Budoucnost má hlas roztržité sekretářky. Google umí napodobit telefonát

  0:45aktualizováno  1:30
„Ehm, ráda bych rezervovala něco na třetího května,“ zní v telefonu nejistý hlas. Kadeřnice netuší, že na druhé straně není člověk, ale robotický hlas využívající prvky strojového učení. Sundar Pichai, šéf společnosti Google, ukázal, jak podle něj vypadá budoucnost digitálních asistentů.

Google předvedl digitální asistentku, která za vás vyřídí telefonáty. A druhá strana nejspíš ani nepozná, že mluvila s robotem. | foto: montáž: Pavel Kasík, Technet.czProfimedia.cz

Umělá inteligence a strojové učení na prvním místě - tak by se dala shrnout úvodní řeč Sundara Pichaie, šéfa společnosti Google, na vývojářské konferenci Google I/O v kalifornském Mountain View. Google samozřejmě různé prvky používá v řadě služeb: zapojil ji do překladu textů nebo do rozpoznávání fotografií.

Google Home (zadní strana s tlačítkem Mute)

Google asistent „bydlí“ například v chytrém reproduktoru Google Home

Když se ale mluví o umělé inteligenci, pozornost budí především digitální asistent. Částečně je to nepochopení toho, co umělá inteligence je. Když se lidé baví s digitální asistentkou typu Google Home nebo Alexa, velkou část oné „osobnosti“ vytvořili programátoři, scénáristé a odborníci na komunikaci To ovšem neznamená, že by nebylo strojové učení při dialogu klíčové. Žádný scénárista nemůže předvídat všechny možné otázky a příkazy, a proto se musí - alespoň v rámci nějakých mantinelů - stroj učit základnímu porozumění přirozené řeči.

Překvapivě důvěryhodná nápodoba telefonistky

A tím se dostáváme k našemu oblíbenému momentu celé letošní Keynote (tříhodinový záznam je na YouTube). K momentu, kdy Pichai vysvětluje, jak asistent ušetří lidem čas tím, že za ně vyřídí některé nudné nebo monotónní záležitosti. Třeba rezervaci u kadeřníka.

„Dokonce i v USA nemá 60 procent  malých firem žádný on-line rezervační systém,“ uvedl Pichai. „Myslíme si, že s tímto problémem může pomoci umělá inteligence.“

Překvapenému publiku vzápětí pouští „reálný telefonát“, který nahráli v rámci experimentů s asistentem. Požadavek na Google Asistenta zněl: rezervuj mi sestřih u kadeřníka v úterý mezi desátou a dvanáctou.

Ukázka z hovoru mezi Google Asistentem a kadeřnicí:

Přiznáme se, že máme pochopení pro překvapený potlesk přítomného publika. Hlas počítače nezní ani v nejmenším strojově. Obsahuje pauzy, nejisté odmlky, nádechy, hovorové fráze nebo neurčitá „é“ a vyčkávací „m-hm“. Jsme přesvědčeni, že po telefonu by měl člověk na druhé straně velký problém poznat, že nemluví s jiným člověkem, ale s počítačem, zvláště vzhledem k pohotovým a smysluplným odpovědím.

Překlad reálného telefonního rozhovoru AI a člověka

Kadeřnice: Dobrý den, jak vám mohu pomoci?
Google Assistant: Dobrý den, volám ohledně rezervace dámského střihu pro svou klientku. Ehm, ráda bych rezervovala něco na třetího května.
Kadeřnice: Jistě, momentík, prosím...
Google Assistant: M-hm.
Kadeřnice: Takže, jaký čas by se vám hodil?
Google Assistant: Ve dvanáct hodin.
Kadeřnice: Ve dvanáct hodin volno nemáme. Nejdříve pak až ve čtvrt na dvě.
Google Assistant: Máte něco mezi desátou a, é, dvanáctou?
Kadeřnice: Podle toho, o jakou službu jde. O jakou službu má zájem?
Google Assistant: Jen dámské stříhání, prozatím.
Kadeřnice: Dobře, máme volno v deset.
Google Assistant: Deset je v pohodě.
Kadeřnice: Dobře, jaké je její křestní jméno?
Google Assistant: Křestní jméno je Lisa.
Kadeřnice: Super. Tak Lisu budeme čekat třetího května v deset hodin.
Google Assistant: OK, výborně. Díky.
Kadeřnice: Výborně. Hezký den, na shledanou.

Ne každý telefonát jde samozřejmě takto snadno. V reálném světě telefonických konverzací (i těch obyčejných, mezilidských) existují omyly, přeslechnutí, nedorozumění a další bariéry. Jak si s tím nová služba, pojmenovaná Google Duplex (součást Asistenta Google), poradí?

