Tecnologia de reconhecimento de voz: útil ou dolorosa?

Você já telefonou para uma empresa para obter ajuda ou pagar sua conta, apenas para ser recebido por uma agradável voz gravada que deseja conversar com você - mas não consegue entender metade do que está dizendo? Ou talvez você possua um iPhone e, embora a Siri parecesse um bom aliado, você percebeu que algumas vezes (OK, sejamos honestos, muitas vezes) ela simplesmente não entende? A tecnologia de reconhecimento de voz (VRT), também conhecida como fala para texto, cai em uma armadilha comum: ela tem o potencial de ser incrivelmente legal (e garoto, estamos torcendo por isso), mas mais frequentemente, é um ranger de dentes exercício de frustração.

Outrora uma idéia que pertencia ao domínio da ficção científica, o reconhecimento de voz cresceu desde a infância nos anos 50, quando o sistema Bell Laboratories Audrey foi projetado para reconhecer dígitos falados em uma única voz, para a moderna rede de eletrônicos de conversação com os quais agora interagimos. diariamente - com resultados mistos.

Para falar com um humano, pressione 0

Atualmente, muitas empresas usam sistemas chamados IVR (Interactive Voice Response) para lidar com chamadas de atendimento ao cliente. O uso mais comum é para menus navegados por voz, mas algumas empresas usam sistemas de URA que podem acessar informações da conta do cliente e responder a perguntas menores. O software Menu IVR geralmente possui um vocabulário limitado, que pode ser restrito a "sim", "não" e números. Sistemas mais complicados podem reconhecer palavras e frases específicas da empresa.

Esses sistemas estão se tornando mais populares - pelo menos para as empresas - por uma simples razão: eles são econômicos. De acordo com um relatório de 2010 do Wall Street Journal, uma ligação típica de cliente que atinge um agente custa entre US $ 3 e US $ 9, enquanto uma ligação realizada através de um sistema automatizado custa apenas de cinco a sete centavos. E, é claro, os programas de computador não se cansam, ficam doentes ou ficam frustrados com os clientes (embora os clientes certamente fiquem frustrados com eles!).

Felizmente, isso nem sempre significa que a URA retira empregos das pessoas - ou pelo menos todas as pessoas estão desaparecendo dos call centers. Esses auxiliares ativados por voz permitem que os representantes de atendimento ao cliente sejam mais produtivos, direcionando chamadas e respondendo a perguntas simples.

Obviamente, para os usuários humanos que interagem com essas tecnologias, nem sempre é fácil. A tecnologia está ajudando a melhorar os problemas comuns da tecnologia de URA, como problemas com sotaques, mas despedir sistemas automatizados ainda é um tema comum online. Confira este esquete cômico sobre um elevador equipado com reconhecimento de voz, que destaca a frustração que os defeitos nos sistemas de URA podem produzir.

Aplicativos pessoais para telefone: Siri, Google Now

A maioria das pessoas está familiarizada com o reconhecimento de voz para smartphones. Enquanto a maioria dos modelos de telefones mais recentes vem com VR, sua popularidade - e notoriedade - aumentou quando a Apple apresentou o Siri, o "assistente pessoal" levemente sarcástico e ativado por voz para o iPhone 4S em 2011. O Google logo criou um concorrente direto: o Google Agora, para o Android Jelly Bean OS. Ambos os sistemas possuem vozes femininas e recursos sofisticados de reconhecimento que permitem que os usuários "conversem" com seus telefones usando linguagem casual.

Mas, embora esses sistemas sejam consideravelmente mais sofisticados e funcionais que seus antecessores, eles também mostram que a tecnologia ainda tem um longo caminho a percorrer. Piadas sobre o fracasso de Siri se tornaram um meme popular da Internet. Um homem chegou a processar a Apple por propaganda enganosa em relação às capacidades da Siri.

