Ako vyzerala AI pred 36 rokmi v rozpoznávaní hlasu

Pri listovaní článkom z roku 1990 (Elektronika 1/90 – Porozumenie prirodzenej reči) som si uvedomil, aký dramatický posun v rozpoznávaní a spracovaní reči sa za tých 36 rokov udial.

V tom čase boli výskumníci nadšení, že systém dokáže rozpoznať pár slov zo súvislej reči. Dnes sa s hlasovými asistentmi rozprávame takmer ako s človekom – v reálnom čase, vo viacerých jazykoch a s pochopením kontextu.

Čo bolo pokrokom v roku 1990

• pamäť rádovo v desiatkach kilobajtov,
• signálové procesory určené špeciálne na spracovanie reči,
• slovníky obmedzené na desiatky až stovky slov,
• rozpoznávanie len pre konkrétneho rečníka po dôkladnom trénovaní.

Aj to bol obrovský technologický skok. Hardvér aj softvér boli šité presne na úlohu, ktorá sa zdala na hrane možného.

Čo je samozrejmé dnes

• diktovanie do telefónu v hlučnom prostredí,
• preklad reči v reálnom čase medzi jazykmi,
• konverzácia s AI asistentom, ktorý si pamätá kontext,
• generovanie hlasu, ktorý je takmer nerozoznateľný od ľudského.

A to všetko bez špecializovaného hardvéru – stačí bežný telefón a pripojenie na internet.

Lekcia pokory

Možno je to dobrá lekcia pokory pri každom tvrdení o tom, kde sú „hranice" umelej inteligencie. To, čo dnes vyzerá ako sci-fi, môže byť o pár rokov úplná samozrejmosť.

Otázka pre vás: Čo z dnešnej AI považujete za samozrejmé – a o 36 rokov sa na to budeme pozerať rovnako nostalgicky, ako sa dnes pozeráme na 64 kB pamäte a signálové procesory pri spracovaní hlasu?

Poďakovanie patrí Stefanovi Hudákovi, ktorý tento článok náhodne objavil pri návšteve knižnice a upozornil ma naň. Niekedy stačí jeden starý časopis, aby človek získal veľmi aktuálnu perspektívu.