:22:03,330 --> 00:22:07,570 Én meg az első félévben, A "ó", majd a "ma" 391 00:22:07,570 --> 00:22:14,530 majd egy "a", majd egy "ta" és "ó". "Toe-May-talpig." 392 00:22:14,530 --> 00:22:19,610 Ha vettem az alsó utat Ennek én lesz "ta-mah-talpig." 393 00:22:19,610 --> 00:22:26,810 És ha lementem, majd fel, azt kapnánk "ta-May-talpig." 394 00:22:26,810 --> 00:22:29,950 >> Ezek a modellek megragadni ezeket a különbségek mert valahányszor 395 00:22:29,950 --> 00:22:32,410 mi telepíteni egy ilyen elismerési rendszerek, 396 00:22:32,410 --> 00:22:35,340 ez megy, hogy dolgozni sok különböző fajta ember, 397 00:22:35,340 --> 00:22:39,295 sok különböző hangsúlyok, és még különböző felhasználási ugyanazokkal a szavakkal. 398 00:22:39,295 --> 00:22:42,204 399 00:22:42,204 --> 00:22:44,120 Végül, a tetején, hogy, fogunk építeni valamit 400 00:22:44,120 --> 00:22:48,780 hogy néz ki igazán bonyolult, az úgynevezett nyelvi modell, 401 00:22:48,780 --> 00:22:52,950 de valójában a legegyszerűbb A három, mert ezek működnek 402 00:22:52,950 --> 00:22:56,041 A úgynevezett n-gram modellek. 403 00:22:56,041 --> 00:23:02,270 És ebben az esetben én mutatja meg egy kétrészes n-gram modell, egy Bigram. 404 00:23:02,270 --> 00:23:08,910 Megyünk a fizikai az ötletet hogy néha, bizonyos szavak 405 00:23:08,910 --> 00:23:14,680 nagyobb valószínűséggel, hogy kövesse egy adott szó, mint mások. 406 00:23:14,680 --> 00:23:25,210 Ha én csak azt mondta: "időjárás" A következő szót is valószínűleg "ma" 407 00:23:25,210 --> 00:23:31,510 vagy lehet "az időjárás előrejelzés holnap. " 408 00:23:31,510 --> 00:23:38,870 De ez nem valószínű, hogy "a Időjárás előrejelzés articsóka. " 409 00:23:38,870 --> 00:23:42,980 >> Milyen nyelven modellnek igenis van méri azok statisztikailag 410 00:23:42,980 --> 00:23:47,450 hogy megszámolják, néhány nagyon nagy corpus, minden esetben 411 00:23:47,450 --> 00:23:50,890 amelyben egy szót következőképpen másik. 412 00:23:50,890 --> 00:23:54,300 Tehát, ha veszek egy nagy corpus-- mint minden Wall Street Journal 413 00:23:54,300 --> 00:24:00,750 állítottak elő 1930 óta, amely egyike a standard corpuses-- 414 00:24:00,750 --> 00:24:03,910 és végignéztem az összes hogy a szöveg, és számítok 415 00:24:03,910 --> 00:24:09,770 akár hányszor után "előrejelzés" látom "ma" 416 00:24:09,770 --> 00:24:17,454 és hányszor látok "előrejelzés", majd a "articsóka" 417 00:24:17,454 --> 00:24:19,370 Az első az egyik megy hogy sokkal nagyobb valószínűséggel. 418 00:24:19,370 --> 00:24:21,540 Meg fog megjelenni Sokkal gyakrabban. 419 00:24:21,540 --> 00:24:24,610 És ez így lesz egy nagyobb valószínűségi társul hozzá. 420 00:24:24,610 --> 00:24:27,340 >> Ha azt akarom, hogy kitaláljuk, a valószínűsége egy egész megnyilatkozás, 421 00:24:27,340 --> 00:24:29,940 Akkor én csak törd fel. 422 00:24:29,940 --> 00:24:35,990 Így a valószínűsége a tárgyaláson A mondat: "a patkány megette sajt" 423 00:24:35,990 --> 00:24:39,110 annak a valószínűsége, a szó "A" kezdő mondata, 424 00:24:39,110 --> 00:24:42,540 és akkor annak a valószínűsége, hogy a szó "patkány" szó után "a" 425 00:24:42,540 --> 00:24:44,910 és a valószínűsége, hogy a szó "megette" következik "patkány" 426 00:24:44,910 --> 00:24:51,120 és a valószínűsége, hogy a "sajt" követi "megette". 427 00:24:51,120 --> 00:24:55,160 >> Ez úgy hangzik, mint egy csomó statisztikák, sok valószínűségek. 