Bełkot reklamowy ala Bill Niebieski Ekran

Voice recognition, voice generation to stare technologie, znane od 20
lat
i żadna innpowacja
i żaden Bill Niebieski Ekran nie ma z tym nic wspólnego.
Światowym liderem są Chiny i w każdym chińskim smartfonie jest wbudowana
funcja
Voice Recognition
i
Voice Generation
i działa doskonale i całkowicie za frico
Technologia Billa Niebieski Ekran nie jest niebezpieczna
ale kiepska i się nie sprzedaje.
Ale każdy może gadać byle co, dla reklamy
-------------------------------------------------------------
Najnowsza sztuczna inteligencja Microsoftu jest zbyt niebezpieczna. "Nie
udostępnimy jej"
Grzegorz Kubera
Grzegorz Kubera
11 lipca 2024, 16:19.
2 min czytania
Udostępnij artykuł
Specjaliści Microsoftu opracowali sztuczną inteligencję, która zajmuje
się generowaniem mowy. Osiągnęła ludzki poziom komunikacji i
rozpoznawania języka naturalnego. Firma mówi wprost: mamy to, ale nie
udostępnimy publicznie, bo jest zbyt niebezpieczne dla ogółu
społeczeństwa.
AI Microsoftu jest zbyt "ludzka", aby trafiła na rynek (zdjęcie
podglądowe)
AI Microsoftu jest zbyt "ludzka", aby trafiła na rynek (zdjęcie
podglądowe) | Foto: matej kastelic / Shutterstock
    Microsoft opracował zaawansowaną sztuczną inteligencję do
generowania mowy
    Osiągnęła poziom ludzki w komunikacji i rozpoznawaniu języka
naturalnego
    Nowa wersja Vall-E, przewyższająca poprzednie modele pod względem
naturalności i podobieństwa do mówcy, pozostanie projektem badawczym
    Microsoft podkreśla, że technologia ta, mimo ogromnych możliwości
komercyjnych, może być niebezpieczna
    Więcej informacji o biznesie znajdziesz na stronie
Businessinsider.com.pl
Model językowy o nazwie Vall-E (nie mylić z filmem animowanym Wall-E) to
kolejna wersja systemu opartego na sztucznej inteligencji, jaki rozwija
Microsoft. System ten koncentruje się na rozpoznawaniu naturalnego
języka i ludzkiej mowy. Najnowsza wersja Vall-E przewyższa poprzednie
wysiłki firmy pod kątem "naturalności", a także podobieństwa mowy do
oryginalnego źródła — w tym wypadku mówcy, na którym opierana i
rozwijana jest technologia.
REKLAMA
Tutaj pojawia się problem. Choć może wypadałoby to określić inaczej:
wyzwanie. Okazało się, że Vall-E w najnowszej wersji osiągnął
równorzędność z ludźmi. Brzmi jak człowiek, mówi jak człowiek, nie da
się go w zasadzie odróżnić od człowieka. Model językowy został
rozwinięty do takiego stopnia, że Microsoft podjął odpowiedzialną
decyzję i zdecydował, że nie udostępni go publicznie.
Model językowy do klonowania ludzi
Nowy model AI Microsoftu zyskał przede wszystkim dwa usprawnienia, które
znacząco poprawiły jego wydajność. Po pierwsze, otrzymał tzw.
modelowanie grupowe kodów, co pozwala na lepsze organizowanie próbek
dźwiękowych i skutkuje zwiększoną szybkością wnioskowania. W rezultacie
AI uczy się szybciej i wprowadza adekwatne korekty.
Drugim usprawnieniem jest lepsze próbkowanie z uwzględnieniem powtórzeń.
Tutaj chodzi z kolei o to, aby AI uczyła się przede wszystkim na coraz
nowszych i świeżych materiałach, a nie "przerabiała" zbyt wiele razy ten
sam materiał źródłowy. Jednocześnie proces ten pomaga ustabilizować
pracę całego modelu.
