الگوریتم تشخیص گفتار علی بابا می‌تواند صدا را در محیط‌های شلوغ تشخیص دهد

علی بابا,، یکی از شرکت های تجارت الکترونیک بزرگ جهان است که به صورت فزاینده ای توجه خود را به حوزه یهوش مصنوعی(AI) معطوف کرده است.

در مارس۲۰۱۷، بخش سرویس های مبتنی بر هوش مصنوعی علی بابا, محصولاتی در حوزه ی مراقبت های بهداشتی معرفی کرد. همچنین در سپتامبر همان سال، بخش فضای ابری عمومی موسوم بهAlibaba Cloudو برنامه هایی برای ایجاد زیرمجموعه ای تابع شرکت معرفی شد تا تراشه ی اختصاصی مبتنی بر هوش مصنوعی را برای استفاده در خودروهای خودران عرضه کند. پیش تر گفته شده بودعلی بابا, تراشه ی هوش مصنوعی اختصاصی خود را سال آینده عرضه می کند.

علی بابا, در بسیاری از پروژ های مبتنی بر هوش مصنوعی دستی بر آتش دارد که نیازی به برشمردن آن ها نیست. در رویدادNeurIPS ۲۰۱۸مونترال، معرفی و به روز رسانی دیگری از تلاش های مرتبط این شرکت در حوزه ی هوش مصنوعی راشاهد بودیم.رونگ جین، معاون مؤسسه ی علوم داده های علی بابا, گفت:

درحال ارائه ی راهکار برای سناریوهایی با مشکلات ناشناخته هستیم. هوش مصنوعی به همراه نوآوری های خود می تواند راهکارهایی برای حل مشکلات مختلف ارائه دهد.

یکی از این مشکلات، تشخیص,, گفتار,در محیط های پرسروصدا مثل مترو و اتاق کنفرانس است. بخشی از راهکار علی بابا سخت افزاری و بخشی از آن نرم افزاری است. برای مثال، ارائه ی میکروفن ازراه دور و الگوریتم, های پیشرفته ی یادگیری عمیق که می توانند گفتار, سوژه را از صدای محیط تشخیص,, بدهند و این کار را با حداقل خطای ممکن انجام دهند.

درمقایسه با دقت ۸۴درصدی بهترین فناوری های تشخیص,, گفتار, که فقط از یک میکروفون استفاده می کنند، علی بابا ادعا می کند این سیستم می تواند حتی برای سوژ ه هایی که لهجه دارند یا کلمات را بدتلفظ می کنند، دقتی درحدود ۹۴ تا ۹۵درصد داشته باشد. هم اکنون، از این فناوری به عنوان بخشی از سیستم صدور بلیط در متروی شانگهای استفاده می شود و علی بابا درحال مذاکره است تا بتواند فناوری خود را در سایر شهرها هم توسعه دهد. رونگ جین درادامه ی صحبت هایش گفت:

اگر سیگنالی که باید تشخیص,, داده شود به اندازه ی کافی قدرتمند نباشد، هیچ کار خاصی نمی توانید برای تشخیص آن انجام دهید.

کلماتی که ادا می شوند، تنها حوزه ای نیست که علی بابا قصد داشته باشد درزمینه ی هوش مصنوعی به آن توجه نشان دهد. با استفاده از پردازش زبان طبیعی، این سیستم می تواند در زمان واقعی کار ترجمه ی خودکار را در فضای ابری انجام دهد. درنتیجه، مشتریان خرده فروشی علی بابا در کشورهایی مانند روسیه و مالایا می توانند با زبان مادری با کارمندان این شرکت درارتباط باشند و صحبت کنند. علی بابا درنظر دارد از این الگوریتم, (Algorithm) برای بخش عظیمی از ده هاهزار تماسی کمک بگیرد که مرکز پشتیبانی این شرکت هرروز ازطریقAlime، موتور سرویس هوشمند مشتریدریافت می کنند.Alime، به گوگلDuplexبسیار شبیه است و می تواند مکالمه ی تلفنی برقرار کند و به برخی سؤالات کلی بدون نیاز به دخالت نیروی انسانی پاسخ دهد. همچنین در حالت چت ربات، به صورت فوق العاده ای می تواند متن و تصویر راحتی بهتر از انسان ها از داخل فایل مستندات استخراج کند.

