Τα τελευταία χρόνια η τεχνολογία της τεχνητής νοημοσύνης κάνει συνεχή άλματα και τα πεδία των εφαρμογών της διευρύνονται ολοένα και περισσότερο.
Ενας από τους τομείς που η τεχνητή νοημοσύνη προοδεύει με γεωμετρική πρόοδο είναι αυτή της φωνητικής αναγνώρισης.
Η αρχή είχε γίνει στα μέσα της δεκαετίας του 1990, όταν άρχισαν να κάνουν δυναμικά εμφάνισή τους τα πρώτα συστήματα που δέχονταν φωνητικές εντολές. Επρόκειτο για αυτοματοποιημένα συστήματα σε τηλεφωνικά κέντρα οργανισμών, τραπεζών και μεγάλων εταιρειών, ή για τη λειτουργία κάποιων οικιακών συστημάτων (π.χ φωτισμός). Καθώς τα χρόνια περνούσαν, τα συστήματα αυτά άρχιζαν να κατανοούν ολοένα και περισσότερα πράγματα πέρα από λίγες συγκεκριμένες λέξεις και εντολές. Ετσι φτάσαμε πριν από λίγα χρόνια στην εμφάνιση των λεγόμενων ψηφιακών βοηθών.
Πρόκειται για μια μικρές συσκευές που συνδέονται με τις οικοσυσκευές του σπιτιού (ψυγεία, πλυντήρια, τηλεοράσεις, κ.λπ.) αλλά και με τα συστήματα λειτουργίας (φωτισμός, θερμοσίφωνες, κ.ά.) και αναγνωρίζοντας τη φωνή των ενοίκων εκτελούν τις εντολές που δέχονται.
Hi-tech ψηφιακοί βοηθοί
Οι ψηφιακοί οικιακοί βοηθοί ανοίγουν και κλείνουν τα φώτα, προγραμματίζουν τις συσκευές, συνδέονται με το Internet, είτε για να απαντήσουν σε ερωτήσεις είτε ακόμη και για να κάνουν παραγγελίες για το σπίτι, ενώ μπορούν να ψυχαγωγούν τα μικρά παιδιά. Κολοσσοί όπως η Microsoft και η Amazon ανταγωνίζονται σφοδρά σε αυτόν τον τομέα βελτιώνοντας συνεχώς τις δυνατότητες αυτών των συστημάτων έτσι ώστε να κατανοούν ολοένα και περισσότερα από όσα τους λένε τα «αφεντικά» τους.
Με άρθρο του που δημοσιεύεται στον Independent o Ιαν ΜακΛάφλιν, καθηγητής Πληροφορικής στο βρετανικό Πανεπιστήμιο Κεντ, αναφέρει ότι ερευνητικές ομάδες σε όλον τον κόσμο αναπτύσσουν πολύ ισχυρούς αλγορίθμους τεχνητής νοημοσύνης για ανάλυση ήχων. Σύμφωνα με τον ΜακΛάφλιν, αυτοί οι αλγόριθμοι προορίζονται για χρήση στα κινητά τηλέφωνα και διαθέτουν… οργουελικά χαρακτηριστικά.
Οι αλγόριθμοι θα προσφέρουν τη δυνατότητα να χρησιμοποιεί κάποιος το τηλέφωνό του με φωνητικές εντολές, κάτι που θα δελεάσει πολλούς. Ομως οι αλγόριθμοι θα αναλύουν τη φωνή του κατόχου του κινητού τηλεφώνου όχι μόνο όταν μιλάει στο τηλέφωνο, αλλά όση ώρα το έχει κοντά του, δηλαδή σχεδόν πάντα! Επίσης θα μπορεί να κάνει το ίδιο για όσες φωνές βρίσκονται εντός του βεληνεκούς του μικροφώνου της συσκευής. Με απλά λόγια, οι αλγόριθμοι θα μπορούν να αναλύσουν τη φωνή του κατόχου αλλά και των φίλων του, των συναδέλφων του κ.ο.κ.
Διαγνώσεις καταστάσεων
Οπως αποκαλύπτει ο ΜακΛάφλιν, οι αλγόριθμοι που αναπτύσσονται θα μπορούν να αντιλαμβάνονται αν αυτός που μιλάει είναι άνδρας ή γυναίκα καθώς και την ηλικία του.
Θα αναγνωρίζουν τι γλώσσα μιλάει – και αυτή είναι μόνο η αρχή. Οι αλγόριθμοι θα μπορούν να αντιλαμβάνονται αν αυτός που μιλάει λέει αλήθεια ή ψέματα! Θα αντιλαμβάνονται από τον τρόπο που μιλάει κάποιος αν βρίσκεται σε καλή φυσική κατάσταση αλλά και το αν αντιμετωπίζει κάποιο πρόβλημα υγείας. Θα μπορούν να διαπιστώνουν την ψυχική κατάσταση του ατόμου που μιλάει αλλά και το αν βρίσκεται υπό την επήρεια αλκοόλ. Αν κάποιος μιλάει ενώ τρώει, οι αλγόριθμοι θα μπορούν να υποδείξουν τι είδους τροφή καταναλώνει. Οι αλγόριθμοι θα μπορούν ακούγοντας τη συνομιλία δύο ατόμων να αναλύσουν τον τόνο της φωνής τους και να προχωρήσουν σε διαπιστώσεις. Αν συζητεί ένα ζευγάρι, βάσει της ανάλυσης που θα κάνει ο αλγόριθμος το τηλέφωνο θα προβλέπει αν το ζευγάρι θα συνεχίσει τη συμβίωση ή θα χωρίσει!
Τα λάθη μας και οι χάκερ
Υποτίθεται ότι αυτές οι εφαρμογές ενεργοποιούνται όταν δώσει τη σχετική εντολή ο κάτοχος της συσκευής στην οποία είναι ενσωματωμένες, όμως με τους ψηφιακούς βοηθούς έχει διαπιστωθεί ότι ενεργοποιούνται και μόνες τους όταν για κάποιο λόγο θεωρήσουν ότι η εντολή δόθηκε χωρίς αυτό να έχει συμβεί. Υπάρχει επίσης ο κίνδυνος ακούσιας ενεργοποίησης, όταν ο κάτοχος μιας συσκευής με τέτοιες δυνατότητες θελήσει να ενεργοποιήσει ένα καινούργιο πρόγραμμα ή μια εφαρμογή η οποία για να λειτουργήσει θα ζητήσει να ενεργοποιηθούν όλοι οι αισθητήρες της συσκευής. Η αποδοχή του αιτήματος αυτόματα θα οδηγήσει στην ενεργοποίηση και του… Big Brother. Επίσης υπάρχει πάντοτε ο κίνδυνος της διείσδυσης κάποιου χάκερ που θα ενεργοποιήσει τις εφαρμογές ανάλυσης φωνής εν αγνοία του κατόχου μιας συσκευής. Οι πληροφορίες της φωνητικής ανάλυσης θα καταλήγουν σε κάποια κέντρα συλλογής δεδομένων και εκεί ξεκινάει το επόμενο μεγάλο ζήτημα που είναι το ποιοι θα έχουν πρόσβαση σε αυτά τα δεδομένα και τι θα κάνουν με αυτά.