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.

AppTractor

Опубликовано

/

     
     

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

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
 
Click to comment

You must be logged in to post a comment Login

Leave a Reply

Популярное

X
X

Спасибо!

Теперь редакторы в курсе.