در نسخه ی نمایشی، یکی از مشتریان ازدیان شیائومی (Dian Xiaomi)،ربات سخن گوی علی بابا،درباره ی تبلیغات فروش اسپیکر بلوتوث سؤالی کرد. سؤال وی چیزی شبیه به این بود که هدایای رایگان این مدل اسپیکر چیست و این هدایا چگونه برای کاربر ارسال می شود. شایان ذکر است در نسخه ای که قرار است در آینده ای نزدیک در سال جاری معرفی شود، قابلیت بررسی احساسات و همچنین هشدار خودکار برای موارد اولویتدار اضافه خواهد شد. در نسخه ی نمایشی، ربات چت به نام جین به مخاطبان با حرکات چشم و لب و سر پاسخ داد.

این توانایی می تواند برای سرویس هایی همچونAliExpressفوق العاده باشد که بیش از ۱۵۰میلیون کاربر و میلیون ها نفر کاربر تاجر و فناوری Cainiao دارد و نیز کارگران انسانی و ربات هایی که بیش از یک میلیارد سفارش را هر سال انجام می دهند. در ۱۱نوامبر (مصادف با روز مجردها در چین)، حجم تراکنش های مالی علی بابا به۳۰.۸میلیارد دلار رسید. کارمندان این شرکت اعلام کردند در آن بازه ی زمانی ۲۴ساعته، حجم تماس های تلفنی به پنج برابر روزهای عادی رسید و تقریبا ناممکن است بدون کمک هوش مصنوعی بتوان پاسخ گوی این همه تماس بود.

علی بابا اعلام کرده هم اکنون دیان شیائومی می تواندروزانه به ۳.۵میلیون کاربر سرویس دهد؛ اما پردازش زبان طبیعی، تنها ویژگی منحصربه فرد هوش مصنوعی علی بابا است. علی بابا با کمکXian Yu، ربات مذاکره کننده ی قیمت برای بازار خرده فروشی می تواند درباره ی قیمت ها با خریداران مذاکره کند.

این ربات باید اصول و استراتژی های مذاکره را بلد باشد و بتواند بر مبنای بحث، متن مدنظر را به مخاطب ارائه دهد. توسعه ی چنین رباتی کاری ساده و آسان نبوده و درواقع، می توان گفت نتیجه ی کار بسیار درخورتوجه بوده است. با حضور دَه میلیون کاربر در پلتفرم، ربات چت توانست ۲۰درصد موفق تر از نیروی انسانی مذاکره را به نتیجه برساند و قرارداد فروش منعقد کند. جین در ادامه گفت:

اکثر کاربران، فروشندگان حرفه ای نیستند و نمی دانند چگونه باید قیمت را تعیین و با خریداران صحبت کنند.

در زمینه ی مدیریت موجودی و جست وجوی تصویری، علی بابا از معماری بینایی ماشین استفاده می کند که قابلیت سنجش و غربال صدها میلیون شرکت و سازمان را دارد. الگوریتم, جست وجوی تصویر مبتنی بر فضای ابری این شرکت می تواند اشیا را تشخیص دهد و تصاویری حاوی سوژه های یکسان یا مشابه را پیدا کند. یکی از اپلیکیشن های مدیریت فروشگاه قادر است در قفسه ای با اجناس مختلف از برندهای مختلف، بیش از صدهزار شناسه ی SKU را با دقت زیاد تشخیص دهد. علی بابا تلاش می کند این رقم را به دَه میلیون شناسه ی SKU برساند.

