A YouTube-on nap mint nap tal\u00e1lkozunk automatikusan gener\u00e1lt vagy leford\u00edtott feliratokkal. A platform c\u00e9lja, hogy min\u00e9l t\u00f6bb felhaszn\u00e1l\u00f3 sz\u00e1m\u00e1ra tegye el\u00e9rhet\u0151v\u00e9 a tartalmakat nyelvi akad\u00e1lyok n\u00e9lk\u00fcl. De vajon milyen mesters\u00e9gesintelligencia-rendszerek v\u00e9gzik ezt a feladatot a h\u00e1tt\u00e9rben?<\/p>\n\n\n\n
A Google, a YouTube tulajdonosa, m\u00e1r hossz\u00fa \u00e9vek \u00f3ta vezet\u0151 szerepet t\u00f6lt be az MI-alap\u00fa nyelvfeldolgoz\u00e1s ter\u00fclet\u00e9n. A YouTube feliratoz\u00e1si \u00e9s ford\u00edt\u00e1si folyamatai szorosan kapcsol\u00f3dnak a Google fejlett nyelvi modelljeihez \u00e9s ford\u00edt\u00f3rendszereihez, amelyek egyre pontosabb \u00e9s g\u00f6rd\u00fcl\u00e9kenyebb feliratokat biztos\u00edtanak.<\/p>\n\n\n\n
L\u00e9p\u00e9sr\u0151l-l\u00e9p\u00e9sre A besz\u00e9dfelismer\u00e9s sor\u00e1n az MI-modell nemcsak az egyes szavakat pr\u00f3b\u00e1lja le\u00edrni, hanem figyelembe veszi a mondatszerkezetet, a nyelvtani szab\u00e1lyokat \u00e9s a term\u00e9szetes besz\u00e9d jellemz\u0151it is. A pontoss\u00e1g itt kulcsfontoss\u00e1g\u00fa, hiszen minden tov\u00e1bbi l\u00e9p\u00e9s erre az alapra \u00e9p\u00fcl. Az \u00edgy l\u00e9trej\u00f6v\u0151 automatikus feliratok a felhaszn\u00e1l\u00f3k sz\u00e1m\u00e1ra is el\u00e9rhet\u0151k, \u00e9s sok esetben ezek szolg\u00e1lnak a g\u00e9pi ford\u00edt\u00e1s alapj\u00e1ul.<\/p>\n\n\n\n Ezut\u00e1n l\u00e9p m\u0171k\u00f6d\u00e9sbe a Google Neural Machine Translation<\/a> (GNMT), amely a sz\u00f6veget a k\u00edv\u00e1nt nyelvre ford\u00edtja. A GNMT neur\u00e1lis h\u00e1l\u00f3zatokat haszn\u00e1l arra, hogy ne csak egy\u00e9ni szavakat, hanem teljes mondatok \u00e9s sz\u00f6vegk\u00f6rnyezetek jelent\u00e9s\u00e9t is meg\u00e9rtse. A rendszer p\u00e9ld\u00e1ul k\u00e9pes felismerni, hogy egy adott kifejez\u00e9s t\u00f6bbf\u00e9lek\u00e9pp is ford\u00edthat\u00f3, \u00e9s az adott kontextus alapj\u00e1n v\u00e1lasztja ki a legmegfelel\u0151bb megold\u00e1st. Ez a fajta intelligens ford\u00edt\u00e1s hatalmas el\u0151rel\u00e9p\u00e9st jelent a kor\u00e1bbi, szab\u00e1lyalap\u00fa rendszerekhez k\u00e9pest.<\/p>\n\n\n\n Kontextus\u00e9rz\u00e9keny MI-modellek
A YouTube automatikus feliratoz\u00e1sa egy \u00f6sszetett, t\u00f6bbl\u00e9pcs\u0151s folyamat, amely els\u0151k\u00e9nt a hangot alak\u00edtja \u00e1t \u00edrott sz\u00f6vegg\u00e9. Ezt a l\u00e9p\u00e9st a Google Speech-to-Text API<\/a> v\u00e9gzi, amely fejlett g\u00e9pi tanul\u00e1si algoritmusokat haszn\u00e1l a besz\u00e9d felismer\u00e9s\u00e9re. A rendszer k\u00e9pes t\u00f6bb nyelvet is felismerni, \u00e9rz\u00e9keli a besz\u00e9l\u0151 hangsz\u00edn\u00e9t, akcentus\u00e1t, \u00e9s m\u00e9g a h\u00e1tt\u00e9rzajokat is k\u00e9pes kisz\u0171rni egy bizonyos pontig. Ez k\u00fcl\u00f6n\u00f6sen fontos, hiszen a YouTube-on felt\u00f6lt\u00f6tt vide\u00f3k hangmin\u0151s\u00e9ge nagyban elt\u00e9rhet egym\u00e1st\u00f3l.<\/p>\n\n\n\n
A feliratok min\u0151s\u00e9g\u00e9nek jav\u00edt\u00e1sa \u00e9rdek\u00e9ben a Google a legmodernebb term\u00e9szetes nyelvfeldolgoz\u00f3 (NLP) modelleket is beveti. Ilyen p\u00e9ld\u00e1ul a BERT (Bidirectional Encoder Representations from Transformers), amely k\u00e9pes egyszerre el\u0151re \u00e9s visszafel\u00e9 is olvasni egy sz\u00f6veget, \u00edgy az adott sz\u00f3 vagy kifejez\u00e9s pontos jelent\u00e9s\u00e9t k\u00e9pes a sz\u00f6veg eg\u00e9sz\u00e9nek t\u00fckr\u00e9ben \u00e9rtelmezni. Ez k\u00fcl\u00f6n\u00f6sen hasznos a t\u00f6bb\u00e9rtelm\u0171 vagy kultur\u00e1lisan \u00e1rnyalt kifejez\u00e9sek eset\u00e9n.<\/p>\n\n\n\n