Trước giờ smartphone có thể nhận dạng khá chính xác giọng nói của người dùng nhưng nó vẫn chưa thể hiểu được đoạn hội thoại giữa 2 người. Tuy nhiên, các nhà nghiên cứu tại IBM vừa tuyên bố đã xây dựng thành công thuật toán có thể phân biệt được cuộc hội thoại xen kẽ giữa 2 người với tỷ lệ sai sót chỉ có 8% (đối với con người là 4% trong hoàng cảnh tương tự).
Nhóm nghiên cứu tại IBM đã sử dụng siêu máy tính Watson và cơ sở dữ liệu các cuộc nói chuyện qua điện thoại nhằm thử nghiệm độ chính xác của thuật toán mới. Kết quả cho thấy nó có thể nhận diện được nội dung nói chuyện giữa 2 người với tỷ lệ lỗi 8%. Rheo Picheny, 1 thành viên trong nhóm nghiên cứu cho biết: "Độ chính xác trong thử nghiệm lần này cao gấp 36% so với những phiên bản trước. Độ chính xác này vẫn chưa bằng con người, nhưng là gần bằng. Đối với con người trước các tình huống nói chuyện tương tự thì tỷ lệ nhận diện giọng nói sai là 4%. Do đó, con số 8% của thuật toán lần này là đáng khích lệ và chính xác hơn nhiều so với cách đây vài năm (20%)."
Thậm chí giám đốc nghiên cứu trí tuệ nhân tạo của Facebook, hãng được xem là đối thủ của IBM trong cuộc đua AI, cũng phải nhận định rằng đây là một "bước tiến đầy ý nghĩa". Thành công lần này của IBM là nhờ vào quá trình nghiên cứu phát triển kỹ thuật điện toán học tập sâu. Nó sử dụng mạng neural sâu để xác định mô hình giọng nói, dùng mạng neural nhân chập (ConvNets) để sắp xếp các biến thể trong ngữ âm và cuối cùng là sử dụng mạng neural hồi quy để ghi nhớ âm thanh. Một số hãng khác cũng đã kết hợp các kỹ thuậy này như Google, Microsoft,… và cũng nhận được những kết quả đầy hứa hẹn.
LeCun, một trong những người phát minh kỹ thuật ConvNet cho biết: "Trước đây, các nhà nghiên cứu ở IBM đã sử dụng ConvNets và mô hình ngôn ngữ neural nhưng đâu là hệ thống đầu tiên có thể kết hợp tất cả mọi thứ lại với nhau nhằm đạt được hiệu suất nhận diện giọng nói kỷ lục và có thể chấp nhận được." Được biết thuật toán mới đã được bổ sung vào trong hàm API do IBM công bố cách đây không lâu, cho phép các lập trình viên có thể sử dụng Watson để nhận biết giọng nói. Về ứng dụng thực tế, nó sẽ giúp người dùng có thể hiểu được nội dung từ các giọng nói khó nghe (thí dụ như tổng đài viên hiểu được ý của khách hàng hơn,…).
