[Играет музыка] Дэвид Малан: Это CS50. Это конец недели 10. И мальчик, мы имеем хороший класс для вас сегодня. Мы так рады пригласить двух наши друзья из Йельского университета до нас сегодня и смотреть на пересечении искусственный интеллект, робототехника, обработки естественного языка, и многое другое. И в самом деле, над Последние несколько недель, мы конечно, потратили много времени, особенно в ранних psets, упором на довольно низкоуровневые детали. И это очень легко потерять из виду леса за деревьями и зацикливаться на петлях и условий и указатели, конечно, и тому подобное. Но реальность такова, что вы, ребята теперь есть ингредиенты, с которой вы можете действительно решить некоторые интересные проблемы, в том числе им те, что наши друзья в Йельском университете работать на просто стесняются Кембридже. Так что позвольте мне сначала представить нашу голову ассистент в Йельском университете, Энди. [АПЛОДИСМЕНТЫ] Энди: Прежде всего, благодарю Вы за то, что пару Yalies поп вниз в Кембридж сегодня. Мы очень ценим это. Во-вторых, для наших друзей назад home-- Джейсона, спасибо за пребывание и работает лекцию. Надеюсь, что все хорошо в Нью-Хейвене. Так что да, я супер взволнованы ввести Scaz сегодня. Scaz работает лаборатория робототехники. Он профессор, как, пять различные отделы в Йельском университете. В своей лаборатории, он имеет много, много роботы, которые он любит играть с. Он, вроде бы, крутой в мире работа. И он получает вид беспорядка вокруг с, что в течение всего дня долго и сделать некоторую работу, а также. И так мы на самом деле принес один Из них вниз с нами сегодня. Так что без дальнейших церемоний, Scaz является идти вперед и представить нас чтобы его робота другу. [АПЛОДИСМЕНТЫ] Брайан SCASSELLATI: Спасибо, Дэвид. Спасибо, Энди. Это так замечательно быть здесь со всеми сегодня. Я хочу, чтобы сначала быть очень ясно, что CS50 Персонал здесь в Кембридже был невероятно гостеприимны к нам. Мы так благодарны за все, они сделали, чтобы поддержать нас. И поэтому мы хотели бы, чтобы быть в состоянии вернуть доброту. Таким образом, сегодня мы получаем объявить что мы будем иметь новый, один в своем роде CS50 событий происходит в Нью-Хейвене на следующей неделе. И это CS50 Исследования Экспо. Итак, мы собираемся, чтобы приглашать everyone-- CS50 студентов, сотрудники как Гарвард и Yale-- в спуститься и посетить с нами в пятницу. Мы будем иметь самые разнообразные свыше 30 человек, представляющие разные и exhibiting-- старшеклассников показывает от некоторых из своих исследовательских продуктов. Мы будем иметь некоторые стартапы, даже, глядя для немного нового технологий таланта, стартапы с обеих Гарвард и Йель. И мы будем иметь некоторые студенческие группы Глядя на некоторые новом составе. Это будет очень интересное время. Надеюсь, те из вас, кто спускается на Гарвард-Йель игры будет в состоянии остановить по чуть-чуть раньше, прямо в центре кампуса, Стерлинг мемориальной библиотеки. Мы собираемся, чтобы иметь набор Экспонаты, которые варьируются от автономного парусники в пути с помощью программного обеспечения сохранить средневековые рукописи. Мы собираемся, чтобы иметь объявление Специальная сеть, и люди преподавания кодирование программного обеспечения в Кейптауне. Мы будем иметь компьютер музыкальные демонстрации. И мы, конечно, больше роботов. Поэтому мы надеемся, что вы присоединиться к нам на этом мероприятии. Это должно быть много весело, немного еды, и много интересного вещи, чтобы говорить о. Таким образом, сегодня мы будем говорить о обработки естественного языка. И это попытка нас построить новый способ сопряжения с нашими устройствами, потому что за последние несколько недель, Вы были сосредоточены на том, как это то, что Вы можете написать код, написать программу, что это способ быть в состоянии сказать к машина, это то, что я хочу, чтобы ты. Но мы не должны на ожидать, что все это там, что используется по всем в мире будет владеть в этом виде инструкции. Так мы различаем между компьютером языки и естественно languages-- то есть, то, что люди используют общаться с другими людьми. И мы стараемся, чтобы построить интерфейсы, использующие эти природные механизмы связи. Теперь, как и любой другой теме что мы начали с в CS50, мы собираемся начать с самого простого