"Instant Voice-to-Text": Ubah Gaya Bekerja dengan Kekuatan AI

SINGAPURA, 8 Januari 2020 /PRNewswire/ -- Meski Robot Process Automation (RPA)—memakai robot untuk mengotomatisasi proses kerja— berhasil menghadirkan pembuatan dokumen dan pengisian data secara otomatis, beberapa pekerjaan seperti menulis minuta rapat dan transkrip pidato masih dilakukan secara manual. Mari kita mempelajari teknologi kecerdasan buatan (AI) untuk pemindaian percakapan (speech recognition) yang baru dikembangkan Toshiba. Teknologi ini mampu mengubah percakapan menjadi teks dengan akurasi yang baik, serta ikut meningkatkan produktivitas kerja dan bidang-bidang lainnya.

Untuk menyaksikan Rilis Berita Multimedia, silahkan mengeklik: https://www.prnasia.com/mnr/toshiba_202001.shtml

Taira Ashikawa, Head of Research, Media AI Laboratory, Toshiba Corporate R&D Center

Hiroshi Fujimura, Lead researcher, Media AI Laboratory, Toshiba Corporate R&D Center

Photo (automatic speech subtitling system (left) and image of displayed subtitles (right))

Teknologi di balik akurasi pemindaian percakapan (speech recognition)

Pada 2015, saat Toshiba mulai mengembangkan AI dalam format ini, momentum aksesibilitas informasi tengah meningkat. Aksesibilitas informasi ingin menciptakan lingkungan yang membantu orang dengan gangguan pendengaran untuk mengakses dan menginput informasi.

Toshiba meminta masukan dari para pegawai dengan gangguan pendengaran yang ingin mengikuti rapat dan ceramah secara seketika. Untuk itu, pengembangan AI untuk pemindaian percakapan yang dijalankan Toshiba berfokus pada dua aspek—memperluas aksesibilitas informasi bagi orang dengan gangguan pendengaran, serta meningkatkan produktivitas.

Algoritme membentuk bagian inti AI, dan tim pengembang menjajaki beragam pendekatan guna menambah akurasi. AI untuk pemindaian percakapan dari Toshiba tak hanya mengenali percakapan dengan akurasi yang baik, namun juga mendeteksi jeda (filler) dan keragu-raguan (hesitation marker) saat berbicara. Dengan memanfaatkan model yang kian populer seperti Long Short-Term Memory (LSTM) dan Connectionist Temporal Classification (CTC), AI diajari untuk mengenal keunikan dalam percakapan, seperti jeda dan keragu-raguan yang hanya dimiliki manusia.

Ketika dipakai dalam kegiatan perkuliahan sebagai verifikasi, AI untuk pemindaian percakapan mencapai rasio sebesar 85%, yakni mampu mengenali konten pembicaraan di atas level tertentu tanpa perlu menyunting atau pembelajaran lebih lanjut. Toshiba akan terus membenahi teknologi ini demi mewujudkan pemindaian percakapan yang sepenuhnya akurat. Dengan demikian, Toshiba membantu para pembicara dari berbahasa yang berbeda-beda agar mereka dapat saling berbincang dengan lancar.

Toshiba juga menyadari potensi penggunaaan AI untuk pemindaian percakapan di sektor manufaktur. Sektor ini membutuhkan pengumpulan dan perekaman suara tanpa bantuan tangan (hands-free) di berbagai pabrik saat kegiatan pemeliharaan dan inspeksi berlangsung. Ke depan, Toshiba ingin memanfaatkan wawasan dan keahliannya di sejumlah fasilitas manufaktur untuk mengintegrasikan pemindaian percakapan secara lancar ke dalam kegiatan operasional pabrik.

Foto - https://photos.prnasia.com/prnh/20191223/2678594-1-a?lang=0
Foto - https://photos.prnasia.com/prnh/20191223/2678594-1-b?lang=0
Foto - https://photos.prnasia.com/prnh/20191223/2678594-1-c?lang=0