TV žinių vedėjai kalba dešimtukui – nustatė dirbtinis intelektas

LRT kanale pirmavo Marijus Žiedas, LNK – Lina Kairytė, TV3 – Rokas Petkevičius, Lietuvos rytas TV – Marius Jančius, Info TV / BTV – Arnas Mazėtis. 

Atpažįsta apie 99 proc. žodžių

„Visi šalies televizijų vedėjai yra tikri kalbos profesionalai – dešimtbalėje sistemoje jie gautų dešimt balų. Tad kalbėdami apie topą, turėkime minty, kad lyginame geriausius su geriausiais. Matome, kad dirbtinis intelektas paslydo tik ties pavieniais žodžiais, absoliučią daugumą žinių vedėjų pateikiamo turinio jis atpažino sklandžiai“, – sakė „Kantar“ Komunikacijos monitoringo ir analizės skyriaus vadovas Deividas Butkus.

Pasak jo, pirmose šešiose pozicijose esančių žinių vedėjų šneką dirbtinis intelektas atpažino daugiau nei 99 proc. tikslumu, o itin lengvai susidorojo su M. Žiedo (LRT) ir L. Kairytės (LNK) pateikta informacija (apie 99.5 proc. tikslumu).

„Šalies žinių vedėjai turi neabejotinai puikią dikciją, be to, ir dirbtinis intelektas nuolat tobulinamas, pavyzdžiui, kai startavome 2018 metais, jis atpažindavo vidutiniškai 95,55 proc. žinių vedėjų šnekos, o šiemet – jau 98,56 proc. Kai kuriais atvejais, vedėjams yra pritrūkę vos pusės procento iki 100, kaip kad M. Žiedui. O visų laikų geriausią rekordą kol kas yra pasiekusi Justė Tamošaitienė (LRT), 99,85 proc. Tokius balsus galima naudoti kaip lietuvių šnekos etaloną“, – komplimentų žinių vedėjų šnekai negailėjo ekspertas D. Butkus.

Deividas Butkus, bendrovės „Kantar“ nuotr.

Greitakalbiai – LNK

Didžiausi greitakalbiai tarp žinių vedėjų – LNK kanale. Jų žinių vedėjai Karolina Liukaitytė, Eglė Šantaraitė, Paulius Skučas ir Aurelijus Bezekavičius per 5 minutes sugeba perskaityti daugiau kaip 720 žodžių, išlaikydami maždaug 98 proc. šnekos atpažįstamumą. Pavyzdžiui, L. Kairytė per penkias minutes pasako trečdaliu žodžių mažiau nei K. Lukaitytė, tačiau jos šnekos atpažįstamumas yra tarp rekordinių, apie 99,5 proc. Nedaug jai nusileidžia ir taip pat ramesniu tempu kalbantis kolega Gintaras Deksnys (99,38 proc.).

Visą aiškiausiai kalbančių žinių vedėjų topo išsidėstymą galima pamatyti čia. 

Sūrskio ir Mauzerio naujadarų intelektui dar reikia mokytis

Įdomumo dėlei, „Kantar“ išanalizavo kaip dirbtiniam intelektui sekasi atpažinti ne tokia nugludinta šneka kalbančių žinių vedėjų, Sūrskio ir Mauzerio iš LRT „Dviračio žinių“, tartį. Net ir šių vedėjų atveju, nors klydo labiau, žodžių atpažinimo procentas siekė apie 90 proc.: robotas atpažino 92,53 proc. Algio Ramanausko ir 88,21 proc. Rimo Šapausko įkūnytų personažų šnekos.

„Šie personažai nevengia naudoti nenorminių žodžių, įterpia vieną kitą žargoną ar svetimybę, turi savotišką speficinę tartį, tad natūralu, kad tokią prieskoningą originalią kalbą dirbtiniam intelektui sekėsi atpažinti sunkiau. Kita vertus, dėl to ši sistema ir vadinasi intelektu, kad ji mokosi – apdorojusi tam tikrą kiekį peliukų dialogų, ji išmoktų tinkamai atpažinti ir jų šneką“, – sakė „Kantar“ ekspertas.

Balso atpažinimas supurtys industriją

„Kantar“ grupės ekspertų teigimu, balso atpažinimo technologijos padarys rinkai panašų poveikį kaip kažkada padarė išmanieji telefonai – sukels dar vieną didžiulį perversmą visoje industrijoje.

„Skaičiuojama, kad daugiau nei ketvirtadalis paieškų per Google atliekama balsu ir jog ilgai netruks, kol šis skaičius pasieks pusę, tad visi verslai tam turi būti pasirengę. Balso paieška bus naujoji įprasta paieška, o balso technologijos taps nauja nūdiena. Mes tam pradėjome ruoštis prieš kelerius metus, kai įdiegėme automatinio šnekos atpažinimo ir pavertimu tekstu technologiją TV bei radijo naujienų monitoringui, dabar  pradėsime naudoti socialinių medijų tinklalaidėms stebėti. Ilgainiui be šios technologijos negalės apsieiti dauguma verslų“, – sako D.Butkus.

Technologija šneką paverčia tekstu

Naujovišką žinių monitoringo sprendimą rinkos tyrimų bendrovė „Kantar“ sukūrė kartu su kalbos technologijų bendrove „Tilde IT“. Be šios srities, ši dirbtinio intelekto technologija taip gali būti naudojama virtualiųjų asistentų („chatbots“) ir šnekos vertimui iš vienos kalbos į kitą („speech-to-speech“).

Automatinio šnekos atpažinimo technologija yra pagrįsta giluminių neuroninių tinklų modeliu, kuris dirbtinį intelektą išmoko atpažinti žodžius ir tam tikras jų struktūras. Robotų mokymui panaudota daugiau kaip 250 valandų garsynas, apie 70 milijonų lietuviškų sakinių ir per 700 tūkstančių žodžių. Ypatingas dėmesys skirtas raktažodžiams, susijusiems su verslo komunikacija. Neuroniniai tinklai yra nuolat tobulinami.