немного обработки естественного языка что мы можем себе представить. Мы собираемся начать с Историческая часть естественного языка. И тогда мы будем строить до все больше и больше новых системах и повеселиться демо на этом пути. Итак, мы собираемся начать с того, что было вероятно, первый естественный язык система обработки. Это была система программное обеспечение, написанное в 1966 Джозеф Weizenbaum называется Элиза. И Элиза была разработана, чтобы воспроизвести вид взаимодействия вы бы с Rogerian психотерапевт. Теперь, Rogerians, они были идея, что психотерапия участие в состоянии отразить назад пациенту и говорить с ними, в основном, только давая им крошечные немного терапевта. То есть, все что терапевт сказал должен был быть просто отражением что пациент говорил с ними. Так давайте попробуем это демо. У нас есть волонтера, который бы готовы поделиться их глубокое, темные и / или поддельные секреты с Элизой? Конечно, почему бы вам не прийти на до. Фантастика. И ваше имя? Миль: Майлз. Брайан SCASSELLATI: Майлз. Приятно познакомиться, Майлз. Если вы держите на это. И мы собираемся использовать версию Элизы что мы воспроизведены в CS50 IDE. И мы будем смотреть на источник код это в то время. Но сейчас, мы просто собирается вызвать его набрав Элизу. И Элиза собирается дать вам ответы что будут во всех столицах. И задам вам несколько вопросов. И мы будем реагировать и введите в ответах на ELIZA. Так Элиза сказала, "Привет, я Элиза. В чем твоя проблема?" Что бы вы хотели рассказать Элиза сегодня? Миль: Я могу только заснуть если у меня есть кролик тапочки на. Брайан SCASSELLATI: Ладно. Все в порядке. [СМЕХ] "Я могу только заснуть с кролика тапочки на ". И Элиза говорит, "Скажи, ты есть какие-либо психологические проблемы? Может быть, это хороший показатель ". ХОРОШО. Так что бы вы хотели, чтобы ответить? Миль: Да. Брайан SCASSELLATI: Да. Человек много слов. Мне нравится, что. Элиза говорит, "Вы, кажется, весьма положительно." Миль: Нет, я, на самом деле, электрон. Брайан SCASSELLATI: "Нет На самом деле, я электрон ". "Вы пришли ко мне потому что вы электрон? " Теперь мы можем увидеть некоторые из things-- я собираюсь чтобы приостановить вас на секунду, Майлз. Никуда не уходи. Мы не сделали с вами еще. Элиза, в некоторых отношениях, реагирует на определенные вещи что он говорит, но не реального понимания. И это также попугай назад некоторые из частей приговора. Поэтому мы сказали: "Нет На самом деле, я электрон ". Элиза ответила назад, "Ты пришел мне, потому что вы электрон? " Все в порядке. Давайте дадим ему еще один ответ здесь. Дайте ему хороший, Майлз. Миль: хороший? Да, пожалуйста, помогите мне. Брайан SCASSELLATI: "Да. Пожалуйста, помогите мне "." Вы уверены? " Миль: Нет Брайан SCASSELLATI: Нет "Что это предложить вам?" Миль: Я не может быть электронов. Брайан SCASSELLATI: "Я может быть электрон ". "Не Вы говорите, не просто, чтобы быть отрицательным?" Все в порядке. Так Майлз, спасибо так много. Миль: Спасибо. Брайан SCASSELLATI: Спасибо очень много. [АПЛОДИСМЕНТЫ] Так эта программа Элиза, во многих отношениях, реагирует только на куски что мы обеспечиваем без каких-либо глубоко понимание того, что здесь происходит. Это своего рода система называется шаблону, где мы ищем для некоторых биты текста, который мы затем собирается взять из того, что была предоставлена ​​в качестве входных данных, преобразовать его, потенциально, в некотором роде, а затем вернуть его обратно пользователю. У любого из вас думают, что Элиза на самом деле выполняя действительный психоанализ здесь? Один человек, возможно. АУДИТОРИЯ: [неразборчиво]. Брайан SCASSELLATI: А как это заставляет вас чувствовать себя? Да, в самом деле, что он делает. И мы собираемся, чтобы увидеть, на самом деле, то Исходный код для него в минуту. И так вы будете в состоянии сделать именно это. Теперь, Элиза является одной из форм того, что мы сегодня называем чат бот. Это просто идет через Текст, который вы предоставляете, обеспечивает минимальное количество голой понимания или обработки, а затем Попугаи его обратно к вам. Итак, давайте взглянем, концептуально, и говорить о том, это то, что Элиза на самом деле делает. Элиза принимая sentence-- давайте говорят, "я хочу, чтобы произвести впечатление моего босса". И Элиза смотрит через этого