Σε πολύπλοκα περιβάλλοντα, οι άνθρωποι μπορούν να κατανοήσουν την έννοια της ομιλίας καλύτερα από την Τεχνητή Νοημοσύνη, επειδή χρησιμοποιούμε όχι μόνο τα αυτιά μας αλλά και τα μάτια μας.
Για παράδειγμα, βλέπουμε το στόμα κάποιου να κινείται και μπορεί διαισθητικά να γνωρίζουμε ότι ο ήχος που ακούμε πρέπει να προέρχεται από αυτό το άτομο.
Η Meta AI εργάζεται πάνω σε ένα νέο σύστημα διαλόγου με τεχνητή νοημοσύνη, το οποίο θα διδάξει στην τεχνητή νοημοσύνη να μαθαίνει επίσης να αναγνωρίζει ανεπαίσθητες συσχετίσεις μεταξύ αυτού που βλέπει και αυτού που ακούει σε μια συνομιλία.
Το VisualVoice μαθαίνει με παρόμοιο τρόπο με τον οποίο οι άνθρωποι μαθαίνουν να κατακτούν νέες δεξιότητες, επιτρέποντας τον διαχωρισμό της οπτικοακουστικής ομιλίας μαθαίνοντας οπτικά και ακουστικά στοιχεία από βίντεο χωρίς ετικέτες.
Για τις μηχανές, αυτό δημιουργεί καλύτερη αντίληψη, ενώ η ανθρώπινη αντίληψη βελτιώνεται.
Φανταστείτε να μπορείτε να συμμετέχετε σε ομαδικές συναντήσεις στο μετασύμπαν με συναδέλφους από όλο τον κόσμο, συμμετέχοντας σε μικρότερες ομαδικές συναντήσεις καθώς κινούνται στον εικονικό χώρο, κατά τις οποίες οι ηχητικές αντηχήσεις και οι ηχόχρωμα στη σκηνή προσαρμόζονται στο περιβάλλον και προσαρμόζονται ανάλογα.
Δηλαδή, μπορεί να λαμβάνει πληροφορίες ήχου, βίντεο και κειμένου ταυτόχρονα και διαθέτει ένα πλουσιότερο μοντέλο περιβαλλοντικής κατανόησης, επιτρέποντας στους χρήστες να έχουν μια «πολύ εντυπωσιακή» ηχητική εμπειρία.
Ώρα δημοσίευσης: 20 Ιουλίου 2022