Talvez seja por isso que, embora a Apple tenha criado o Siri para ser avançado e informativo, o software VR também é um pouco atrevido. Por exemplo, se você falar uma das linhas de tecnologia de inteligência mais infames da história do cinema do filme de 1968 "2001: Uma Odisséia no Espaço" - "abra as portas do compartimento" - a Siri responderá com a linha de resposta do filme " Sinto muito (seu nome), acho que não posso fazer isso ", ou o mais sarcástico", nós, agentes de inteligência, nunca viveremos isso, aparentemente. "

Chamar você pelo nome é apenas uma das funções que tenta tornar a Siri mais fácil de amar e um pouco mais humana. O assistente de VR pode seguir comandos de voz para fazer chamadas, ditar e enviar textos, realizar buscas na Internet por informações, encontrar lojas próximas, fornecer instruções de direção e muito mais, tudo sem a necessidade de tocar em nada. As respostas são faladas simultaneamente pelo telefone e exibidas na tela.

O Google Now, a parte VR da plataforma Android Jelly Bean, é muito semelhante à Siri. O sistema oferece os mesmos recursos extensivos de reconhecimento, traduzindo conversas informais em comandos que permitem aos usuários fazer chamadas, enviar textos, executar pesquisas, realizar cálculos e conversões, obter definições de palavras, definir alarmes, tocar alarmes, tocar músicas e obter mapas e orientações.

Com assistentes de voz pessoais como Siri e Google Now, os benefícios são óbvios. Tudo, desde chamadas e mensagens de texto até pesquisa e entretenimento, é mais rápido e fácil. Basta dizer o que deseja e (na maioria das vezes) o aplicativo VR o agarra para você. A tecnologia hands-off da VR é especialmente útil ao dirigir. E enquanto muitas pessoas criticam as falhas de Siri, e os escritores argumentam que a capacidade do Google Now de essencialmente administrar a vida dos usuários é assustadora e um pouco ofensiva, a maioria das pessoas ainda sente que essas tecnologias futuristas são muito legais.

É claro que aplicativos de telefone pessoais como Siri e Google Now estão longe de serem perfeitos - embora mostrem para onde essa tecnologia pode chegar no futuro. Isso significa que, mesmo quando Siri apresenta uma resposta errada, é provável que ramos e a perdoemos, sabendo que a próxima versão será muito melhor.

Where VR Falls Flat

Se você já encontrou uma URA quando ligou para uma empresa, talvez tenha percebido certas barreiras à comunicação. Alguns programas usam uma voz robótica de conversão de texto em fala que pronuncia incorretamente as palavras e torna as coisas difíceis de entender. Outros têm problemas de sensibilidade que resultam na impossibilidade de o software processar o que você está dizendo, se você estiver alto demais, suave demais ou não enunciar com cuidado.

Além disso, muitas pessoas ainda não se sentem confortáveis ​​conversando com uma máquina. Se você fizer algumas pesquisas em URA, encontrará listas que as pessoas criaram de maneiras de ignorar os sistemas de URA e chegar a uma "pessoa real". Essas soluções variam de "continue pressionando 0 para um operador" a "xingar a máquina até buscar um ser humano". Como resultado, grande parte do desenvolvimento recente dos sistemas de URA girou em torno de torná-los mais palatáveis ​​para os seres humanos; tornando as vozes mais compreensivas e menos robóticas, facilitando a navegação do sistema e informando aos chamadores quanto tempo a coisa toda levará do começo ao fim. Isso sugere que a melhor tecnologia é apenas metade da batalha aqui; a outra metade está convencendo os usuários a falar com uma máquina.

O que o futuro nos reserva

Apesar desses desafios, a tecnologia de reconhecimento de voz está melhorando o tempo todo. Aplicativos como Siri e Google Now - falhas e tudo - ainda são extraordinariamente impressionantes em seu desempenho, e várias empresas estão expandindo os recursos de VR para outros aplicativos.

Por exemplo, a Nuance, criadora do software de fala e texto Dragon NaturallySpeaking, já desenvolveu controles de voz para televisores e automóveis, e versões dessa tecnologia estão incorporadas em algumas TVs Samsung e nos sistemas de entretenimento SYNC usados ​​em determinados veículos da Ford.

E, à medida que o Google e a Apple continuam encontrando novos usos para suas tecnologias de reconhecimento de voz, é provável que conversemos cada vez mais com todos os tipos de máquinas do dia-a-dia, de nossas televisões a torradeiras. E, mais uma vez, parece que a ficção científica estava certa. Só teremos que esperar que aqueles escritores inteligentes estivessem errados sobre uma coisa. Se essas máquinas estiverem assumindo o controle, você poderá ter muitos problemas na próxima vez que pedir à Siri para "abrir as portas do compartimento".