предложения и пытается найти и соответствовать определенные закономерности. Так, например, один из шаблонов что Элиза ищет слова "Я хочу." И в любое время он видит что-то что имеет "Я хочу" в нем, это формулирует ответ. И, что ответ является фиксированной строкой. В этом случае, это "почему вы хотите?" И я положил немного звезду конец, потому что это просто начало нашего ответа. И звезда показывает, что мы собираемся взять остальную из utterance-- пользователя "впечатление моего босса" - и мы собираемся добавить, что на конец этой строки. Так что теперь, вместо того, чтобы говорить, "почему Вы хотите произвести впечатление на моего босса ", есть немного дополнительного обработка, что мы будем делать. То есть, мы должны будем преобразовать некоторые из местоимений здесь от «моего босса" к "своему боссу." И там может быть несколько других изменения, которые мы должны сделать. Таким образом, вместо просто придерживаться его непосредственно на конце, что мы будем делать что мы будем принимать остальную часть utterance-- пользователя в белом here-- и мы будем принимать его один кусок на время и конвертировать каждую строку маркер, каждое слово, в предложении. Таким образом, мы возьмем слово ", чтобы." Там нет преобразования что мы должны сделать это. "Impress". Там нет преобразования мы должны сделать там. "Мои" будет конвертировать в "ваш". И "босс", мы просто оставить как "босс." И, наконец,, ничего что заканчивается период, мы преобразовать его в вопрос. Это очень просто по шаблону на самом деле довольно успешно. И когда это было введено в 1966-- Иосифа Weizenbaum запрограммирован этого на компьютере. Теперь, компьютеры в то время не настольные модели. Они были общие ресурсы. И его студенты пойти и прямо с Элизой. В конце концов, он должен был ограничить доступ к нему потому что его студенты не были получать любую работу. Они просто в чате с Элизой. И в самом деле, он должен был уволить помощника, который провел все свое время говорил с ELIZA о ее глубоких и тревожных проблем. Каждый, кто использовал эти системы начали антропоморфизировать их. Они начали думать о них, как будучи одушевленным и реальные люди. Они начали признавать некоторые из то, что они говорят возвращались к ним. И они узнавали вещи о себе. И в самом деле, даже специалисты, даже психотерапевты, начали беспокоиться, что, по сути, может быть, Элиза будет заменить их. И даже компьютер Ученые обеспокоены тем, что мы были так близко к решению естественный язык. Теперь, что нигде не было близко к истине. Но это, как впечатляет эти системы могут показаться. Итак, давайте начнем смотреть под и попробуйте чтобы получить немного вопрос где этот код на самом деле происходит. Таким образом, мы будем делать этот код доступны позже. И это очень простой и прямой порт в оригинальной реализации ELIZA. Таким образом, некоторые из них стилистической вещи, которые вы здесь видите, являются не стилистически, что мы хотели бы, чтобы ты или то, что мы учили вас сделать. Но мы старались держать их то же самое через многие порты что это была так, что он имеет аромат оригинала. Итак, мы собираемся включить куча вещей, и тогда мы будем иметь набор ключевых слов, вещей что Элиза узнает и реагировать непосредственно. Так что, если у вас есть такие слова, как "Вы можете" или "я не" или "нет" или "да" или "сон" или "привет", а затем Элиза будет избирательно реагировать на них. Мы также имеем определенное количество вещей, что мы будем менять, как преобразования "мой" на "ваш". И тогда мы будем иметь набор ответов что для каждого из этих ключевых слов, мы будем чередовать через эти различные ответы. Так что, если я говорю "да" три раза подряд, я может получить три разные ответы от ELIZA. Наш код, тогда, на самом деле удивительно просто. Если я прокрутите вниз мимо всех этих ответы, которые мы запрограммированы в и мы приступим к нашей основной, мы собираемся, чтобы инициализировать несколько различных переменных и сделать немного домашнего хозяйства в начале. Но тогда есть абсолютно множество кода, который вы можете понять. Один большой, а цикл, который говорит, что я собираюсь повторять это снова и снова. Я буду читать в линию, и я буду хранить, что в строке ввода. Я проверить и посмотреть, если это Специальное ключевое слово "До свидания", который