Автор: Володимир

Большинство самых больших библиотек в мире уже достаточно давно занимаются переводом всех находящихся в них книг в цифровой формат.

В некоторых из библиотек для этого используются полностью автоматические высокотехнологичные системы, а в некоторых применяют обычные ручные оптические сканеры. Но в любом случае, процесс оптического сканирования требует перелистывания каждой страницы сканируемой книги. Однако бывают случаи, когда какая-нибудь очень редкая книга, существующая в единственном экземпляре, находится в столь плачевном состоянии, что перелистывание может нанести ей непоправимый ущерб.

В этом случае на выручку может прийти новое устройство, созданное специалистами из Массачусетского технологического института. Эта система позволяет сканировать книги, находящиеся в закрытом состоянии и она использует для этого некоторые физические, технологические уловки и сложные программные алгоритмы, выполняющие обработку получаемых данных.

Новая система использует в своих целях проникающие возможности излучения терагерцового диапазона, диапазона, лежащего между микроволновым излучение и инфракрасным светом. В принципе, для этих же целей можно использовать и другие виды проникающего излучения, к примеру рентгеновское излучение, однако, использование терагерцового излучения удобней и безопасней с нескольких точек зрения. Кроме того, использование терагерцового излучения позволяет более точно дифференцировать области чистой бумаги и области, покрытые чернилами за счет того, что различные химические вещества поглощают этот вид излучения по-разному.

Полученные при терагерцовом сканировании данные проходят через сложную математическую обработку, которая позволяет выделить изображение каждой страницы текста. Дополнительные программные алгоритмы позволяют сделать изображение каждого символа настолько четким, насколько это возможно, а алгоритмы, разработанные специалистами Технологического института Джорджии, позволяют восстановить оригинальные формы даже сильно искаженных символов.

«Существует большая разница в спектре поглощения терагерцового излучения чистой бумагой и материалом чернил» — рассказывает Бармак Хешмат (Barmak Heshmat), участник проекта New Atlas, — «Наша система самонастраивается на этот спектральный контраст, который изменяется и зависит в каждом случае от состава бумаги и используемых чернил. Это позволяет нам получить качественные изображения символов, которые достаточно хорошо распознаются традиционным способом оптического распознания».

Терагерцовый источник новой системы производит короткие вспышки излучения. Эти импульсы отражаются назад каждым из воздушных слоев, который находится между страницами книги, и отраженное излучение фиксируется камерой, имеющей максимальную чувствительность в терагерцовом диапазоне. Данные с этой камеры проходят через алгоритм, который определяет расстояние до каждой страницы книги, используя разницу по времени между моментом излучения импульса и временем регистрации отраженного сигнала.

Данные о расстоянии до страницы позволяют другому алгоритму отфильтровать шум и данные от других страниц. В результате такой фильтрации остается картина поверхности только определенной страницы, на которой обозначены области с различным химическим составом, что в свою очередь, позволяет прочесть все написанное на данной странице.

Опытный образец терагерцового сканера пока может «читать» лишь до десяти страниц в глубину. При попытке более глубокого проникновения полезные сигналы полностью скрываются в шумах и помехах, что делает процесс чтения полностью невозможным.

Однако в ближайшем времени исследователи из Массачусетского технологического института собираются увеличить глубину проникновения их сканера путем увеличения разрешающей способности, скорости и точности камеры, увеличения мощности источника терагерцового излучения и модернизации некоторых участков программных алгоритмов. Взято с http://dailytechinfo.org

Специалисты подразделения DeepMind компании Google, занимающегося разработкой и исследованиями, связанными с искусственным интеллектом, разработали новую систему под названием WaveNet, позволяющую системам искусственного интеллекта разговаривать на языке, максимально приближенным к естественному человеческому языку. В рамках этого проекта реализован качественно новый подход к синтезу речи, который работает за счет базы данных анализа звуковых волн человеческого голоса вместо того, чтобы сосредоточиться на интерпретации и имитации естественного языка.

Исследователи из различных стран и организаций за последние годы добились достаточно больших успехов в реализации способности компьютеров к восприятию человеческой речи. Это стало возможным благодаря применению нейронных сетей и процессов глубинного машинного изучения. Однако, область синтеза естественной речи значительно отстает от области распознавания речи.

Существующие технологии преобразования текст-речь (text-to-speech, TTS), как правило, основаны на двух принципах, компиляционном (concatenative TTS), в котором речь создается путем компиляции ранее записанных фрагментов речи, и параметрическом (parametric TTS), в котором речь воспроизводится устройством-вокодером, на вход которого передается необходимый набор цифровых данных. Последний метод воспроизводит «механическую» речь, которая очень далека от естественного звучания.

Система WaveNet работает несколько по-иному, составляющая ее нейронная сеть работает с образами звуковых колебаний, а не только с элементами самого языка. Как и любая нейронная сеть, сеть системы WaveNet прошла процесс предварительного обучения путем анализа массива необработанной аудиоинформации, включая речь, музыку и записи других звуков. Для качественной работы процесса обучения системе требуется аудиосигнал с частотой оцифровки минимум 16 кГц, анализ которого в режиме реального времени является достаточно сложной задачей, требующей большого количества вычислительных ресурсов.

В ходе последующих экспериментов специалисты DeepMind «скормили» системе WaveNet записи речи на английском и на китайском языке. После этого в сравнительных целях были созданы образцы искусственной речи на этих языках, синтезированные при помощи трех различных методов, стандартного компиляционного TTS, параметрического TTS и WaveNet.

Эксперты, прослушавшие записи синтезированной речи, признали, что речь WaveNet является более близкой к естественной речи, нежели чем все другие образцы. Тем не менее, пока еще очень сложно спутать синтезированную речь с естественной.

Тем не менее, система WaveNet, даже в том виде, в котором она существует на сегодняшний день, по мнению представителей DeepMind, открывает множество возможностей для реализации технологий взаимодействия человека с компьютером, для производства музыки, компьютерных игр и ряда других областей. Взято с http://dailytechinfo.org