428 00:24:55,160 --> 00:24:57,510 És ez minden, ami van. 429 00:24:57,510 --> 00:25:02,920 De a csodálatos dolog, ha ezt egy elég nagy minta adatokat, 430 00:25:02,920 --> 00:25:03,670 működik. 431 00:25:03,670 --> 00:25:05,250 És ez működik, rettenetesen jól. 432 00:25:05,250 --> 00:25:07,810 433 00:25:07,810 --> 00:25:11,420 Mindannyian tudjuk, ezek a technológiák. 434 00:25:11,420 --> 00:25:16,500 A legtöbb operációs rendszerek jönnek hangfelismerő ezen a ponton. 435 00:25:16,500 --> 00:25:20,940 Az általunk használt Siri és Cortana és az Echo. 436 00:25:20,940 --> 00:25:25,070 És ezek a dolgok épülnek az ilyen típusú háromrétegű model-- 437 00:25:25,070 --> 00:25:30,620 fonetikai modell alján, egy kiejtése modell a közepén, 438 00:25:30,620 --> 00:25:33,690 és a nyelvi modell a tetejükön. 439 00:25:33,690 --> 00:25:37,630 >> Most, hogy meg kell csinálni egy kicsit mint hogy annak érdekében, hogy válaszoljon a kérdésekre. 440 00:25:37,630 --> 00:25:43,000 De az elismerése, amit te mondás függ pontosan, hogy. 441 00:25:43,000 --> 00:25:45,700 Szóval vessünk egy példa van. 442 00:25:45,700 --> 00:25:52,020 Szóval van a telefonom ül itt alatta a dokumentum kamera. 443 00:25:52,020 --> 00:25:56,110 És megyünk kéri Siri néhány kérdést. 444 00:25:56,110 --> 00:25:57,150 Minden rendben? 445 00:25:57,150 --> 00:25:59,940 >> Úgyhogy felébredjen a telefonom itt. 446 00:25:59,940 --> 00:26:02,710 447 00:26:02,710 --> 00:26:05,000 Siri, milyen az időjárás mint a New Haven ma? 448 00:26:05,000 --> 00:26:07,670 449 00:26:07,670 --> 00:26:10,780 >> Siri: Íme az időjárás New Haven, Connecticut ma. 450 00:26:10,780 --> 00:26:11,890 >> Brian SCASSELLATI: OK. 451 00:26:11,890 --> 00:26:16,720 Tehát először láttad, hogy Siri elismert minden egyes szavak 452 00:26:16,720 --> 00:26:19,050 majd készített egy választ. 453 00:26:19,050 --> 00:26:22,277 Megbeszéljük, hogy hogyan választ jön egy kicsit. 454 00:26:22,277 --> 00:26:24,110 De most, hogy tudjuk hogy ez csak alapul 455 00:26:24,110 --> 00:26:28,880 a nyers statisztikák, és ez mintaillesztést a fajta megközelítés, 456 00:26:28,880 --> 00:26:31,120 tudjuk játszani néhány játékot Siri. 457 00:26:31,120 --> 00:26:34,560 >> Szóval lehet, próbálja újra. 458 00:26:34,560 --> 00:26:38,864 Siri, milyen az időjárás víziló New Haven, ma? 459 00:26:38,864 --> 00:26:39,810 >> Siri: OK. 460 00:26:39,810 --> 00:26:44,245 Itt van az időjárás új Haven, Connecticut ma. 461 00:26:44,245 --> 00:26:46,120 Brian SCASSELLATI: Siri Nem daunted, hogy 462 00:26:46,120 --> 00:26:50,980 mert ez megtalálható a pattern-- "időjárás", "ma", "New Haven." 463 00:26:50,980 --> 00:26:54,420 Ez az, amit ez reagál hogy, csakúgy, mint Eliza. 464 00:26:54,420 --> 00:26:54,920 Minden rendben. 465 00:26:54,920 --> 00:26:59,390 Adjunk még egy, még nevetségesebb példa. 466 00:26:59,390 --> 00:27:03,075 Siri, időjárás articsóka tatu víziló New Haven? 467 00:27:03,075 --> 00:27:06,806 468 00:27:06,806 --> 00:27:08,400 >> Siri: Hadd nézzem ezt. 469 00:27:08,400 --> 00:27:11,280 Itt van, amit találtam a neten A mi articsókát Armadillo 470 00:27:11,280 --> 00:27:13,780 víziló New Haven. 