означает выход из программы. И тогда я буду проверить и посмотреть, является ли кто-то просто повторяя себя вновь и вновь. И я буду кричать на них, если они делают. Я говорю "не повторять себя." Пока ни один из тех, кто не произойдет, мы будем затем сканировать и петли через, на линиях 308 до 313 здесь, и проверить и посмотреть, какие-либо из этих ключевых слов фразы, содержащиеся на входе что я только что дал? Если есть совпадение для них, а Затем, я буду помнить это место. Я буду помнить, что ключевое слово. И я буду в состоянии построить ответ. Если я не найти то, ну а потом, последняя вещь в моем ключевое слово массива будет мои ответы по умолчанию, когда ничего не совпадает. Я задавать вопросы, как "Почему вы сюда пришли? "или" Как я могу вам помочь? " которые лишь частично подходит независимо от того, что вход. Затем мы построить ответ Элизы. Мы сможем взять что база реагирования, как мы это делали в том, что "мой босс" пример. Если это все, что есть is-- если это всего лишь один Строка, я должен respond-- Я могу просто отправить его обратно. Если он имеет звездочку на конец его, то я буду обрабатывать каждый индивидуальный маркер в остальные реакции пользователя и добавить тех, кто в, замена из слово в слово, как мне нужно, чтобы. Все это абсолютно то, что вы могли бы построить. И в самом деле, способов, в которых мы обработанные аргументы командной строки, способ, в котором у вас есть обрабатываются с помощью HTTP запросов выполните те же виды правил. Они по шаблону. Так Элиза относительно важно влияние на естественном языке потому что он сделал, казалось, как это было очень достижимая цель, как-то мы бы быть в состоянии решить эту проблему напрямую. Теперь, это не означает, что Элиза делает все, что мы хотели бы сделать. Конечно, нет. Но мы должны быть в состоянии сделать что-то больше. Наш первый шаг, чтобы пойти за Элиза собирается чтобы быть в состоянии смотреть на не текста, вводимого в клавиатуру, но речи, фактический речи записаны в микрофон. Итак, как мы смотрим на них различных частей, мы придется построить множество моделей. Мы собираемся, чтобы быть в состоянии чтобы перейти от низкого уровня акустических information-- шаг, амплитуда, frequency-- и преобразовать его в некоторые единицы, которые мы возможность более легко манипулировать и, наконец, манипулировать ими в словах и предложениях. Поэтому большинство распознавания речи Системы, которые там сегодня следовать статистическая модель, в которой мы строим три отдельных представления о том, что что звуковой сигнал на самом деле содержит. Начнем с фонетической модели что говорит о только основания звуки, которые я производству. Могу ли я производить что-то В-как в мальчика или D, как у собаки? Как я узнаю эти два разные телефоны как отдельный и отличный? На вершине, что мы затем построить слово произношение модель, то, что связывает вместе эти отдельные телефоны и объединяет их в слова. И после этого мы будем принимать слова и мы собрать их с языка модель в полной приговора. Теперь мы будем говорить о каждом из них независимо друг от друга и по отдельности. Но эти три модели все просто будет статистика. И это означает, что, когда мы работать с ними, мы будем уметь работать с их все одновременно. Все в порядке. Давайте начнем с нашего фонетического модели. Так фонетические модели основаны на вычислительная техника называется скрытые модели Маркова. Эти графические модели, в которой я есть и признать государство мира а характеризуется набором функций. И, что состояние описывает одну часть действия, которое я занимался. Так что, если я думаю, что о том, звук "ма", как мать, они разные комплектующие к этому звуку. Там это часть, где я рисую в дыхании. И тогда я кошелек мои губы. И я свернуть мои губы немного назад немного, чтобы сделать это "Ма" звук. И тогда есть релизе. Мои губы приходят друг от друга. Воздух выталкивается. "Ма". Эти три разные части будет представлены государствами в этой graph-- начало, середина и конец. И я бы переходы, позволил мне ехать из одного состояния на следующий с определенной вероятностью. Так, например, что М звук может иметь очень, очень короткий потребление в beginning-- "мм" - а затем уже, вибрационный этап, когда я держу мой губы и почти humming-- "мммм", - а затем очень короткий