L’égalité humaine atteinte dans la reconnaissance vocale
Une récente étude parue lundi dernier a été saluée comme une avancée majeure par Microsoft. Cette recherche présente une nouvelle technologie de reconnaissance vocale capable de transcrire des conversations au niveau des humains, ou du moins, aussi bien que des transcripteurs professionnels, ce qui représente une amélioration par rapport à la majorité des performances humaines.
Avec un taux d’erreur de mots (WER) de 5,9%, cette technologie surpasse le 6,3% enregistré le mois précédent. Microsoft souligne que cela représente le taux d’erreur le plus bas jamais enregistré pour la tâche de reconnaissance vocale basée sur le standard Switchboard. En effet, ce résultat est comparable, voire inférieur, à celui des transcripteurs professionnels ayant traité les mêmes échanges.
“Nous avons atteint l’égalité humaine,” déclare Xuedong Huang, le principal expert en reconnaissance vocale chez Microsoft. La technologie repose sur des modèles linguistiques neuronaux qui favorisent une généralisation plus efficace en regroupant des mots semblables.
Cette avancée se profile des décennies après que la reconnaissance des schémas vocaux a commencé à être étudiée dans les années 1970. Avec les innovations de DeepMind de Google dans la reconnaissance vocale et d’images, Microsoft offre une contribution opportune au domaine rapide de la recherche et du développement en intelligence artificielle (IA).
La progression a été rendue possible grâce au Computational Network Toolkit, le système de deep learning conçu en interne par Microsoft.
Prochaine étape : La compréhension du langage
Les applications de cette nouvelle technologie promettent d’améliorer l’expérience utilisateur pour les assistants vocaux personnels de Microsoft, notamment sur Windows et Xbox One. “Cela va permettre de doter Cortana d’une puissance accrue, pour créer un assistant véritablement intelligent,” s’enthousiasme Harry Shum, vice-président exécutif en charge du groupe Intelligence Artificielle et Recherche chez Microsoft. Par ailleurs, cela contribuera à développer des logiciels de transcription vocale encore plus performants.
Cependant, Microsoft tient à préciser que l’égalité ne signifie pas la perfection. La machine ne parvient pas à reconnaître chaque mot de manière claire, un défi que même les êtres humains ne peuvent pas toujours relever (tout comme Siri ou d’autres assistantes vocales existantes).
Malgré des résultats impressionnants, il subsiste une marge d’amélioration. L’objectif suivant consiste à faire en sorte que les ordinateurs puissent comprendre les conversations humaines. “La prochaine frontière est de passer de la reconnaissance à la compréhension,” précise Geoffrey Zweig, responsable du groupe Recherche en parole et dialogue.
FAQ
Quelle est l’importance de cette avancée technologique ?
Cette avancée marque une étape cruciale vers des assistants vocaux fluent, améliorant ainsi les interactions homme-machine et rendant la technologie plus accessible.
Comment cette technologie est-elle utilisée dans les produits Microsoft ?
La technologie de reconnaissance vocale perfectionnée est intégrée dans les produits comme Cortana, les améliorant en termes d’efficacité et de précision.
Quels sont les défis restants dans la reconnaissance vocale ?
Les principaux défis incluent la compréhension des contextes subtils et des nuances du langage humain, ce qui nécessite encore des efforts de recherche.
Cette technologie peut-elle être utilisée dans d’autres langues ?
Oui, bien que l’accent soit mis sur l’anglais dans l’immédiat, des efforts sont en cours pour étendre ces capacités à d’autres langues.
Quelles implications cela a-t-il pour l’avenir de l’intelligence artificielle ?
Cette avancée ouvre la voie à des machines de plus en plus intelligentes, capables de comprendre et d’interagir avec les humains de manière plus naturelle et intuitive.