471 00:27:13,780 --> 00:27:14,760 >> Brian SCASSELLATI: OK. 472 00:27:14,760 --> 00:27:20,400 Szóval ha megy elég messzire re ez a modell, 473 00:27:20,400 --> 00:27:24,365 Én vagyok képes összezavarni, mert nem már nem egyezik a minta, hogy van. 474 00:27:24,365 --> 00:27:27,370 475 00:27:27,370 --> 00:27:29,390 És, hogy a statisztikai motor, amely azt mondja: 476 00:27:29,390 --> 00:27:32,850 mi a valószínűsége, hogy megvan A szavak víziló és articsókával 477 00:27:32,850 --> 00:27:34,440 együtt, és tatu? 478 00:27:34,440 --> 00:27:36,050 Ez van, hogy valami újat. 479 00:27:36,050 --> 00:27:38,840 480 00:27:38,840 --> 00:27:40,610 >> Tehát ezek a technológiák nap mint nap használunk. 481 00:27:40,610 --> 00:27:43,670 482 00:27:43,670 --> 00:27:47,800 Ha azt akarjuk, hogy vigye őket egy lépéssel További, bár, ha valóban 483 00:27:47,800 --> 00:27:53,930 akarjuk, hogy képes beszélni, mi ez az, hogy ezek a rendszerek reagálnak, 484 00:27:53,930 --> 00:28:00,630 beszélnünk kell, megint egy alapvetőbb sor kérdést. 485 00:28:00,630 --> 00:28:05,370 És ez olyan téma, a kommunikáció hogy hívjuk kérdést üzenetrögzítő. 486 00:28:05,370 --> 00:28:07,028 Azaz, azt akarjuk, hogy képes az alábbiakra: Igen? 487 00:28:07,028 --> 00:28:07,944 Közönség: [hallható]. 488 00:28:07,944 --> 00:28:10,789 489 00:28:10,789 --> 00:28:13,330 Brian SCASSELLATI: Kapunk a látens szemantikai feldolgozás? 490 00:28:13,330 --> 00:28:14,070 Szóval igen. 491 00:28:14,070 --> 00:28:17,820 Van egy csomó dolog, hogy történik a felszín alatt Siri 492 00:28:17,820 --> 00:28:20,210 és néhány a példák Megyek mutatni legközelebb 493 00:28:20,210 --> 00:28:22,610 ahol van egy kicsit szempontjából a struktúra 494 00:28:22,610 --> 00:28:25,260 Az, amit mondasz, hogy ez fontos. 495 00:28:25,260 --> 00:28:31,890 És valóban, ez egy nagyszerű prekurzor a következő dia nekem. 496 00:28:31,890 --> 00:28:35,110 >> Tehát azonos módon, hogy a mi beszédfelismerés épült fel 497 00:28:35,110 --> 00:28:39,620 Több réteg, ha azt akarjuk, hogy értem, mi ez, hogy valójában 498 00:28:39,620 --> 00:28:44,620 azt mondta, megyünk újra támaszkodnak egy többrétegű elemzés 499 00:28:44,620 --> 00:28:47,020 A szöveg, amit most elismerte. 500 00:28:47,020 --> 00:28:52,560 Tehát amikor Siri valójában képes mondjuk, nézd találtam ezeket a szavakat. 501 00:28:52,560 --> 00:28:55,230 Most mit csináljak velük? 502 00:28:55,230 --> 00:28:59,110 Az első komponens gyakran megy keresztül, és próbálja elemezni 503 00:28:59,110 --> 00:29:03,010 a szerkezet a mondat. 504 00:29:03,010 --> 00:29:05,410 És amit láttunk az iskolában, gyakran, 505 00:29:05,410 --> 00:29:08,920 mint egyfajta diagramm mondatokat, megyünk 506 00:29:08,920 --> 00:29:12,774 felismerni, hogy bizonyos szavaknak bizonyos szerepeket. 507 00:29:12,774 --> 00:29:13,440 Ezek főnevek. 508 00:29:13,440 --> 00:29:14,231 Ezek a névmások. 509 00:29:14,231 --> 00:29:16,200 Ezek az igék. 510 00:29:16,200 --> 00:29:19,460 És mi lesz felismerni hogy egy adott nyelvtani, 511 00:29:19,460 --> 00:29:24,700 ebben az esetben angol nyelvtan, vannak Érvényes módszereket, amelyekkel én is össze őket 512 00:29:24,700 --> 00:29:26,280 és más módon, amelyek nem érvényesek. 513 00:29:26,280 --> 00:29:29,920 514 00:29:29,920 --> 00:29:33,870 >> Ez az elismerés, hogy a struktúra, Lehet, hogy ahhoz, hogy segítsen vezessen bennünket 515 00:29:33,870 --> 00:29:36,720 kicsit. 516 00:29:36,720 --> 00:29:39,820 De ez nem elég számunkra, hogy meg tudja adni 517 00:29:39,820 --> 00:29:43,290 értelme, hogy mit mondanak itt. 518 00:29:43,290 --> 00:29:46,615 Ehhez, akkor meg kell támaszkodni bizonyos mennyiségű szemantikai feldolgozás. 