IBM nadmašuje Microsoft u preciznosti prepoznavanja govora
2 min. čitati
Objavljeno na
Podijelite ovaj članak
Poboljšajte ovaj vodič
Pročitajte našu stranicu za otkrivanje kako biste saznali kako možete pomoći MSPoweruseru da održi urednički tim Čitaj više
Prošle godine Microsoft je napravio prilično impresivan napredak u prepoznavanju govora. Tvrtka je tvrdila da je njezina tehnologija prepoznavanja govora dosegla “ljudski paritet” sa samo 5.9% od WER (stopa pogreške riječi). A sada je IBM postigao još niži WER sa svojom tehnologijom prepoznavanja govora. Tvrtka tvrdi da je postigla stopu pogreške u riječi od 5.5%, nadmašivši Microsoftov rekord od 5.9% za 0.4%.
Microsoft ranije potukao IBM-ov rekord od 6.9% WER postigavši stopu pogreške od 6.3% još u rujnu 2016. Stoga vjerojatno neće proći dugo dok Microsoft ne uzvrati udarac IBM-u.
Ono što je zanimljivo je da IBM tvrdi da tvrtka tek treba postići ljudski paritet. Za razliku od Microsofta, IBM tvrdi da je ljudski paritet na WER-u od 5.1% — što tek treba postići bilo koja tehnologija prepoznavanja govora. George Saon, IBM-ov glavni istraživač je rekao:
„Postizanje ljudske ravnopravnosti – što znači stopu pogreške jednaku onoj kada razgovaraju dva čovjeka – dugo je bio krajnji cilj industrije. Drugi u industriji jure za ovom prekretnicom zajedno s nama, a neki su nedavno tvrdili da su dosegli 5.9 posto što je ekvivalent ljudskom paritetu...ali još ne bacamo šampanjac. Kao dio našeg procesa u dostizanju današnje prekretnice, utvrdili smo da je ljudski paritet zapravo niži od onoga što je itko dosad postigao - na 5.1 posto."
IBM je u postu na blogu rekao da je tvrtka uspjela postići nižu stopu pogreške od Microsofta kombinirajući jezične modele LSTM (Long Short Term Memory) i WaveNet.