взрывной, где я изгнать breath-- "ма". Скрытая модель Маркова предназначены для захвата тот факт, что путь, который я делаю что звук "ма" собирается чтобы быть немного отличается в его времени, от частоты, и его возможностей, чем так, что вы сделать это или так, что я мог бы сделать это, когда я говорю о различных применения письма. "Мать" и "могу ли я" будет звук немного по-другому. Таким образом, чтобы распознать определенный звук, мы бы строить модели Маркова, эти скрытые марковские модели, всевозможных телефону, что я можете признать, всевозможные звук, а затем посмотреть на акустические данные, что у меня есть и определить статистически какой из них является наиболее вероятен чтобы подготовили этот звук. ХОРОШО. С этой модели, мы тогда начать строить на нем. Мы берем произношение модель. Теперь, иногда произношение модели просты и легко потому что есть только один способ произносится что-то. Другие времена, они ты немного сложнее. Вот справочник по произношению для этого красную вещь, которая фрукты, которые вы делаете кетчуп из. Люди не думают, что это плод. Правильно? Теперь, есть много разных способов что люди будут произносить это слово. Некоторые скажут, "носок-May-палец». Некоторые скажут, "носок мАч носком." И мы можем захватить, что с один из этих графических моделей где, опять же, мы представляем переходы как имеющие определенную вероятность и связанные с ними вероятность. Таким образом, в этом случае, если бы я, чтобы следовать верхняя маршрут через весь этот граф, Я бы, начиная с буквы на дальнем левом, то "та" звук. Я бы верхнюю половину, "о", а затем "ма", а затем "а", а затем "та", и "о". "Toe-май-схождение». Если бы я взял нижнюю путь через это, я буду получать "Та-ма-палец». И если бы я пошел вниз, а затем , я хотел бы получить "TA-May-палец». Эти модели захватить эти потому что, когда различия мы разместим один из них системы распознавания, это будет иметь для работы с много разного рода людей, много разных акцентов, и даже различные виды использования одних и тех же слов. Наконец, на вершине, что, мы будем строить что-то что выглядит действительно сложным, называется моделью языка, но на самом деле является самым простым из три, потому что они работают на то, что называется модели N-грамм. И в этом случае, я покажу вам, из двух частей модели N-грамм, А биграмм. Мы собираемся сделать физическую идею что иногда некоторые слова скорее всего, следовать данное слово, чем другие. Если я только что сказал, "прогноз погоды", следующее слово может, вероятно, будет "сегодня" или может быть "погода Прогноз завтра ". Но это вряд ли, чтобы быть " Прогноз погоды артишок ". Что языковая модель делает он захватывает те статистически путем подсчета, от некоторых очень большой Корпус, все экземпляры в котором одно слово следует за другим. Так что, если я беру большой corpus-- как и любой Wall Street Journal что было произведено с 1930 года, который является одним из стандартных corpuses-- и я с нетерпением через все что текст, и я считаю , сколько раз после "Прогноз" я вижу "сегодня" и сколько раз я вижу "Прогноз", затем "артишок", первая будет гораздо более вероятно. Это будет появляться гораздо чаще. И поэтому он будет иметь больше Вероятность, связанная с ним. Если я хочу, чтобы выяснить Вероятность всей высказывания, то, я просто разбить его. Так что вероятность слуха приговор "крыса съела сыр" вероятность слова "" стартовый приговор, и тогда вероятность, что Слово "крыса" следует слова »,« и вероятность того, что Слово "съел" следует "крысу", и вероятность того, что "сыр" следует "съел". Это звучит, как много статистика, много вероятностей. И это все, что она есть. Но удивительная вещь, если вы делаете это с достаточно большой выборки данных, оно работает. И это работает чрезвычайно хорошо. Мы все знаем, эти технологии. Большинство операционных систем поставляются с распознавание голоса в этой точке. Мы используем Siri и Кортаны и Echo. И эти вещи основаны на этот тип трехслойных model-- фонетический модель в нижнем, а произношение модель в середине, и модель языка на них. Теперь они должны сделать немного больше чем для того, чтобы ответить на вопросы. Но признание того, что вы говорится зависит именно от этого. Итак, давайте брать пример здесь. Так что у меня мой телефон сидя