Connect with us

Разработка

SwiftKey использует нейронные сети для улучшения набора текста

С новым приложением, использующим нейронные сети, мы можем и сами уже ознакомиться с технологиями искусственного интеллекта, которые разрабатывает SwiftKey.

Опубликовано

/

     
     

Компания SwiftKey выпустила новую экспериментальную версию своей популярной мобильной клавиатуры, которая может значительно улучшить точность предиктивного ввода.

The app was not found in the store. :-(

Приложение SwiftKey Neural Alpha пока существует только для Android и, как предполагает его название, это ранняя стадия продукта, в которой могут быть ошибки. По этой причине понятно, почему лондонская компания выбрала новое приложение, а не внедрила все функции сразу в свою существующую клавиатуру.

SwiftKey – популярная клавиатура, существующая на Android уже несколько лет. В ней заложены алгоритмы, изучающие ввод пользователя и предсказывающие следующее слово, которое ему может понадобиться, на основании уже усвоенных шаблонов и изучении порядка слов в сторонних текстах. На iOS клавиатура была выпущена в прошлом году.

Новая SwiftKey Neural использует уже не просто шаблоны, а искусственные нейронные сети (ИНС) для предсказания и исправления ввода. ИНС представляют часть более широкой области машинного обучения и искусственного интеллекта, они больше основаны не на шаблонах, а на структурах и принципах работы человеческого мозга. Это существенное отличие от существующей N-грамм модели SwiftKey, которая оперирует вероятностями и вычислительной лингвистикой.

[notice]Искусственная нейронная сеть (ИНС) — математическая модель, построенная по принципу организации и функционирования биологических нейронных сетей — сетей нервных клеток живого организма. ИНС представляют собой систему соединённых и взаимодействующих между собой простых процессоров (искусственных нейронов). Такие процессоры обычно довольно просты (особенно в сравнении с процессорами, используемыми в персональных компьютерах). Каждый процессор подобной сети имеет дело только с сигналами, которые он периодически получает, и сигналами, которые он периодически посылает другим процессорам. И, тем не менее, будучи соединёнными в достаточно большую сеть с управляемым взаимодействием, такие локально простые процессоры вместе способны выполнять довольно сложные задачи. Искусственная нейронная сеть является моделью типа «чёрный ящик». Это значит, что хотя нейросетевая система искусственного интеллекта способна к обучению и к принятию решений на основе этого обучения, внутренние основания поведения такой системы полностью скрыты. Это рождает обоснованные опасения о возможном непредсказуемом и недружественном поведении такой системы. Предпринимаются попытки понять возможность создания дружественного искусственного интеллекта. Нейронные сети не программируются в привычном смысле этого слова, они обучаются. Возможность обучения — одно из главных преимуществ нейронных сетей перед традиционными алгоритмами. Технически обучение заключается в нахождении коэффициентов связей между нейронами. В процессе обучения нейронная сеть способна выявлять сложные зависимости между входными данными и выходными, а также выполнять обобщение. Это значит, что в случае успешного обучения сеть сможет вернуть верный результат на основании данных, которые отсутствовали в обучающей выборке, а также неполных и/или «зашумленных», частично искаженных данных.
[/notice]

В то время как N-грамм технология дает более точный прогноз для общих фраз, у нее есть существенные ограничения. Она не понимает фактического значения слов – может только аккуратно предсказывать слова на основании того, что уже видела в предыдущих последовательностях. Нейронные сети приносят больше человеческой осознанности в вычисления и могут в каком-то смысле понимать значения того, что вы печатаете – для лучшего предсказания дальнейшего.

Нейронные сети дают возможность SwiftKey предсказать и предложить слова более осмысленно, как это сделали бы сами люди, — говорит глава по маркетингу SwiftKey Джо Брейдвуд в интервью.

Хотя технология еще находится в самом начале своего развития, она может стать заметным шагом вперед для мобильного набора текста и может привести к более точным, связанным с контекстом предсказаниям. Вот примеры, как нейронные сети в SwiftKey могут улучшить печать:

1

2

3

4

Хотя в клавиатурах такая технология воплощена впервые, Google недавно пробовал ее применить для своего переводчика. В частности, нейронные сети использовались в переводе изображений.

Для SwiftKey и миллионов его пользователей, нейронные сети должны стать способом печатать более быстро и аккуратно, независимо от того, что уже система знает о конкретном пользователе или других текстах. «Они будут знать вас настолько хорошо, что смогут предсказывать даже целиком предложения и тон, который вам понадобится в текущей ситуации», – говорит компания.

В прошлом году выяснилось, что компания SwiftKey помогла известному физику Стивену Хокингу в два раза ускорить его общение. На самом деле, SwiftKey работала с Хокингом два года над разработкой технологии специально для его нужд – система училась у физика и предсказывала буквы и слова, которые ему могут понадобиться, на основании уже накопленных шаблонов.

С новым приложением, использующим нейронные сети, мы можем и сами уже ознакомиться с технологиями искусственного интеллекта, которые разрабатывает SwiftKey.

neural-net-infographic

Если вы нашли опечатку - выделите ее и нажмите Ctrl + Enter! Для связи с нами вы можете использовать info@apptractor.ru.
Advertisement

Популярное

Спасибо!

Теперь редакторы в курсе.