Системата за разпознаване на човешка реч на Microsoft постави нов рекорд

Microsoft счупи рекорда по разпознаване на човешка реч. Сега грешките на разпознаване са едва 5,1%. Предишният рекорд бе на IBM – 5,5% грешки.

Уеб-изданието TechCrunch обяви, че предишното достижение на софтуерния гигант е било в рамките на 5,9% и сега този резултат е подобрен до 5,1%.

За тестване на системата е използвана Switchboard corpus – база данни с 2400 телефонни разговора. Тя се използва в аналогични задачи още от началото на 1990-те години. Специалистите на корпорацията са постигнали точност на разпознаване, съизмерима с възможностите на хората, въвеждали разговорите в компютрите и направили разпечатката на аудиозаписите.

При предишните статистики алгоритъмът на Microsoft е имал погрешност от 5,9%. Сега е постигнат рекорден резултат от 5,1%. Това не е всичко: новите алгоритми използват цели телефонни разговори, за да се извърши по-добро обучение на използвания ИИ и да се направи опит за предсказване на бъдещи думи и фрази.

Предишният рекорд по точност за разпознаване на човешка реч принадлежеше на IBM. Това е своеобразна надпревара в областта на разпознаването на реч, в която компаниите непрекъснато се изпреварват. Тази пролет IBM от 6,9% подобри своите резултати на 5,5%, като преди това рекордът отново бе на Microsoft.