519 00:29:46,615 --> 00:29:49,590 520 00:29:49,590 --> 00:29:55,080 Ez azt jelenti, megyünk kell nézni A alatta, amit ezen szavak 521 00:29:55,080 --> 00:29:57,400 ténylegesen folytatja a jelentését. 522 00:29:57,400 --> 00:30:01,150 És a legegyszerűbb módja ennek, fogunk társítani minden szó 523 00:30:01,150 --> 00:30:06,930 hogy tudjuk, egy bizonyos funkciót, egy bizonyos átalakulás, hogy 524 00:30:06,930 --> 00:30:09,300 lehetővé teszi, hogy megtörténjen. 525 00:30:09,300 --> 00:30:14,470 >> Ebben az esetben azt címkén a szó "John", hogy a megfelelő nevet, 526 00:30:14,470 --> 00:30:18,160 hogy hordozza a személyazonosságát. 527 00:30:18,160 --> 00:30:21,530 És talán címke "Mária", mint az azonos módon. 528 00:30:21,530 --> 00:30:27,900 Mivel az ige, mint a "szereti", hogy minősül különösen kapcsolat 529 00:30:27,900 --> 00:30:31,582 hogy képesek vagyunk képviseli. 530 00:30:31,582 --> 00:30:33,290 Most, hogy nem jelenti azt, hogy megértsük 531 00:30:33,290 --> 00:30:37,680 mi a szerelem, de csak, hogy megértsük ez a módja a szimbolikus rendszer. 532 00:30:37,680 --> 00:30:40,480 Vagyis, mi lehet címkézni , és manipulálni azt. 533 00:30:40,480 --> 00:30:44,230 534 00:30:44,230 --> 00:30:49,120 >> Minden egyes ilyen típusú megközelítések, bármilyen típusú szemantikai feldolgozás 535 00:30:49,120 --> 00:30:57,060 Itt lesz szükség egy kicsit kicsit a tudás és a sok munka 536 00:30:57,060 --> 00:30:59,020 a részünkről. 537 00:30:59,020 --> 00:31:03,590 Már nem vagyunk a birodalmában ahol csak sima statisztikák 538 00:31:03,590 --> 00:31:07,320 lesznek elég nekünk. 539 00:31:07,320 --> 00:31:11,330 Most, annak érdekében, hogy menjen ettől a ponttól, hogy 540 00:31:11,330 --> 00:31:15,520 képes beszélni a belsejében amit valójában itt, 541 00:31:15,520 --> 00:31:19,640 hogy képes kezelni ezt strukturálják és megérteni a kérdést 542 00:31:19,640 --> 00:31:23,160 majd képes menni, és keresni, 543 00:31:23,160 --> 00:31:27,290 amely előírja, hogy egy több, komplex kognitív modellt. 544 00:31:27,290 --> 00:31:34,880 >> A mód, ahogyan ezek a rendszerek épülnek ez a legtöbb esetben nagyon-nagyon munkaerő- 545 00:31:34,880 --> 00:31:36,350 alapos. 546 00:31:36,350 --> 00:31:39,490 Magukban emberek költ sokat 547 00:31:39,490 --> 00:31:44,100 az idő strukturálása a módszereket, amely az ilyen típusú mondatok 548 00:31:44,100 --> 00:31:47,270 is képviselteti magát némi logika. 549 00:31:47,270 --> 00:31:51,639 550 00:31:51,639 --> 00:31:53,430 Ez még egy kicsit bonyolultabb, mégis. 551 00:31:53,430 --> 00:31:56,400 552 00:31:56,400 --> 00:31:59,660 >> Még ha egyszer már foglalkozott a szemantika, akkor 553 00:31:59,660 --> 00:32:03,860 Még mindig meg kell nézni a pragmatikája mit mondanak. 554 00:32:03,860 --> 00:32:08,620 Azaz, hogyan kapcsolódnak a szavakat hogy van valami fizikálisan 555 00:32:08,620 --> 00:32:12,054 van a világon, vagy legalább néhány információforrás 556 00:32:12,054 --> 00:32:12,970 hogy tudok manipulálni? 557 00:32:12,970 --> 00:32:15,780 558 00:32:15,780 --> 00:32:20,790 >> Néha ezek vezetnek Csodálatos bit kétértelműséget. 559 00:32:20,790 --> 00:32:24,470 "Vörös-forró csillag nősül csillagász." 560 00:32:24,470 --> 00:32:25,630 OKÉ. 561 00:32:25,630 --> 00:32:28,540 Most olvastam, hogy a vicces típusú címsort 562 00:32:28,540 --> 00:32:34,690 hogy mi lenne látni a késő esti TV mert nem értelmezi a "csillag" 563 00:32:34,690 --> 00:32:38,630 hogy annak égitest jelentését. 