здесь под камеры для документов. И мы собираемся спрашивает Siri на несколько вопросов. Все в порядке? Так что давайте просыпаться мой телефон здесь. Сири, что погода как в Нью-Хейвене сегодня? Сири: Вот погода Нью-Хейвен, штат Коннектикут сегодня. Брайан SCASSELLATI: ОК. Итак, сначала вы увидели, что Сири признается каждый из отдельных слов Затем производится и ответа. Мы поговорим о том, как, что ответ заходит о в немного. Но теперь мы знаем, что это только на основе от исходных статистических данных и этот шаблону тип подхода, мы можем играть в некоторые игры с Сири. Так что я могу попробовать еще раз. Сири, что погода бегемот Нью-Хейвен, сегодня? Сири: ОК. Вот погода Новый Хейвен, штат Коннектикут на сегодняшний день. Брайан SCASSELLATI: Сири не смущаясь тем, что потому что это нашел pattern-- "Погода", "сегодня", "Нью-Хейвен." Вот то, что он отвечает чтобы, как Элиза. Все в порядке. Давайте его еще один, даже смешнее пример. Сири, погода артишок броненосца бегемот Нью-Хейвен? Сири: Позвольте мне проверить, что. Вот то, что я нашел в Интернете за то, что являются артишоки броненосца бегемот Нью-Хейвен. Брайан SCASSELLATI: ОК. Так что, если я иду достаточно далеко от этой модели, Я могу путать, потому что она не больше соответствует шаблону, что он имеет. И, что статистическая двигатель, который говорит, что вероятность того, что у вас есть Слова бегемот и артишок вместе, и броненосец? Это должен быть что-то новое. Таким образом, эти технологии мы используем каждый день. Если мы хотим, чтобы им один шаг дальше, хотя, на самом деле, если мы хочу, чтобы иметь возможность говорить о чем является то, что эти системы реагируют на, мы должны говорить, опять же, около более фундаментальное множество вопросов. И это тема в связи что мы называем вопрос ответ. То есть, мы хотим, чтобы иметь возможность, целью которых да? АУДИТОРИЯ: [неразборчиво]. Брайан SCASSELLATI: Мы получаем в скрытой семантической обработки? Так да. Есть много вещей, которые являются происходит под поверхностью с Siri и в некоторых примерах Я собираюсь показать вам, в следующем там, где есть немного в терминах структуры что вы говорите, что это важно. И в самом деле, это большая предшественник для следующего слайда для меня. Так таким же образом, что наши распознавания речи была построена из нескольких слоев, если мы хотим, чтобы понять, что это на самом деле, что При этом, мы снова собираемся опираться на анализ многослойной текста, который будучи признанной. Поэтому, когда Сири на самом деле в состоянии скажем, посмотрите Я нашел эти слова. Теперь то, что мне делать с ними? Первый компонент часто пройти и попытаться проанализировать структура предложения. И в то, что мы видели в начальной школе, часто как своего рода диаграмм приговоры, мы собираемся признать, что некоторые слова имеют определенные роли. Эти существительные. Эти местоимения. Эти глаголы. И мы собираемся признавать что для конкретной грамматикой, в этом случае английской грамматики, существует Допустимые способы, в которых я могу объединить их и другие способы, которые не действительны. Это признание, эта структура, может быть достаточно, чтобы помочь нам немного. Но это не совсем достаточно для нас, чтобы быть в состоянии дать любое значение к тому, что, как говорится здесь. Чтобы сделать это, мы должны полагаться на некоторое количество семантической обработки. То есть, мы будем иметь, чтобы посмотреть на то, что под каждое из этих слов фактически выполняет как значения. И в самый простой способ сделать это, мы собираемся связать с каждым словом что мы знаем определенную функцию, некоторое преобразование, что оно позволяет случиться. В этом случае, мы могли бы напишите на Слово "Иоанна" как имя собственное, что он несет с ним идентичность. И мы могли бы обозначить "Мери", как таким же образом. В то время как глагол, как «любит», что является особое отношение что мы в состоянии представить. Теперь, это не значит, что мы понимаем что такое любовь, но только то, что мы понимаем, он в пути символической системы. То есть, мы можем обозначить это и манипулировать. С каждым из этих типов подходов, любой тип семантической обработки здесь будет требовать немного немного знаний и много работы с нашей стороны. Мы больше не находимся в области где просто статистика