A 2013-ban alapított, Írországban működő SoapBox Labs célja, hogy saját meghatározása szerint "a világ legpontosabb és leginkább hozzáférhető beszédtechnológiáját" fejlessze ki a gyerekek számára. A startup létrejötte arra a felvetésre alapult, hogy a beszédfelismerő megoldások jellemzően a felnőtteknek készülnek, és a legfiatalabb felhasználókkal még a konzumer piac vezető termékei sem jól működnek együtt, mint amilyen mondjuk az Amazon Echo vagy a Google Home.

Nem úgy működnek, mint a felnőttek

A SoapBox a hardver- és alkalmazásfejlesztőket segítené technológiájával: a vállalkozás cloud alapú alkalmazásprogramozási felületének integrációjával a rendszereket vezérlő algoritmusok a gyerekek beszédét is annyira eredményesen dolgohatják fel, mint a felnőttekét. Ez érdekes lehet az olvasást vagy a nyelvi készségeket formáló appok számára, de a hangvezérlés már nagyon sok területen jelen van az IoT eszközöktől az okos otthoni kellékeken át a játékokig vagy a kiterjesztett valóságig.

A felnőttekkel összehasonlítva nyilvánvaló különbség, hogy a gyerekeknek magasabb a hangjuk, és gyakran használnak az elfogadottól teljesen eltérő beszédfordulatokat. Ráadásul nem is igazán zavartatják magukat, ha éppen egy géphez beszélnek: miközben a felnőttek akaratlanul is igyekeznek úgy alakítani saját kommunikációjukat, hogy a gépek (praktikusan a hangvezérelt digitális asszisztensek) minél hatékonyabban működjenek, addig a legkisebbek erre még nem igazán képesek.

A SoapBox Labs alapítója, Dr. Patricia Scanlon a Bell Labs korábbi munkatársa, és PhD fokozata mellett közel két évtizedes múltja van a beszédfelismerő rendszerek fejlesztésében. Elmondása szerint ebből a szempontból akkora a különbség a gyerekek és a felnőttek között, hogy az elmúlt néhány évben egy nagy csomó addigi kutatási eredményt kellett kihajítaniuk az ablakon, mivel a felnőttek vizsgálatára épülő modellek gyenge eredményekhez vezetnek, ha a kisebbekre alkalmazzák azokat – derül ki a TechCrunch riportjából.

Tudnia kell a gépnek, kivel áll szemben

A startup az elmúlt években saját adatkészletet épített kifejezetten a gyerekek vizsgálatával, amelyhez saját kutatások is társulnak a hang és a viselkedés jellemzésére. A cég platformja nem meglepő módon a mesterséges intelligencia (a gépi mély tanulás) lehetőségeire épül, ami a SoapBox által fejlesztett új modellekkel és értékelő algoritmusokkal együtt az eddigieknél sokkal pontosabb beszédfelismerő technológiához a gyerekekkel kapcsolatban.

Az angol nyelvű API elérhetővé tételére már sor került, a TechCrunch értesülései szerint pedig a közeljövőben néhány nagyszabású együttműködési megállapodás bejelentésére számíthatunk. A SoapBox Labs nemrég jutott több mint 2 millió euró befektetői forráshoz, hogy platformjára más nyelveket is elkezdjen bevezetni.

Érdekesség, hogy Dr. Scanlon szerint a gyerekek beszédét értelmező rendszerek, bár nehezebb fejleszteni azokat, egyáltalán nem működnek jobban a felnőttekre alkalmazva, vagyis a különbségek oda-vissza akadályt jelentenek. Éppen ezért a mostani tudásunk szerint két, egymástól elkülönült megoldásra lesz szüksége a hang alapú kommunikációra tervezett gépeknek. A későbbi eszközöknek meg kell állapítaniuk, hogy gyerek vagy felnőtt beszél hozzájuk, és aszerint kell váltogatniuk a felhasznált adatkészleteket.

A gépnek ráadásul ehhez kell majd igazítania az interakció lehetőségeit is, hiszen a gyerekekkel való hatékonyabb kommunikáció még nem jelenti, hogy a felnőttekével megegyező felhasználói jogosultságok járnának nekik.