564 00:32:38,630 --> 00:32:43,390 Tudjuk, hogy ez azt jelenti, minél több közhely színész vagy színésznő 565 00:32:43,390 --> 00:32:45,240 nagy mennyiségű láthatóságot. 566 00:32:45,240 --> 00:32:47,770 567 00:32:47,770 --> 00:32:51,950 >> "Squad segít kutya harap áldozat." 568 00:32:51,950 --> 00:32:55,550 Van az, hogy a csapat tulajdonképpen ott a segítő kutya 569 00:32:55,550 --> 00:32:59,620 A fog körül, és harapós áldozatok? 570 00:32:59,620 --> 00:33:02,380 Vagy azt, hogy nem volt egyén, aki 571 00:33:02,380 --> 00:33:04,625 megharapott egy kutya, aki segítségre van szükségem? 572 00:33:04,625 --> 00:33:07,650 573 00:33:07,650 --> 00:33:11,480 Csak az nézi a szintaxis és a szemantika a mondatok, 574 00:33:11,480 --> 00:33:14,660 nem tudjuk megállapítani, hogy. 575 00:33:14,660 --> 00:33:22,000 >> "Helikopter powered by emberi legyek." 576 00:33:22,000 --> 00:33:27,330 Vannak-e, sőt, a tényleges kis dolgok repkednek, hogy 577 00:33:27,330 --> 00:33:34,510 olyan emberek szárnyakkal bekapcsolása helikopterek az emberiség javára? 578 00:33:34,510 --> 00:33:38,960 Vagy van még egy mechanikus szerkezet hogy energiaszükségletét a személy? 579 00:33:38,960 --> 00:33:41,600 580 00:33:41,600 --> 00:33:46,500 >> Ha megnézzük a kérdést üzenetrögzítő rendszerek, 581 00:33:46,500 --> 00:33:51,110 ezek azok a rétegek, amelyek meg kell foglalkozni. 582 00:33:51,110 --> 00:33:54,890 Most, a legjobb és a legtöbb rendezési Az elterjedt ezen rendszerek 583 00:33:54,890 --> 00:34:00,640 ma is alkalmasak arra, hogy nem dolgokat olyan szinten, amelyek 584 00:34:00,640 --> 00:34:05,050 messze túl mi volt 10 évvel ezelőtt. 585 00:34:05,050 --> 00:34:08,210 Itt van az egyik legjobb rendszerek ez kint ma. 586 00:34:08,210 --> 00:34:10,519 És ez egy olyan rendszer, Az IBM Watson nevű. 587 00:34:10,519 --> 00:34:13,040 588 00:34:13,040 --> 00:34:15,500 Ez a barátainktól az IBM-nél. 589 00:34:15,500 --> 00:34:19,810 Ez Katherine bankok, Jia Chen, és Priscilla Moraes ami nekünk 590 00:34:19,810 --> 00:34:26,323 a demonstráció Watson Tegnap az IBM Yorktown. 591 00:34:26,323 --> 00:34:26,989 [Videó lejátszás] 592 00:34:26,989 --> 00:34:27,690 -Hogy van? 593 00:34:27,690 --> 00:34:30,600 594 00:34:30,600 --> 00:34:31,980 >> -Én Vagyok jól. 595 00:34:31,980 --> 00:34:35,429 Én mindig boldog vagyok, ha gondolkodás, különösen, amikor 596 00:34:35,429 --> 00:34:38,920 maradhat hűvös ezekben kiszolgáló helyiségekkel. 597 00:34:38,920 --> 00:34:40,170 -Ki A kedvenc színésznő? 598 00:34:40,170 --> 00:34:43,870 599 00:34:43,870 --> 00:34:47,555 >> -A Kedvenc színésznője Angelina Jolie, mint Lara Croft 600 00:34:47,555 --> 00:34:54,800 Tomb Raider, mert ő eredeti formában volt, mint egy virtuális karakter, mint én. 601 00:34:54,800 --> 00:34:56,760 >> -Hogy Lehet Watson segítséget nyújtanak a betegeknek? 602 00:34:56,760 --> 00:34:59,700 603 00:34:59,700 --> 00:35:03,755 >> -Van A terv, hogy a betegek férhetnek hozzá Watson közvetlenül? 604 00:35:03,755 --> 00:35:08,050 Hozzáférés a Watson tanácsadó alkalmazások változik a használat esetén. 605 00:35:08,050 --> 00:35:12,630 De jelenleg, Watson csak olyan lehetséges diagnózis és a kezelés 606 00:35:12,630 --> 00:35:14,725 lehetőségek orvos. 607 00:35:14,725 --> 00:35:17,680 Adott esetben, a betegek nyújthatnak információt 608 00:35:17,680 --> 00:35:21,210 Watson, esetleg egy portál webes felületen, tabletta, 609 00:35:21,210 --> 00:35:23,500 vagy akár egy mobiltelefon. 