Stemmegenkendelse-værktøjer, som for eksempel Apple ‘ s Siri stadig kæmper med at forstå regionale særheder og accenter, og brugerne er ved at tilpasse den måde, de taler for at kompensere
“Folk taler til maskiner anderledes end, hvordan de taler til folk,” siger sprogteknologi ekspert Alan Sort.
Foto: Walter Bibikow/Jai/Corbis
@Tom_Dart
Onsdag 10. februar 2016 15.30 GMT
Sidst opdateret onsdag den 10 februar 2016 15.35 GMT
Det var et simpelt spørgsmål, i hvert fald i denne del af verden.
“Hvordan kan vi mosey videre ned til rodeo?” min ven, Ben Skurk drawled, sad i en gyngestol på hans front veranda, kan af Lone Star-øl i sin venstre hånd på et fugtigt natten i Houston.
Relateret: Hey, Siri! Møde de rigtige mennesker bag Apple ‘ s stemme aktiveret assistent
Kun én ting rystet med denne ellers stereotype Texas scene: Skurk, var at spørge Siri, den stemme-aktiveret digital personlige assistent på sin iPhone, snarere end, at sige, en forbigående sheriff på hesteryg med en cowboy hat er bredere end det Buffalo Bayou.
Siri forstået de enkelte ord, men ikke ved, hvordan man skal reagere. Men Skurk havde andre spørgsmål. Han var sulten; heck, så sulten, at han coulda spist den nordlige ende af en sydgående billy goat.
“Vi er fixin’ at spise brystkassen, hvor skal vi gå?” spurgte han Siri. Hun tilbød en liste over 15 restauranter – men ikke alle syntes at tjene Texas grill. Siri var også nyttigt, når du bliver bedt om at finde ud af, languster, men forbløffet om kolaches, kager af centraleuropæisk oprindelse, der er enormt populære i Texas, er at kalde dem “Colotchies”.
I mellemtiden, selvom de gratis Dragon dictation app udført på eksemplarisk vis, hvor fed linjer fra 2004 filmens Alamo, det gjorde gengæld “Davy Crockett feller” i “David Rockefeller”, og at skildre en familie af Yankee industrialists er ingen måde at beskrive en helt i kampen om Texas uafhængighed.
Resultatet af denne korte og decideret uvidenskabeligt eksperiment er, at Siri er på sit bedste, når der behandles i det engelske, med accenter tonet ned og slang undgås hvor det er muligt.
Forfatteren Julia Reed kom til en lignende konklusion i en artikel i den seneste udgave af den sydlige livsstilsmagasinet Have & Pistol, da hun henvendte sig til diktat apps efter at bryde hendes venstre albue i New Orleans. Hun skrev:
Ligesom iPhone ‘ s meget temperamentsfulde Siri, Dragon og resten af diktat apps jeg forsøgte konsekvent nægtet at forstå stort set alt, hvad jeg havde at sige. Tilsyneladende er der ingen af [Dragon] kodere har brugt en naturlig minut under Mason-Dixon Line. En smart person, der kunne gøre en masse penge ved at opfinde en Siri til Syden.
(En Apple-talsmand rettet til the Guardian, at en Siri-bruger guide og en liste af lande og sprog, hvis det er tilgængeligt).
“Jeg har haft en flok af folk fra Australien og Indien siger, at de egentlig kun komme sammen med Siri, hvis de fake en Amerikansk accent,” sagde Lars Hinrichs, en sociolinguist på University of Texas i Austin.
De fleste mennesker har, hvad vi ville kalde en telefon voice … de har også en maskine stemme
Alan Sort
Apple har forfinet og udviklet Siri, da tech gigant købte det fra en lille start i 2010. Det er bedre fast. Men mens voice-anerkendelse-programmer vil fortsætte med at udvikle sig, når de hører, ikke-standard tale-såsom regionale accenter, et spørgsmål, der hverken er menneske eller maskine, der kan svare for visse er, om de bliver nødt til at. Mennesker, der tilpasser sig til virtuelle assistenter, samt den anden vej rundt.
“De fleste mennesker har, hvad vi ville kalde en telefon stemme, så de rent faktisk skifte væk fra deres lokale familie accent, når de taler i telefon med nogen, de ikke kender,” sagde Alan Sort, en Skotsk datalog, der er professor i sprogteknologi Institute ved Carnegie Mellon University i Pittsburgh.
