2020-03-19 | 민병권 기자

“从方言到传染病,汇集提升AI辨别力的数据库”

本页标题和正文均由AI机器翻译,未经人工审校。准确内容请以韩文原文为准。

“参加人工智能(AI)面试时,最重要的是发音要准确。”

近来企业在招聘员工时采用人工智能(AI)面试的情况增多,这是就业导师们经常传授的诀窍。虽然AI技术已大幅进步,但迄今仍难以完全识别因人而异的发音和语调。尤其是夹杂方言,或因发声障碍等而口吃的情况,AI出现识别错误的可能性很高。此外,若对话中夹杂专业领域词汇,AI无法正确理解的风险更大。人类也是通过与众多人在各种情境下对话、经历修正识别错误的学习过程,才逐步提高沟通的识别准确度。AI要经历同样的学习过程,就需要海量的优质语言数据。政府已大幅增加对包括此类语音数据在内、可提升AI识别能力的学习用数据建设的投资。

韩国科学技术情报通信部19日表示,将AI学习用数据事业公开招标预算较上年增加约一倍,定为390亿韩元规模,并自20日起开始受理今年事业的招标申请。招标课题也较上年增加一倍,扩大至20个。入选课题每个事业最多可获得20亿韩元的配套资金支持。支持对象为AI应用开发企业、AI数据采集及加工企业等组成的联合体。

招标领域为重点数据建设10种和基于创新市场需求的数据10种。其中包括涵盖按年龄段发声、方言、发声障碍等,使AI能够进行广泛韩语自由连续对话的“韩语对话·语音课题”。为使AI能够正确听懂并解析在线网站等处科学技术、行政·法律、文化内容等专业领域英语的“专业领域韩英语料库”也是课题之一。

除语言识别外,还包括为正确判断和处理视觉等各类感官资料的数据招标课题。例如,为提高对南大门等韩国代表性建筑物图像识别能力的“地标图像”课题。为训练AI适当避开障碍物进行操控的“无人机行驶影像”课题、提高辨别网络上流传的虚假影像真伪能力的“深度伪造追踪影像”课题等也作为本次招标事业的一部分推进。

此次招标课题中有10种采用自由招标方式。这是为了及时应对传染病等近期需求,并反映数据三法修订后利用化名信息的市场需求。同时也意在与医疗、金融等主要政府政策相衔接。

科学技术信息通信部计划汇总申请内容后,于4月底进行选定评审,5月底签订协议。随后从6月起启动AI学习用数据集建设工作。建成的数据将分两批通过AI Hub开放(第一批8月,第二批12月)。

该事业早在2017年即已推进。截至去年的3年间,共建成并开放了21种4650万件AI学习数据。不过,国内众多AI及机器人开发者大多利用谷歌基于韩语、英语等已大规模建成并开放的AI学习数据库开发应用或硬件,因此需要注意,若政府不能相对这类全球企业的数据库实现明确差异化,可能只是浪费预算。

阅读韩文原文