будут достаточно для нас. Теперь, для того, чтобы перейти С этой точки к тому, в состоянии говорить о внутренней что на самом деле происходит здесь, чтобы быть в состоянии управлять этим структурировать и понять вопрос а затем в состоянии чтобы выйти и поиск, что требует более Комплекс когнитивная модель. То, каким образом построены эти системы это по большей части очень, очень труда интенсивно. Они включают людей тратить много времени структурирования пути в которых эти виды предложений может быть представлена ​​в некоторой логики. Это становится еще немного более сложным, однако. Даже когда мы имели дело с семантикой, мы будем все равно придется смотреть на прагматика, что говорят. То есть, как я отношусь слова что у меня есть что-то физически из есть в мире или на крайней мере, некоторые источник информации что я могу манипулировать? Иногда это приводит к прекрасные биты двусмысленности. "Красно-горячая звезда жениться астроном." ХОРОШО. Теперь, мы читаем, что, как смешно тип заголовок что мы хотели бы видеть на конце телевизор ночью потому что мы не интерпретировать "звезда" иметь свой небесный смысл тела. Мы знаем, что это означает, что более обычным актер или актриса с высоким содержанием видимости. "Команда помогает от укусов собак жертву." Разве что отряд на самом деле там помощь собаку при обходе и кусать жертвы? Или это, что было человек, который был укусила собака, кто нуждался в помощи? Просто глядя на синтаксиса и семантика предложений, мы не можем определить, что. "Вертолет питается от человека мух." Существуют, по сути, фактическая мелочи летают, что люди с крыльями питания вертолеты на благо человечества? Или есть одно механическое устройство что получает свою власть от человека? Когда мы смотрим на вопрос отвечая системы, эти слои, мы должны иметь дело с. Теперь, лучший и самый рода превалирующих из этих систем сегодня в состоянии сделать вещи на уровне, которые далеко за пределы того, что мы 10 лет назад. Вот один из лучших систем это там сегодня. И это система от IBM называется Уотсон. Это от наших друзей в IBM. Это Кэтрин банки, Цзя Чэнь, и Присцилла Мораиш давая нам демонстрация Уотсон Вчера в IBM Йорктаун. [ПРОИГРЫВАНИЕ ВИДЕО] -Как дела? -У меня все в порядке. Я всегда рад, когда я думать, особенно когда я может оставаться прохладным в этих серверных. -Кто Ваш любимая актриса? -Моя Любимая актриса Анджелина Джоли, как Лара Крофт в Tomb Raider, потому что ее оригинала форма была в качестве виртуального персонажа, как меня. -Как Уотсон помочь пациентам? -Это План для пациентов иметь доступ к Уотсон непосредственно? Доступ к Watson консультирования приложения будет зависеть от использования. Но в настоящее время, Уотсон только обеспечивают можно диагностика и лечение варианты для медицинских работников. В случае необходимости, пациенты может предоставлять информацию Уотсон, возможно, через Портал веб-интерфейс, таблетки, или даже мобильный телефон. Например, пациент может быть попросили описать свои симптомы на естественном языке непосредственно в раствор Уотсон, что позволяет врачу сосредоточиться на диагностика и не сбор данных. -Кто Убит Авраам Линкольн? Иоанна Уилкс Бут. -В Каком году Аризона Diamondbacks выиграть World Series? -2001. [КОНЕЦ ПРОСМОТРА] Брайан SCASSELLATI: Так эти виды систем должны полагаться на первую очередь признавая речи; во-вторых, превращая его в значимый внутренний представление; и затем, в-третьих, будучи в состоянии выйти и найти источник информации, который позволяет им ответить на этот вопрос. Этот уровень сложности предполагает те же типы программных вещей что вы были делать в проблемных множеств. Мы можем разобрать HTTP запросов в тот же тип образца низкого уровня соответствие, что Элиза может сделать. Мы можем преобразовать те, во внутреннее представление, а затем использовать их для запроса некоторые внешняя база данных, возможно, с использованием SQL. Все системы, которые строятся сегодня чтобы сделать этот тип природных язык общения строятся на эти же принципы. Теперь, даже система, как Уотсон не достаточно сложным чтобы быть в состоянии ответить на произвольное вопросы о любой теме. И в самом деле, они должны быть структурированы в данной области. Таким образом, вы можете выходить в интернет и вы можете найти версии Уотсон, которые