De har også en “maskine stemme”, sagde han. “Folk taler til maskiner anderledes, end hvordan de taler til folk. De flytter ind i et andet register. Hvis du står ved en der er i en lufthavn eller ved et busstoppested eller noget, du kan typisk fortælle, når de taler med en maskine, snarere end at tale med en person.”
Sort spekuleret på, at “en af grundene til, at de er designet Siri til at være fundamentalt en høflig, hjælpsom agent, der er ikke din ven, men virker for dig, er at tilskynde folk til at blive lidt høflig og eksplicit til hende, snarere end at være meget dagligdags. Fordi talegenkendelse er altid hårdt, når du dråbe i hverdagssprog.”
Med talegenkendelse stadig mere udbredt og effektiv, at vores yngre generation vil vokse i tro chats med Siri og den nye Amazon Echo er rutine og virkelig nyttigt, langt fra, når opfordrer til nytte selskaber blev opstyltet mundhuggeri med maskiner, der havde problemer med at forstå “ja” og “nej”, pyt “til at sætte mig igennem til en virkelig person, for Gud ‘s skyld”.
Men bortset fra Siri, stolt Texans bør bekymre dig om noget andet.
Længe før maskiner, der kunne forstå, at du, kulturelle og demografiske forskydninger allerede var personer, der bevæger sig i retning af standardiserede engelsk. I virkeligheden, massemedier og migration er langsomt ved at dræbe Texas twang.
“Den måde, som unge mennesker i texas eller Houston taler i dag, er en meget tættere på en regional fællesnævner accent, end til, hvad det var for 50 år siden,” sagde Hinrichs, der oprindeligt stammer fra Tyskland, og leder Texas engelsk Projekt. “Jeg har aldrig hørt nogen af mine studerende lyd “Texan’ i klassen; men de kan, når de går hjem. Den accent modularizes, fordi folk er mere mobile, og i forbindelse med verden.”
I effekt, Texans er at bruge “voice” i hverdagen, dels på grund af virkningerne af TV og sociale medier, og dels på grund af tilstrømningen af besøgende fra hele landet og udlandet, så alle kan forstå hinanden. Det kaldes “accent levelling”.
Finurlige udtryk som ‘doggone det’, ‘shucks’ og ‘drat det er ved at dø ud, og erstattet med mere mainstream dialekt
“Ordforråd er den første ting at gå. Derefter syntaks og udtale,” sagde han. Dobbelt modals som “måske” og “oughta bør”, og skæve regionale udtryk som “doggone det”, “shucks” og “drat det” er ved at dø ud, og erstattet med mere mainstream dialekt og accent, der ofte beskrives som “midwestern”.
Hinrichs og nogle kolleger gennemførte et eksperiment for at se, om Texans kunne fortælle west Texans og øst Texans fra hinanden.
“Dybest set er svaret nej,” sagde han – selv om det i sådan en stor stat, landskaber og livsstil varierer meget afhængigt af placering. “Folk fra Texas kan ikke høre forskel, men de fleste vil fortælle dig, at de kan.”
Stadig, foreslog han, mens globalisering kan gøre livet lettere for talegenkendelse programmører, fleksibilitet indebærer også udfordringer. “En grænse for behandling af tale-er at beskæftige sig med flersprogethed – skifte mellem engelsk og spansk,” sagde han. Omkring 40% af Texas’ befolkning er Spansktalende.
Black mener, at der i de kommende år, programmer såsom Siri vil gå fra at være udenfor i stil til en mere velkendt, at forstå dit sprog mønstre, som hvis de var en nær ven, snarere end en tilfældig bekendt.
“Dialog systemer, der i øjeblikket fungerer ganske godt, talegenkendelse har fået væsentligt bedre,” sagde han. “Jeg tror, at det sandsynligvis kommer til at ske er en meget mere langsigtet rapport. Det vil vide mere om dig. Det vil være i stand til at besvare spørgsmålet slags, før du beder den om – dette er en af de ting, som Google Nu har til formål, at besvare spørgsmålet, før du rent faktisk stille. Du vil opdage, at du kan være mindre specifik, når du taler, fordi det ved, den slags ting, der vil være relevante. Hvis du spørger den tid, maskinen kan sige noget lignende, “det er OK, du har stadig tre minutter før dit møde’, fordi det ved, at du stiller de tid, når du er bekymret for, om mødet, det er, hvad du altid gøre.”
Med andre ord, at den fremtidige ejer mindre sydlige charme, men færre problemer med at få til rodeo.