گوگل AudioPaLM را معرفی کرد؛ هوش مصنوعی جدیدی که قابلیت گوش دادن، حرف زدن و ترجمه کردن را دارد

محققان گوگل از یک مدل هوش مصنوعی جدید به نام AudioPaLM رونمایی کرده‌اند که به شکل بی‌نظیری می‌تواند به صدای اطراف گوش داده، صحبت کرده و بدون نیاز به آموزش، به زبان‌های مختلف فرایند ترجمه صوت انجام دهد.

فناوری هوش مصنوعی با سرعت بسیار بالایی در حال پیشرفت بوده و هر روز شاهد معرفی ابزارهای جدیدی هستیم که برای کمک به انجام کارهای مختلف آموزش یافته‌اند. با این حال، هوش مصنوعی می‌تواند بسیار فراتر از یک ابزار تسهیل کننده عمل کند.

در همین راستا، محققان شرکت گوگل طی چند سال گذشته به دنبال نشان دادن پتانسیل کامل هوش مصنوعی و معرفی چیزی متفاوت بوده‌اند.

تازه‌ترین دستاورد گوگل در حوزه AI یک مدل هوش مصنوعی جدید به نام AudioPaLM است که می‌تواند با دقت بسیار بالایی به صدای اطراف گوش داده و صحبت کند.

به ادعای محققان گوگل، هوش مصنوعی قدرتمند AudioPaLM می‌تواند به شکل بی‌سابقه‌ای به صدای محیط گوش داده، با افراد صحبت کرده یا حتی متن و صوت مورد نظر کاربر را به زبان‌های دیگر ترجمه کند.

ترکیب چند هوش مصنوعی قدرتمند

این هوش مصنوعی جدید از یک معماری چند وجهی بهره‌مند شده که نقاط قوت دو مدل AI قدیمی‌تر گوگل یعنی AudioLM و PaLM-2 را با یکدیگر ترکیب کرده است.

 PaLM-2 یک مدل زبانی مبتنی بر متن محسوب می‌شود که در زمینه دانش زبانی متنی فوق‌العاده قدرتمند ظاهر شده است. در طرف مقابل AudioLM وجود دارد که برای حفظ اطلاعات شبه زبانی مانند هویت و لحن گویش افراد آموزش دیده است.

با ترکیب این دو مدل AI بسیار قدرتمند، محققان گوگل به یک هوش مصنوعی جدید دست یافته‌اند که درک کاملی از متن و گفتار دارد.

AudioPaLM از واژگان مشترکی استفاده می‌کند که می‌تواند هم گفتار و هم متن را با استفاده از تعداد محدودی نشانه‌های مجزا نشان دهد. این ویژگی به AudioPaLM اجازه می‌دهد تا قابلیت‌های جذابی مانند تشخیص گفتار، سنتز متن به گفتار و همچنین ترجمه گفتار به زبان‌های دیگر را در یک معماری واحد ارائه کند.

در همین رابطه بخوانید:

- انقلاب مدل‌های هوش مصنوعی گوگل با PaLM 2؛ رقیب مستقیم GPT 4 معرفی شد
- این هوش مصنوعی جدید گوگل بدون آموزش می‌تواند هر کاری انجام دهد [تماشا کنید]

در آزمایش‌های انجام شده توسط محققان گوگل، هوش مصنوعی AudioPaLM توانسته بهتر از سایر سیستم‌های ترجمه مبتنی بر هوش مصنوعی عمل کرده و حتی فرایند تبدیل گفتار به متن را در زبان‌هایی انجام دهد که هرگز با آن‌ها مواجه نشده است.