هر دو سیستم عامل هوشمندASSCکه به تاجران کمک می کند با استفاده از ابزارهای میزان تقاضای محصول را پیش بینی کنند ،فهرست موجودی را انتخاب می کند و راهبردهایی برای قیمت گذاری ارائه می دهد.

عملکرد بینایی ماشین علی بابا با تصاویر ماهواره ای توسعه می یابد. با استفاده از داده های جمع آوری شده ازطریقAutoNaviکه بزرگ ترین ارائه دهنده ی نقشه ی ناوبری چین با بیش از هفتادمیلیون کاربر است، این سیستم می تواند ساختمان های جدیدی را شناسایی کند که اخیرا ساخته شده اند و داده های مربوط به فعالیت در مسیر جاده ها و سایر نقاط دلخواه کاربر را جمع آوری کند.

همچنین، علی بابا از بینایی ماشین برای جلوگیری از سرقت از فروشگاه هم استفاده می کند. در بیش از ۶۶ فروشگاه، الگوریتم, های آفلاین در کیوسک های خودپرداز به اسکن اولین جنسی که مشتری در سبد می گذارد تا آخرین جنس گذاشته شده در سبد خرید ادامه می دهد و ازطریق دوربین های نصب شده هرگونه پنهان کردن اجناس را رصد می کند. جین درباره ی این موضوع گفت:

هدف ما این است که سیستم بینایی رایانه ای داشته باشیم که اگر مشتری عمدا یا سهوا مانع اسکن یکی از اقلام شد، سیستم بتواند اقلام اسکن نشده را شناسایی کند.

این سستم به الگوریتم, یادگیری عمیق AliFPGA-X100 مجهز است که روی سیستمی برنامه ریزی شدنی و ازطریق مدار مجتمع داخل کیوسک ها قابلیت اجرا دارد. علی بابا معتقد است این سیستم می تواند تصاویر را تا ۱۷۰ برابر سریع تر از سیستم مبتنی بر GPU مقایسه کند.

علی بابا درحال انتشار هوش مصنوعی بهYouku، سرویس هاستینگ ویدئویی است.الگوریتم های یادگیری ماشین می تواند هرروز بیش از دویست هزار تامبنیل (Thumbnail) از ویدئوهای بیش از ده ها میلیون کاربر فعال را به صورت خودکارایجاد کند و با کمک اینتامبنیل ها برخی مخاطبان را هدف قرار دهد.ممکن است کاربران خانم تصویر پیش نمایش متفاوتی از ویدئو را بتوانند مشاهده کنند و کاربران آقا تصویر پیش نمایش دیگری را. این مسئله به افزایش ۱۵درصدی تعداد کلیک ها و افزایش ۱۲درصدی زمان حضور در وبسایت منجر می شود.

نظرسنجی امروز، بعد از گذشت بیش از یک سال از معرفی مرکز تحقیقات علی بابا یا DAMO انجام شده و هدف آن به کارگرفتن فناوری های نوین همچون یادگیری ماشین و امنیت شبکه و بازگشایی آزمایشگاه هایی در سن ماتئو کالیفرنیا، سیاتل، واشنگتن، مسکو، روسیه، تل آویو، فلسطین اشغالی و سنگاپور است. یکی دیگر از اهداف انجام این کار، مقدمه ای برای معرفیTmall Genieعلی بابا است کهدستیار صوتی مبتنی بر هوش مصنوعی محسوب می شود و تاکنون، بیش از پنج میلیون واحد آن از زمان راه یافتن به قفسه ی فروشگاه ها در ژوئیه ۲۰۱۷ فروخته شده است. براساس اعلام علی بابا بهکوارتزدر اکتبر۲۰۱۷، این شرکت قصد دارد تاسال ۲۰۲۰ بیش از پانزده میلیارد دلار در حوزه ی تحقیق و توسعه سرمایه گذاری کند.