Puhetta ymmärtävä tietokone kohta arkipäivää

Teknologia, jolla ihmisen puhe muuntuu tietokoneen ymmärtämään muotoon, on jo pitkälti valmiina. Esimerkiksi IBM:n kehittämän Via Voice -teknologian avulla tietokoneet ymmärtävät puhekomentoja, luonnollista puhetta ja sanelua, lukevat ääneen dokumentteja ja tunnistavat yksittäisen henkilön äänen niin hyvin, että ääni voi toimia salasanana.

IBM on äskettäin julkistanut myös työkalun, jolla puheentunnistusta voidaan integroida erilaisiin langattomiin laitteisiin, kämmentietokoneiden ja matkapuhelinten lisäksi vaikkapa autoihin.

Osborne ennustaa puhetta ymmärtävien ja itse puhuvien päätelaitteiden ilmaantuvan laajemmin markkinoille vuosien 2003-2004 paikkeilla.

IBM tekee puheentunnistuksessa yhteistyötä myös Nokian kanssa. Yhtiön Suomen ohjelmistoryhmän johtaja Ari Ollilan mukaan vireillä on mm. puhelinkeskusympäristöissä mittavia kehityshankkeita, joista ei tosin vielä voi kovin paljon puhua.

- Tämän vuoden lopulla tuotteisiin on luvassa jonkinasteista suomen kielen tukea, Ollila sanoi.

Puhe luontevin käyttöliittymä

Osbornen mukaan puhetta ymmärtävä ääniselain on jatkossa luontevin tietokoneiden käyttöliittymä.
- Äänestä tulee vain yksi datavirran muoto. Informaatiota voidaan syöttää ja purkaa tekstinä, puheena tai graafeina, hän sanoo.

Puheentunnistuksen kehittäminen on tarpeen jo siksi, että kännykät ja muut päätelaitteet kutistuvat yhä pienemmiksi. Seuraavan sukupolven Internet-kännyköihin on vaikea yhdistää helposti käytettävää näppäimistöä tai hiirtä, jota Internetin käyttö kuitenkin edellyttäisi.

Puhetta tunnistavia tietokoneita on kehitelty maailmalla jo yli kolmekymmentä vuotta. Nyt tietokoneiden ja mikrofonien suorituskyvyn kasvu ja koon pieneneminen on tuonut alan läpimurron käden ulottuville.

Puheentunnistus liittyy myös siihen, että tietokoneet tunkeutuvat yhä enemmän jokapäiväiseen elämään ja laitteisiin, leivänpaahtimista kodin ilmastointiin tai langattomaan e-bisnekseen.

- Sitä voi verrata sähkönjakeluun: ei ole niin väliä, miten ja mistä sähkö tulee, kunhan se on käytettävissä silloin kun tarvitaan, Osborne sanoo.

Puhuuko kone savoa?

Kovin yksinkertaista ihmispuheen muuttaminen bittivirraksi ei kuitenkaan ole. Internetin ääniselainten kanssa ongelmana on myös se, että niistä pitää laatia useita eri kieliä ymmärtäviä versioita.

- Luonnollisen kielen käyttäminen merkitsee valtavia haasteita, sillä puheen skaala on yhtä laaja kuin kieli itsekin eikä puhe välttämättä etene loogisessa järjestyksessä, IBM:ssä myönnetään.

Osbornen mukaan tavoitteena on malli, jossa tietokoneiden kanssa voisi kommunikoida mahdollisimman luontevasti käyttämällä jokapäiväisiä sanoja, fraaseja ja ilmaisuja. Esimerkiksi ydinfysiikasta koneen kanssa ei vielä kannata yrittää keskustella.

Alkuvaiheessa riittää, kun ääniselain ymmärtää keskeiset Internetin käytössä tarvittavat komennot ja yksinkertaiset lauseet. IBM:n tutkijoiden kehittämä sovellus kykenee nyt vaikkapa kertomaan pankkitilin saldon tai vastaamaan sellaisiin kysymyksiin kuin "mitä se maksaa".

Puheentunnistukseen voi jo nyt liittää myös käännösohjelman. Suomen- tai edes englanninkielisen puheen suoraan kiinaksi kääntävää simultaanitulkkia Osborne ei kuitenkaan lupaa markkinoille ennen kuin vuoden 2010 paikkeilla.

STT-IA
12.5.2000

Talous -sivulle