610 00:35:23,500 --> 00:35:27,180 Például egy beteg lehet felkérték, hogy tüneteik 611 00:35:27,180 --> 00:35:30,460 a természetes nyelvben közvetlenül egy Watson-oldattal, 612 00:35:30,460 --> 00:35:34,050 lehetővé teszi az orvos, hogy összpontosítson diagnózis és nem az adatgyűjtést. 613 00:35:34,050 --> 00:35:38,379 614 00:35:38,379 --> 00:35:42,716 >> -Ki Meggyilkolták Abraham Lincoln? 615 00:35:42,716 --> 00:35:46,153 >> János Wilkes Booth. 616 00:35:46,153 --> 00:35:52,373 >> -A Melyik évben az Arizona Diamondbacks megnyerte a World Series? 617 00:35:52,373 --> 00:35:55,295 >> -2001. 618 00:35:55,295 --> 00:35:58,710 >> [Lejátszás vége] 619 00:35:58,710 --> 00:36:01,610 >> Brian SCASSELLATI: Tehát az ilyen típusú rendszerek 620 00:36:01,610 --> 00:36:07,430 kell támaszkodni először felismerve a beszédet; második, 621 00:36:07,430 --> 00:36:12,200 átalakítása egy értelmes belső képviselet; majd, a harmadik, 622 00:36:12,200 --> 00:36:17,090 hogy képes menni, és talál Az információ forrása, hogy 623 00:36:17,090 --> 00:36:21,140 lehetővé teszi számukra, hogy erre a kérdésre válaszolni. 624 00:36:21,140 --> 00:36:27,320 Ez a szint a komplexitás jár az azonos típusú programadó dolgok 625 00:36:27,320 --> 00:36:31,790 hogy már Ennek a problémát készletek. 626 00:36:31,790 --> 00:36:38,000 >> Tudjuk elemezni a HTTP kérések az azonos típusú alacsony szintű minta 627 00:36:38,000 --> 00:36:40,810 megfelelő, hogy Eliza tehet. 628 00:36:40,810 --> 00:36:45,070 Tudjuk alakítani azokat a belső reprezentáció, 629 00:36:45,070 --> 00:36:50,360 és majd őket, hogy a lekérdezés néhány külső adatbázis, esetleg SQL. 630 00:36:50,360 --> 00:36:53,530 631 00:36:53,530 --> 00:36:56,260 Mind a rendszerek, amelyek épülnek ma 632 00:36:56,260 --> 00:37:00,520 hogy ezt a fajta természetes nyelvi kommunikáció 633 00:37:00,520 --> 00:37:04,100 épülnek fel ugyanezeket az alapelveket. 634 00:37:04,100 --> 00:37:09,530 >> Most még egy ilyen rendszer Watson nem elég bonyolult 635 00:37:09,530 --> 00:37:14,820 hogy képes legyen válaszolni önkényes kérdést bármely témában. 636 00:37:14,820 --> 00:37:20,060 És valóban, azokat kell strukturált egy adott területen. 637 00:37:20,060 --> 00:37:24,440 Így megy online és talál változatai Watson, hogy jól működnek 638 00:37:24,440 --> 00:37:27,700 belül az orvosi informatika. 639 00:37:27,700 --> 00:37:31,490 Vagy van még egy on-line hogy csak foglalkozik, hogyan 640 00:37:31,490 --> 00:37:34,540 hogy jó ajánlásokat milyen sört fog menni, amely élelmiszerrel. 641 00:37:34,540 --> 00:37:37,060 642 00:37:37,060 --> 00:37:41,870 És azon belül tartományok, akkor válaszolni a kérdésekre, 643 00:37:41,870 --> 00:37:46,130 megtalálni az információt, amelyre szüksége van. 644 00:37:46,130 --> 00:37:48,270 >> De nem tudod keverheted azokat. 645 00:37:48,270 --> 00:37:53,150 A rendszer, hogy a már képzett az adatbázis, az élelmiszerek és a sör 646 00:37:53,150 --> 00:37:56,830 nem működik jól, ha hirtelen betette az orvosi informatika 647 00:37:56,830 --> 00:37:59,770 adatbázis. 648 00:37:59,770 --> 00:38:05,680 Tehát még a legjobb rendszerek ma támaszkodik a feldolgozottsági szint 649 00:38:05,680 --> 00:38:11,570 amelyben vagyunk kézzel kódolás és kiépítése az infrastruktúra érdekében 650 00:38:11,570 --> 00:38:13,275 hogy ez a rendszer fut. 651 00:38:13,275 --> 00:38:16,360 652 00:38:16,360 --> 00:38:20,710 >> Most, az utolsó téma akarok hogy tudja, hogy a mai 653 00:38:20,710 --> 00:38:23,960 kb nonverbális kommunikáció. 