Zatím jen rezervace. Asistent předstírá zájem i omyl

Vytvořit konverzační program, který je k nerozeznání od člověka, je nesmírně složitý a komplexní úkol (viz též Turingův test). Služba Google Duplex si pro začátek stanovila velmi konkrétní cíl: jejich konverzace se točí výhradně kolem předem definovaných úkolů, které lidé přes telefon vyřizují.

Konkrétně jde o rezervaci termínu, protože tam lze do značné míry předvídat všechny představitelné scénáře: mají volno, nemají volno, mají volno, ale pro méně osob, nemají ten den otevřeno, na daný čas není potřeba rezervace apod.

Příklad rezervace v restauraci (objednává Google Duplex):

Tato ukázka dobře demonstruje schopnost Duplexu vypořádat se s nepochopením - reaguje tak, že opakuje požadavek jinými slovy a potvrzuje to, čemu osoba na druhé straně porozuměla. Duplex dokázal reagovat i na změnu tématu a nakonec správně pochopil, že kvůli rezervaci volá zbytečně, protože restaurace v tu dobu není plná a pro čtyři lidi rezervaci nepotřebuje.

Přirozená a příjemná konverzace je ostatně málokdy stoprocentně efektivní. Proto vývojáři do služby Duplex zabudovali různé zdvořilosti, zažité fráze a hovorové „zlozvyky“, které celou komunikaci polidšťují. Digitální asistent (či asistentka, vývojáři testují více různých hlasů) tak třeba na otázku „Pro kolik lidí“ místo jednoduchého „4“ odpoví „É, pro čtyři lidi, prosím.“

Stejně tak je Duplex naprogramovaný na to, aby pro jistotu zopakoval to, jak druhou stranu pochopil. Například v angličtině „OK for four“ může znamenat jak „můžete přijít ve čtyři hodiny“, tak „máme místo pro čtyři lidi“, záleží na kontextu konverzace.

Určitý problém má služba Duplex s upovídanými lidmi, kteří používají dlouhé a složité věty namísto vět krátkých. Například na otázku „Kdy máte otevřeno?“ dostal Duplex v rámci testu odpověď: „No, takže, od úterka do čtvrtka jsme otevření od jedenácti do dvou, a pak znovu otevíráme od čtyř do devíti, a pak v pátek, sobotu a neděli... nebo v pátek a v sobotu máme otevřeno od jedenácti do devíti a v neděli od jedné do devíti.“ V takovém případě umělé inteligenci nezbývá, než se ptát upřesňující otázky a zvažovat destíky různých scénářů aplikovatelných na danou situaci.

Schéma generování odpovědi Google Duplex: rozpoznávání řeči (ASR) převede hlas...

Schéma generování odpovědi Google Duplex: rozpoznávání řeči (ASR) převede hlas na text. Ten spolu s kontextem konverzace, kalendářem, vyjádřenými preferencemi apod. služba Duplex analyzuje a výslednou odpověď převede z textu na řeč (TTS).

Z těchto scénářů vybírá Google Duplex pomocí neuronové sítě (RRN) postavené na platformě TensorFlow Extended.

Éh, ummm, jasňačka!

Pro generování přirozeně znějícího hlasu pak Google využívá syntézu řeči Tacotron a WaveNet. Programátoři vyvinuli způsob, jak do výsledné řeči vkládat „vycpávková slova“ typu eh, hm, aha. Tím zároveň - podobně jako lidé - hrají o čas v případě, že ještě systém vyhodnocuje vstup z druhé strany. Hovor tak působí jako přirozenější a plynulejší - největší prodleva je desetina sekundy, což je ve srovnání s konverzací s Alexou, Siri nebo Google Asistentem ohromný pokrok.

Ukázka rezervace stolu v restauraci (všiměte si vycpávkových nejistých slov):

Kromě rezervace termínů na přání zákazníka chce Google využít tuto konverzační službu i k doplňování aktuálních informací. Například otevírací hodiny řady podniků na Mapách Google mají problém - obvykle nereflektují svátky. Lidé tak nemohou vědět, zda se ve státní svátek mohou na tyto údaje spolehnout, a nezbývá jim, než do obchodu zavolat. Google plánuje využít Duplex k automatickému obvolávání podniků před svátky: „Máte příští pondělí, jak je svátek, otevřeno?“ Podle odpovědi pak Google vyplní údaje v mapách, což podle šéfa Google ušetří čas uživatelům i podnikům.

Budoucnost, nebo přechodná fáze?

