阅读指导方面的研究人员已经使用人工智能来减少与计算机对话的非语言运动障碍患者的交流差距。来自剑桥大学和邓迪大学的一个团队开发了一种新的情境感知方法，研究人员利用人工智能来减少与计算机对话的非语言运动障碍患者之间的交流差距。一个来自剑桥大学和邓迪大学的团队开发了一种新的上下文感知方法，可以消除50%至96%的用户打字交流的击键，从而缩小交流差距。
这个系统针对非语言的人，使用一系列上下文线索(如用户的位置、一天中的时间或用户说话伙伴的身份)来帮助为用户建议最相关的句子。
非言语运动障碍者经常使用具有语音输出功能的电脑与他人交流。然而，即使没有影响打字过程的身体残疾，这些交流辅助工具仍然太慢，容易出错，无法进行有意义的对话：典型的打字速度在每分钟5到20个词之间，而典型的说话速度在每分钟100个词的范围内为每分钟140个词。
该研究的主要作者、剑桥大学工程系的珀尔奥拉克里斯滕森教授说：“交流速率的差异被称为交流差距。”“这种差距通常在每分钟80到135个单词之间，它影响了依赖计算机进行交流的人们的日常交互质量。”
克里斯滕森教授和他的同事开发的方法使用人工智能，使用户能够快速检索他们过去键入的句子。以前的研究表明，依赖语音合成的人，像其他人一样，倾向于在日常对话中重复使用许多相同的短语和句子。然而，对于现有语音合成技术的用户来说，检索这些短语和句子是一个耗时的过程，这进一步减慢了对话过程。
在新系统中，随着人们打字，系统将根据键入的文本和人们参与的上下文，使用信息检索算法自动检索最相关的先前句子。包括关于上下文中的对话的信息，例如位置、一天中的时间以及自动识别对方的面部。使用经过训练的计算机视觉算法来识别来自前置摄像头的面部，以识别其他说话者。
标签：
免责声明：本文由用户上传，如有侵权请联系删除！