654 00:38:23,960 --> 00:38:29,290 A nagy tömegű információ, kommunikálnak egymással 655 00:38:29,290 --> 00:38:35,490 nem jött át a az egyes szavakat, hogy mi alkalmazása. 656 00:38:35,490 --> 00:38:40,290 Meg kell csinálni a dolgokat, mint közelsége, tekintete, a hangnem, 657 00:38:40,290 --> 00:38:42,270 Ön inflexiós. 658 00:38:42,270 --> 00:38:46,620 És, hogy a kommunikáció is valami, hogy sok különböző interfészek 659 00:38:46,620 --> 00:38:49,960 érdekel sokat beszél. 660 00:38:49,960 --> 00:38:51,500 Ez nem az, amit Siri törődik. 661 00:38:51,500 --> 00:38:56,250 Megkérdezhetem Siri valamit egy hangon vagy egy más hangon, 662 00:38:56,250 --> 00:38:59,840 és Siri fog adj ugyanazt a választ. 663 00:38:59,840 --> 00:39:05,260 De ez nem az, amit mi építünk Sok más típusú interfészek. 664 00:39:05,260 --> 00:39:09,120 >> Szeretném bemutatni Önnek most, hogy az egyik robot. 665 00:39:09,120 --> 00:39:12,720 Ez építtette én régi barátom és kollégám Cynthia 666 00:39:12,720 --> 00:39:16,010 Breazeal, és a cége Jibo. 667 00:39:16,010 --> 00:39:20,090 És ez robot-- megyünk hogy van egy pár önkéntesek 668 00:39:20,090 --> 00:39:22,520 jön, hogy befolyásolja ezt. 669 00:39:22,520 --> 00:39:26,200 Szóval lehet, hogy két ember hajlandó játszani a robot nekem? 670 00:39:26,200 --> 00:39:29,936 Miért nem jössz fel, és miért nem jössz fel. 671 00:39:29,936 --> 00:39:31,310 Ha azt csatlakozzon hozzám itt, kérem. 672 00:39:31,310 --> 00:39:36,520 673 00:39:36,520 --> 00:39:39,670 >> És ha tudtam volna neked jöjjön ide. 674 00:39:39,670 --> 00:39:40,170 Kösz. 675 00:39:40,170 --> 00:39:40,480 Szia. 676 00:39:40,480 --> 00:39:41,400 >> ALFREDO: Örülök, hogy találkoztunk. 677 00:39:41,400 --> 00:39:42,010 Alfredo. 678 00:39:42,010 --> 00:39:42,520 >> Brian SCASSELLATI: Alfredo. 679 00:39:42,520 --> 00:39:43,146 >> Rachel: Rachel. 680 00:39:43,146 --> 00:39:44,228 Brian SCASSELLATI: Rachel. 681 00:39:44,228 --> 00:39:45,154 Örülök, hogy találkoztunk mind. 682 00:39:45,154 --> 00:39:46,820 Alfredo, én megyek is megy először. 683 00:39:46,820 --> 00:39:47,990 Jöjjön ide. 684 00:39:47,990 --> 00:39:51,870 Megyek bevezetni you-- ha tudok szerezni ezt le 685 00:39:51,870 --> 00:39:58,450 kopogás nélkül a microphone-- egy kis robot nevű Jibo. 686 00:39:58,450 --> 00:40:00,140 OKÉ? 687 00:40:00,140 --> 00:40:04,260 >> Most, Jibo célja, hogy interaktív. 688 00:40:04,260 --> 00:40:09,339 És bár ez adhat beszédet, sok a kölcsönhatás a robot 689 00:40:09,339 --> 00:40:09,880 a nonverbális. 690 00:40:09,880 --> 00:40:12,450 691 00:40:12,450 --> 00:40:17,070 Alfredo, fogom kérni, hogy mondjuk valami szép és ingyenes 692 00:40:17,070 --> 00:40:19,554 A robot, kérem. 693 00:40:19,554 --> 00:40:20,845 ALFREDO: Azt hiszem nézel. 694 00:40:20,845 --> 00:40:24,114 695 00:40:24,114 --> 00:40:25,611 >> [Berregő hang] 696 00:40:25,611 --> 00:40:26,192 697 00:40:26,192 --> 00:40:27,108 Brian SCASSELLATI: OK. 698 00:40:27,108 --> 00:40:30,110 699 00:40:30,110 --> 00:40:33,180 A válasz nem verbális. 700 00:40:33,180 --> 00:40:35,180 És mégis ez adta mindketten egyértelmű elismerése 701 00:40:35,180 --> 00:40:39,680 hogy hallotta, amit mondott és valahogy megértette. 