Nakolik je služba použitelná, to ukáží příští měsíce. Už to, že jsme neviděli živou demonstraci, ale jen záznamy vybraných ukázek, svědčí o tom, že zatím si vývojáři nemohou být produktem stoprocentně jisti. Google bude službu přes léto dál testovat. Už nyní jsou ale výsledky - ač jistě pečlivě vybrané - nečekaně realistické.

Bude zajímavé sledovat, jak tato služba zasáhne do komunikace. Protože stejně tak si mohou podobného digitálního asistenta pořídit i kadeřníci a restaurace. Budou si pak stroje předávat informace o objednávkách a rezervacích lidskou řečí?  Nebo jde jen o dočasné řešení neefektivních rezervací, a v budoucnu bude jeden robotický asistent komunikovat s druhým pomocí jednoznačných a přesně definovaných požadavků?

Každopádně v budoucnu bude otázka „mluvím prosím s člověkem, nebo s počítačem?“ možná běžnou součástí naší telefonní konverzace.

Aktualizace: Do článku jsme doplnili ukázky a vysvětlení.

Poznali jste v ukázkách telefonátů Google Duplex, že jde o počítačem generovaný hlas?

celkem hlasů: 1237

Hlasování skončilo

Čtenáři hlasovali do 0:00 16. května 2018. Anketa je uzavřena.

nepoznal(a) bych, že jde o syntézu 978
hlas byl překvapivě realistický, ale místy je jasné, že je to TTS 175
ehm, nevěřím, že jde o syntézu, určitě to, é, je člověk 45
ano, okamžitě jsem poznal(a), že je to syntéza 26
po chvíli mi bylo jasné, že jde o počítačový hlas 13
Autor:
  • Nejčtenější

Poslední přistání chtěli utajit. Přístroje se tak třásly, že nešly odečíst

Do přistání zbývá 20 sekund a i teď přijde celá akce kapitánovi Kallbachovi jako šílený nápad. Krátká a ještě ke všemu...

Příprava na šílené přistání. IL-62 bude doslova lízat vrcholky stromů

Osmdesátitunový Iljušin IL-62 přistál na hrbolaté travnaté louce na kopci za lesem. To není začátek nepovedeného vtipu,...

Nejlepší zkratka, kterou neznáte. Snímek obrazovky oříznete za sekundu

Jak nejrychleji udělat screenshot? Na vytvoření snímku obrazovky existuje řada specializovaných programů. Pokud ale...

Model dronu Airbusu ukazuje technologie budoucí evropské stíhačky

Společnost Airbus v jihoněmeckém Manchingu odtajnila program bezosádkového stealth letadla LOUT (Low Observable UAV...

{NADPIS reklamního článku dlouhý přes dva řádky}

{POPISEK reklamního článku, také dlouhý přes dva a možná dokonce až tři řádky, končící na tři tečky...}

Fatální omyl. Jak Američané napadli Rusy a zabili generála Kotova

Mezi nepříjemné válečné omyly patří střelba do vlastních řad, případně po spojencích. Jedna taková událost se stala i...

Premium

Konzumace jídla několikrát denně je klišé, tvrdí výživový poradce Fořt

Napsal více než dvacet knih o zdravém životním stylu a boji s obezitou. Petr Fořt tvrdí, že žádný obecně platný návod...

Premium

Test celoročních pneumatik. Jak si vedou za sucha, za mokra a na sněhu

K celoročním pneumatikám výrobci přistupovali po dlouhá léta macešsky. Konečně se však vrátily do jejich přízně....

Premium

Pes celý život čeká na to, až ho někdo sprdne, říká veterinář

Do své ordinace v centru Prahy dochází den co den už 22 let, aby znovu na nohy postavil čtyřnohé domácí mazlíčky. „I...

  • Další z rubriky

O2 TV bude k internetu zdarma, ale bez sportu. Mnozí budou zklamáni

Středeční zápas Ligy mistrů mezi Slávií a Barcelonou přinesl IPTV platformě od O2 rekordní počet diváků. Firma zároveň...

Facebook zaútočil na Snapchat, vytvořil novou aplikaci Threads

Americká internetová společnost Facebook spouští novou komunikační aplikaci s názvem Threads určenou uživatelům služby...

Facebook mění značku, chce jasně odlišit síť od firmy

Společnost Facebook se rozhodla, že vytvoří nový vizuál značky, který ji bude reprezentovat. Sociální síti zůstane ta...

Tipy na zajímavé weby: objevte funkční e-shopy k prodeji i oblíbené spoty

Tržiště e-shopů. I tak by se dal nazvat server Eshopiště.cz, kde majitelé prodávají své internetové obchody a zájemci...

Najdete na iDNES.cz