Czytaj także w BUSINESS INSIDER
Nowe technologie
Meta nie chce przyznać, ile zarabia na dezinformacji. Fałszywe reklamy
uśmiercają i promują nieprawdziwe produkty
niedziela 11:34 | Grzegorz Kubera
Meta nie chce przyznać, ile zarabia na dezinformacji. Fałszywe reklamy
uśmiercają i promują nieprawdziwe produkty
Nowe technologie
Pracodawcy chcą wiedzieć, co przeglądasz w sieci. Zamiast Firefoksa czy
Chrome dostaniesz "przeglądarkę bezpieczną"
niedziela 13:54 | Grzegorz Kubera
Pracodawcy chcą wiedzieć, co przeglądasz w sieci. Zamiast Firefoksa czy
Chrome dostaniesz "przeglądarkę bezpieczną"
Microsoft przeprowadził testy Vall-E 2.0 w narzędziach umożliwiającym
ocenę modeli AI — odpowiednio LibriSpeech i VCTK.
REKLAMA
LibriSpeech to zbiór danych używany w badaniach nad rozpoznawaniem mowy,
zawierający tysiące godzin angielskich nagrań mowy wraz z
transkrypcjami, które pochodzą z publicznie dostępnych książek z
Projektu Gutenberga. Jest szeroko stosowany do trenowania i testowania
algorytmów rozpoznawania mowy oraz syntezowania mowy.
Czytaj też: Project Gutenberg chce, aby audiobooki były czytane twoim
głosem. Dziecku poczyta książkę AI?
VCTK Corpus to z kolei baza danych mowy zawierająca nagrania wypowiadane
przez różnych mówców z różnych regionów, która jest używana do badań nad
syntezowaniem mowy oraz rozpoznawaniem mówcy. Dzięki dużej różnorodności
akcentów i głosów VCTK jest cennym zasobem do trenowania modeli, które
muszą radzić sobie z różnymi wariantami mowy angielskiej.
Oba testy Vall-E 2.0 zakończyły się z dużym sukcesem. Co więcej,
Microsoft twierdzi, że narzędzie AI osiągnęło poziom ludzki — wypadło
lepiej niż próbki źródłowe pod względem podobieństwa i naturalności.
Innymi słowy, narzędzie może generować naturalną mowę, która jest
praktycznie identyczna z mową oryginalnego mówcy.
Brzmi niezwykle realistycznie
Microsoft, aby udowodnić skuteczność Vall-E, udostępnił próbki systemu
AI na stronie projektu. Nie możemy stworzyć tam własnych nagrań,
natomiast możemy posłuchać kilku już przygotowanych.
REKLAMA
Rzeczywiście, nagrania zamieszczone przez Microsoft brzmią bardzo
realistycznie i są nie do odróżnienia od ludzkiego mówcy. Sztuczna
inteligencja bez problemu odnotowuje nawet różne subtelności, jak
kładzenie nacisku na właściwe słowo w zdaniu, co ludzie robią
podświadomie podczas mówienia. Krótko mówiąc: brzmi jak człowiek.
Najnowsza wersja Vall-E zostanie wyłącznie projektem badawczym.
Microsoft dowiedział się, jak tworzyć zadziwiająco skuteczne i "ludzkie"
generatory mowy i zachowa te kompetencje dla siebie. Firma podkreśliła,
że nie ma planów włączenia technologii do produktów konsumenckich i nie
udostępni ich ogółowi społeczeństwa. Są zbyt niebezpieczne, bo za ich
pomocą mogłoby powstać wiele fałszywych komunikatów i pewnie szybko
trafiłyby w ręce cyberprzestępców do nielegalnych działań (np.
podszywanie się, identyfikacja głosowa).
Nie wiadomo czy Microsoft wykorzysta technologię generowania mowy do
własnych korzyści. Firma mogłaby np. stworzyć odpowiednie rozwiązania
dla branży filmowej i zapewniać dubbing z głosami aktorów i aktorek,
którzy już nie żyją, czy też tworzyć mówione treści edukacyjne tanim
kosztem. Oczywiście pozostaje kwestia regulacji prawnych i samej etyki
czy odbioru przez społeczeństwo, niemniej możliwości są bardzo szerokie.
REKLAMA
Na razie trzeba liczyć na to, że Microsoft ma silne zabezpieczenia.
Generator mowy tej klasy po prostu nie może trafić w niepowołane ręce.