работают хорошо в медицинской информатике. Или есть один онлайн что только касается того, как чтобы сделать хорошие рекомендации о то, что пиво будет идти с которой пища. И в этих областях, он может отвечать на вопросы, найти информацию, что он нуждается. Но вы не можете смешивать и сочетать их. Система, которая была подготовку с базой данных продуктов питания и пива не работают хорошо, когда вы вдруг положить его в с медицинской информатики база данных. Так что даже наши самые лучшие системы сегодня полагаться на уровне обработки в котором мы рука кодирование и строительство в инфраструктуру в порядок Чтобы эта система работать. Теперь, последняя тема я хочу чтобы быть в состоянии добраться до сегодняшнего дня о невербальной коммуникации. Отличный масса информации, мы общаемся друг с другом не произошло через отдельные слова, которые мы применяем. Это имеет отношение к вещи, как Близость, взгляд, ваш тон голоса, Ваш перегиба. И, что коммуникация является также то, что многие различные интерфейсы уделяю много о. Это не то, что Сири заботится о. Я могу попросить Siri то в один голос или в другом тоне, и Сири собирается дать мне тот же ответ. Но это не то, что мы строим для многие другие типы интерфейсов. Я хочу познакомить вас Теперь к одному из роботов. Это было построено моим давним друг и коллега Синтия Breazeal и ее компания Jibo. И это robot-- мы собираемся иметь пару добровольцев придумать, чтобы взаимодействовать с этим. Так я могу два человека готовы играть с роботом для меня? Почему вы не пришли на вверх, и почему вы не пришли на до. Если вы присоединитесь бы меня здесь, пожалуйста. И если я мог бы вам прийти прямо сюда. Спасибо. Здравствуй. ALFREDO: Приятно познакомиться. Альфредо. Брайан SCASSELLATI: Альфредо. Рейчел: Рейчел. Брайан SCASSELLATI: Рэйчел. Приятно познакомиться, и другое. Альфредо, я иду, чтобы вы идти первым. Приходите прямо здесь. Я собираюсь представить you--, если я могу получить это от без стука в microphone-- в маленького робота по имени Jibo. ОК? Теперь, Jibo предназначен для интерактивной. И хотя это может дать вам речь, большая часть взаимодействия с роботом это невербальный. Альфредо, я собираюсь попросить вас сказать что-то красиво и бесплатный к роботу, пожалуйста. ALFREDO: Я думаю, что вы выглядеть мило. [Жужжащий звук] Брайан SCASSELLATI: ОК. Его ответ не вербальный. И все же он дал вам и ясно признание что он слышал, что вы сказали, а также каким-то образом понял, что. ОК? Шаг обратно здесь в течение одной секунды. Спасибо. Рэйчел, если вы бы. Теперь, я собираюсь дать Вам гораздо сложнее работа. Если вы хотите стоять прямо здесь, резервное копирование только немного, так что мы можем получить вас на камеру и посмотрите этот путь. Я попрошу вас что-то сказать на самом деле означает и неприятный для робота. Рейчел: Что вы только что, казалось, нужно было полностью абсурдно. [Гудение] Это было еще более абсурдно. Что происходит с вами? Ой, не чувствую себя плохо. Я дам вам обнять. Брайан SCASSELLATI: Ладно. Спасибо, Рэйчел. Альфредо, Рэйчел, спасибо, ребята очень много. [АПЛОДИСМЕНТЫ] Так что это вид взаимодействия имеет в много способов некоторые из тех же правил и некоторые из тех же структура, то, что мы могли бы иметь в языковой взаимодействия. Это и коммуникативные и служит важной цели. И, что взаимодействие в много способов, предназначена иметь особое влияние на человек, взаимодействуя с или слушать к роботу. Теперь, я посчастливилось иметь Jibo здесь сегодня. Сэм Сполдинг здесь помогает нам с роботом. И я собираюсь спросить Сэма, чтобы дать нас одним из хорошо демо Jibo танцы что мы можем наблюдать в конце здесь. Так что вперед, Jibo. СЭМ: ОК, Jibo. Покажите нам ваши танцевальные движения. [Играет музыка] Брайан SCASSELLATI: Ладно, все. Благодаря нашим друзьям в Jibo. [АПЛОДИСМЕНТЫ] А благодаря нашим друзьям в IBM за помощь сегодня. Связь-то что вы собираетесь чтобы увидеть придумывать все больше и больше мы строим более сложные интерфейсы. На следующей неделе, мы будем говорить о том, как взаимодействовать с компьютерными противниками в играх. Но если у вас есть вопросы по этому поводу, Я буду вокруг в рабочее время сегодня. Я счастлив поговорить с вами о AI темы или попасть в более подробно. Хороших выходных. [АПЛОДИСМЕНТЫ] [Играет музыка]