وفق منظمة الصحة العالمية يوجد أكثر من 466 مليون شخص يعانون من ضعف السمع أو الصمم وهم يشكلون أكثر من 5 في المئة من سكان العالم، وسيرتفع العدد إلى 900 مليون في 2050.
بما أن : نشرات أخبار، إرشادات للحماية من كورونا المستجد، إرشادات للسفر، وغيرها من المقاطع المصورة التي يتم نشرها عبر الشبكات الاجتماعية، لا يحمل عديد منها أي وصف أو نص لما يقال على الشاشة، ما يجعل مجموعة من الناس حول العالم محرومين من معرفة ما يدور حولهم، وهم من يعانون من ضعف السمع أو الصمم.
لما ذكرناه سابقا، قررت فيسبوك أن تطور نظاما يعتمد على الذكاء الاصطناعي، ليقوم بإضافة نص الفيديو أو تفريغ لما يقال به بشكل مباشر، بحيث يستطيع أي شخص يشاهده قراءة ما يتحدثون به أيضا على الشاشة، حتى وإن كانت هذه المقاطع المصورة يتم بثها بشكل مباشر.
وأتاحت فيسبوك هذا النظام حاليا بست لغات: الإنكليزية، الإسبانية، البرتغالية، الإيطالية، الألمانية والفرنسية.
وأوضح بيان من الشركة أن هذا الأمر لم يكن سينجح لولا تطور تقنيات الذكاء الاصطناعي خاصة تلك التي تتيح التعرف بشكل تلقاي على الكلام الذي يتم الحديث به “ASR”.
وأشارت إلى أنه رغم وجود هذه التقنية منذ مطلع الألفية الثانية، إلا أنها لا تزال تواجه تحديات خاصة في التمييز بين اللهجات في اللغة الواحدة، أو بوجود أكثر من شخص يتحدث في الوقت ذاته، أو عزل صوت الموسيقى الذي يكون مصاحبا للفيديو.
كما أن النظام يحتاج أن يتعلم ملايين الكلمات والاحتمالات لطريقة لفظها، وحتى بما في ذلك المصطلحات غير الشائعة، وهي مهمة أصعب من مهام أنظمة الرد الآلي التي تعتمد على مجموعة احتمالات وكلمات محددة مسبقا.
ويقوم هذا النظام بمعالجة كل صوت يسمعه وتحليله في عدة مراحل، تبدأ بتمييز الصوت من المقاطع الصوتية القصيرة، ومن ثم مقارنتها مع معجم النطق، ومن ثم كيفية دمجها لتشكيل كلمة معينة، ومن ثم إيجاد علاقات بين الكلمات التي يسمعها النظام والتي يمكن أن تظهر معا لتشكل جملة كاملة.
ولكن ارتفاع حركة البيانات والتي تتعلق بالفيديوهات أصبحت كبيرة وهائلة، ولمعالجتها بشكل دقيق وعملي، تم إضافة مراحل معالجة إضافية، وهي تعتمد على “المحولات العصبية”/ (RNN)، والذي يعتمد أيضا على تحليل الكلمات والجمل اعتمادا على الترددات والموجات في الصوت، وهو يستخدم بشكل أكبر في المقاطع المصورة التي تكون محملة على فيسبوك، حيث يتمكن النظام من فك شيفرة ترددات الأمواج فيها.
وتشير فيسبوك إلى أنه رغم تطور الأنظمة والتقنيات المستخدمة في هذه الخدمة، إلا أنها تبقى عرضة للخطأ أحيانا خاصة عندما تكون بعض اللهجات غير معروفة لدى النظام، أو بلفظ خاطئ للكلمات.