702 00:40:39,680 --> 00:40:40,530 OKÉ? 703 00:40:40,530 --> 00:40:42,070 Állj ide egy pillanatra. 704 00:40:42,070 --> 00:40:43,130 Köszönöm. 705 00:40:43,130 --> 00:40:44,090 >> Rachel, ha úgy tetszik. 706 00:40:44,090 --> 00:40:46,070 Most fogok adni Ön a sokkal nehezebb feladat. 707 00:40:46,070 --> 00:40:48,361 Ha azt álljon itt, mentést csak egy kicsit, így 708 00:40:48,361 --> 00:40:50,280 mi lehet kapni a kamera és nézd így. 709 00:40:50,280 --> 00:40:56,840 Azt fogom kérni, hogy mondjon valamit Komolyan, és csúnya a robot. 710 00:40:56,840 --> 00:41:02,900 >> Rachel: Amit csak úgy tűnt, hogy nem volt teljesen abszurd. 711 00:41:02,900 --> 00:41:03,840 >> [Zúgás] 712 00:41:03,840 --> 00:41:07,610 713 00:41:07,610 --> 00:41:09,030 >> Ez volt még abszurd. 714 00:41:09,030 --> 00:41:10,120 Mi történt veled? 715 00:41:10,120 --> 00:41:13,487 716 00:41:13,487 --> 00:41:16,207 Á, nem érzem rosszul. 717 00:41:16,207 --> 00:41:17,040 Adok egy ölelés. 718 00:41:17,040 --> 00:41:19,882 719 00:41:19,882 --> 00:41:21,090 Brian SCASSELLATI: Rendben. 720 00:41:21,090 --> 00:41:22,280 Köszönöm, Rachel. 721 00:41:22,280 --> 00:41:24,565 Alfredo, Rachel, köszönöm srácok nagyon. 722 00:41:24,565 --> 00:41:26,840 >> [TAPS] 723 00:41:26,840 --> 00:41:28,660 724 00:41:28,660 --> 00:41:34,470 >> Tehát ez a fajta kölcsönhatás van a Sok szempontból néhány azonos szabályok 725 00:41:34,470 --> 00:41:36,950 és néhány azonos struktúra, amit 726 00:41:36,950 --> 00:41:39,950 Lehet, hogy a nyelvi interakció. 727 00:41:39,950 --> 00:41:44,530 Ez mind kommunikatív és szolgál fontos célja. 728 00:41:44,530 --> 00:41:48,590 És interakciót, a Sok szempontból, úgy tervezték, 729 00:41:48,590 --> 00:41:52,890 hogy egy adott hatás a személy kölcsönhatásban áll, vagy hallgat 730 00:41:52,890 --> 00:41:54,410 A robot. 731 00:41:54,410 --> 00:41:56,450 >> Most én vagyok szerencsés, hogy Jibo ma itt. 732 00:41:56,450 --> 00:42:00,550 Sam Spaulding itt segít minket a robot. 733 00:42:00,550 --> 00:42:07,470 És én fogom kérni, hogy Sam nekünk egy szép demo Jibo tánc 734 00:42:07,470 --> 00:42:09,720 hogy mi lehet nézni a végén itt. 735 00:42:09,720 --> 00:42:10,590 Szóval gyerünk, Jibo. 736 00:42:10,590 --> 00:42:11,550 >> SAM: OK, Jibo. 737 00:42:11,550 --> 00:42:14,430 Mutasd meg nekünk a tánc mozog. 738 00:42:14,430 --> 00:42:17,310 >> [Zenelejátszási] 739 00:42:17,310 --> 00:42:43,114 740 00:42:43,114 --> 00:42:44,780 Brian SCASSELLATI: Rendben, mindenki. 741 00:42:44,780 --> 00:42:46,865 Hála barátaink a Jibo. 742 00:42:46,865 --> 00:42:49,426 >> [TAPS] 743 00:42:49,426 --> 00:42:50,140 744 00:42:50,140 --> 00:42:54,990 >> És hála a barátainkkal Az IBM a segítettem ma. 745 00:42:54,990 --> 00:42:57,300 A kommunikáció valamit hogy fogsz 746 00:42:57,300 --> 00:43:02,280 hogy jön egyre több, mint építünk bonyolultabb felületek. 747 00:43:02,280 --> 00:43:05,760 A jövő héten lesz szó arról, hogyan illeszthetjük 748 00:43:05,760 --> 00:43:08,890 számítógépes ellenfelek játékok. 749 00:43:08,890 --> 00:43:12,950 De ha kérdése van az, Leszek körül munkaidőn este. 750 00:43:12,950 --> 00:43:17,610 Boldog vagyok, hogy veled beszélni AI A téma vagy bejutni részletesebben. 751 00:43:17,610 --> 00:43:18,927 Kellemes hétvégét. 752 00:43:18,927 --> 00:43:21,409 >> [TAPS] 753 00:43:21,409 --> 00:43:21,909 754 00:43:21,909 --> 00:43:26,141 [Zenelejátszási] 755 00:43:26,141 --> 00:46:42,879