Në mjedise komplekse, njerëzit mund ta kuptojnë kuptimin e të folurit më mirë se inteligjenca artificiale, sepse ne përdorim jo vetëm veshët, por edhe sytë.
Për shembull, ne shohim gojën e dikujt duke lëvizur dhe mund ta dimë intuitivisht se tingulli që dëgjojmë duhet të vijë nga ai person.
Meta AI po punon në një sistem të ri dialogu të IA-së, i cili do t'i mësojë IA-së të mësojë gjithashtu të njohë korrelacionet delikate midis asaj që sheh dhe dëgjon në një bisedë.
VisualVoice mëson në një mënyrë të ngjashme me mënyrën se si njerëzit mësojnë të zotërojnë aftësi të reja, duke mundësuar ndarjen e të folurit audio-vizual duke mësuar sinjale vizuale dhe dëgjimore nga videot pa etiketa.
Për makinat, kjo krijon një perceptim më të mirë, ndërsa perceptimi njerëzor përmirësohet.
Imagjinoni të jeni në gjendje të merrni pjesë në takime në grup në metavers me kolegë nga e gjithë bota, duke u bashkuar me takime në grupe më të vogla ndërsa lëvizin nëpër hapësirën virtuale, gjatë të cilave jehonat dhe timbret e tingullit në skenë përputhen me mjedisin dhe përshtaten në përputhje me rrethanat.
Kjo do të thotë, mund të marrë informacion audio, video dhe tekst në të njëjtën kohë, dhe ka një model më të pasur të të kuptuarit mjedisor, duke u lejuar përdoruesve të kenë një përvojë zanore "shumë mahnitëse".
Koha e postimit: 20 korrik 2022
