కంప్యూటర్ యుగంలో మరో కొత్త చరిత్రను లిఖించబోయే ఆవిష్కరణ ఆర్టిఫీషియల్ ఇంటెలిజెన్స్ (AI). ఈవిభాగంలో ప్రస్తుతానికి గూగుల్ కంటే మైక్రోసాఫ్ట్ ముందంజలో ఉంది. చాట్ జీపీటీ కంపెనీలో భారీ పెట్టుబడులు పెట్టడం ద్వారా బిల్ గేట్స్ AI విభాగంలో కీలకమైన పావును కదిపారు. ఇంటర్నెట్ సెర్చ్ ఇంజన్ విభాగంలో గూగుల్ ను ఢీకొనలేకపోయిన బిల్ గేట్స్.. AIలో మాత్రం పైచేయి సాధించడంలో సక్సెస్ అయ్యారు. ఈనేపథ్యంలో గూగుల్ అలర్ట్ అయింది. మైక్రో సాఫ్ట్ ను ఢీకొనేలా AI టూల్ ను అభివృద్ధి చేయడంపై గూగుల్ ఫోకస్ పెట్టింది.
ఈక్రమంలో అమెరికా కాలిఫోర్నియా నగరం మౌంటెన్‌ వ్యూ వేదికగా మే 10న జరగబోయే I/O ఈవెంట్‌లో 20కి పైగా AI ఆధారిత ఉత్పత్తులను ప్రదర్శించడానికి Google సిద్ధమవుతోంది. దీనికంటే ముఖ్యమైన మరో టూల్ ను కూడా గూగుల్ ఇంట్రడ్యూస్ చేయ బోతోంది. అదే Universal Speech Model (USM). ఇది వంద కాదు.. రెండు వందలు కాదు.. 1,000 భాషలకు మద్దతు ఇచ్చే AI లాంగ్వేజ్ మోడల్‌. ఇది ఎంత పెద్ద డేటా బేస్ అంటే.. ఇందులో 2800 కోట్ల వాక్యాలు, 1.20 కోట్ల స్పీచ్ లు, 200 కోట్ల పద్ధతుల్లో డెవలప్ చేసిన స్పీచ్ మోడల్స్ వేదిక. వీటన్నింటితో ట్రైనింగ్ ఇచ్చిన అడ్వాన్స్ డ్ ai ఇంజన్ USM. మైక్రోసాఫ్ట్ chatgpt ని ఛాలెంజ్ చేసేందుకు .. తన ai చాట్ బాట్ bardలోకి USM ను రంగంలోకి దింపాలని గూగుల్ యోచిస్తోంది.
గూగుల్ USM అంటే?
గూగుల్ 2022 నవంబర్‌లో జరిగిన ఈవెంట్‌లో ఈ ఏఐ ఆధారిత స‍్పీచ్‌ను యూజర్లకు అందిస్తామని తెలపగా.. ఆ ప్రకటనకు కొనసాగింపుగా ప్రపంచంలో అత్యధికంగా మాట్లాడే 1000 భాషలను ఏఐ పద్దతిలో యూజర్లు వినియోగించుకోవచ్చని తాజాగా తెలిపింది. ఇందుకోసం 300 భాషల్లో 2 బిలియన్ పారమీటర్స్‌లో శిక్షణ ఇచ్చి 12 గంటల మిలియన్ గంటల ప్రసంగం, 28 బిలియన్ సెంటెన్స్‌ను తయారు చేసినట్లు గూగుల్ పేర్కొంది.
YouTube లో ఇప్పటికే USM ఉపయోగం
YouTube ఇప్పటికే USM ని ఉపయోగిస్తోంది. ఉదాహరణకు మూసివేసిన శీర్షికలను చూపడానికి హెల్ప్ చేస్తుంది. AI ఆటోమేటిక్ స్పీచ్ రికగ్నిషన్ (ASR)ని కూడా చేయగలదు. ఇది ఇంగ్లీష్, మాండరిన్, అమ్హారిక్, సెబువానో, అస్సామీ మరియు మరిన్నింటిని ఆటో మేటిక్ గా గుర్తించి, అనువదిస్తుంది. USM ప్రస్తుతం 100కి పైగా భాషల్లో ASRని చేయగలదు. USM 30% కంటే తక్కువ పద దోష రేటు (WER)ని కలిగి ఉందని కంపెనీ తెలిపింది. మరోవైపు, OpenAI యొక్క విస్పర్ (పెద్ద-v2) అధిక WERని కలిగి ఉంది.
USM ఎలా ఉపయోగించుకోవచ్చు:
గూగుల్ ఈ సాంకేతికతను ఆగ్మెంటెడ్-రియాలిటీ (AR) గ్లాసెస్‌లో ఉపయోగించాలని భావిస్తుంది. కంపెనీ తన ఐ/ఓ 2022 ఈవెంట్‌లో చూపినట్లుగా ఏఆర్‌ గ్లాసెస్‌ను ధరిస్తే మనం చూసే ప్రతి దృశ్యాన్ని కావాల్సిన లాంగ్వేజ్‌లలో ట్రాన్సలేట్‌ అవుతుంది. ఈ టెక్నాలజీ వినియోగంలోకి రావాలంటే ఇంకా మరింత సమయం పట్టనుంది.
Also Read: Maoist Mother: మావోయిస్టు టాప్ కేడర్ లీడర్ జగన్ తల్లి కన్నుమూత