0:00:00.000,0:00:05.734
Google Wave: Обработка естественных языков.

0:00:05.734,0:00:08.234
Вайтлоу: Привет. Я Кэйси Вайтлоу.

0:00:08.234,0:00:09.234
Я технический руководитель

0:00:09.234,0:00:10.567
группы обработки естественных языков

0:00:10.567,0:00:12.501
здесь в Сиднее,[br]и сегодня я собираюсь немного

0:00:12.501,0:00:13.901
поговорить с вами

0:00:13.901,0:00:16.601
о тех крутых вещах,[br]которые мы внедрили в Google Wave.

0:00:16.601,0:00:18.834
Одна из главных целей,

0:00:18.834,0:00:21.834
преследуемых нами в Google Wave - [br]это эффективность.

0:00:21.834,0:00:23.734
Мы хотим, чтобы пользователи [br]продолжали эффективно работать

0:00:23.734,0:00:25.734
как при чтении,[br]так и при наборе текста.

0:00:25.734,0:00:27.601
Один из способов, [br]который мы разработали для этой цели

0:00:27.601,0:00:29.267
- это наша[br]система проверки орфографии.

0:00:29.267,0:00:32.234
Мы бы хотели, чтобы[br]пользователи могли

0:00:32.234,0:00:34.534
сосредоточиться на том, что они пишут[br]и не беспокоиться

0:00:34.534,0:00:36.801
опечатались они где-нибудь, [br]или нет.

0:00:36.801,0:00:39.000
Мы считаем, что если люди [br]могли бы чуть-чуть расслабиться

0:00:39.000,0:00:41.100
или просто печатать на 5% быстрее,

0:00:41.100,0:00:43.400
то они бы тратили [br]на 5% меньше времени на набор текста.

0:00:43.400,0:00:45.734
Итак, я приведу пример.

0:00:45.734,0:00:47.801
Это, наверное, [br]самый легкий способ для объяснения.

0:00:47.801,0:00:51.133
Представим, что Вы хотите встретиться[br]с кем-то из друзей.

0:00:51.133,0:00:52.300
Вы договариваетесь о встрече.

0:00:52.300,0:00:54.534
И пишете...

0:00:54.534,0:00:56.467
[пишет][br]Let's [Давай]

0:00:56.467,0:00:58.434
met [встретились]...

0:00:58.434,0:01:00.067
упс...

0:01:00.067,0:01:03.767
tomorrow [завтра].

0:01:03.767,0:01:05.567
Вы видите, что[br]я допустил ошибку

0:01:05.567,0:01:07.516
Я тут написал "met" [встретились],[br]вместо "meet" [встретимся].

0:01:07.516,0:01:09.501
Мой палец пропустил букву "e".

0:01:09.501,0:01:13.534
Мы реализовали проверку орфографии

0:01:13.534,0:01:16.968
путем создания автоматизированного [br]участника и назвали его Спелли.

0:01:16.968,0:01:19.767
Он работает прямо как[br]ещё один пользователь,

0:01:19.767,0:01:21.767
который участвует [br]в волне наравне с вами

0:01:21.767,0:01:24.334
Итак, Спелли на волне[br]с вами,

0:01:24.334,0:01:29.267
и он может увидеть, что вы[br]написали "Let's met tomorrow" [br][Давай встретились завтра]

0:01:29.267,0:01:31.367
и попробует проверить[br]правильность написанного.

0:01:31.367,0:01:32.901
По каждому слову...

0:01:32.901,0:01:35.534
У него нет никаких [br]словарей,

0:01:35.534,0:01:39.534
так что он не может знать, [br]правильное ли слово "met" [встретились]

0:01:39.534,0:01:40.834
или ошибка.

0:01:40.834,0:01:43.100
Для начала он [br]предлагает список

0:01:43.100,0:01:46.634
возможных кандидатов[br]для исправления этого слова.

0:01:46.634,0:01:50.367
Например, это могут быть

0:01:50.367,0:01:53.400
"meat" [мясо], т.е. еда...

0:01:53.400,0:01:56.868
или "meet" [встретимся], правильный[br]вариант в нашем случае.

0:01:56.868,0:01:59.367
Вы можете придумать ещё[br]множество подобных вариантов.

0:01:59.367,0:02:02.200
Например "set" [установим], [br]или "net" [сеть], [br]или "me" [мне] —

0:02:02.200,0:02:05.367
все варианты слов, [br]какие мы могли бы рассматривать,

0:02:05.367,0:02:09.199
чтоб понять, что же вы [br]на самом деле хотели написать.

0:02:09.199,0:02:12.734
Мы научились у Интернета,

0:02:12.734,0:02:14.934
какого рода опечатки [br]допускают люди,

0:02:14.934,0:02:17.200
и какие варианты более[br]или менее подходят.

0:02:17.200,0:02:18.834
Итак мы понимаем, что,[br]к примеру,

0:02:18.834,0:02:20.634
случайная вставка буквы "a"

0:02:20.634,0:02:22.300
вполне вероятна,

0:02:22.300,0:02:25.434
а пропуск самой первой буквы слова

0:02:25.434,0:02:28.467
менее вероятен[br]в данном случае.

0:02:28.467,0:02:32.667
Итак, у нас есть некие предположения,[br]и далее мы собираемся

0:02:32.667,0:02:34.667
оценить наши предположения[br]в контексте.

0:02:34.667,0:02:38.067
Некоторые сервисы Google уже используют

0:02:38.067,0:02:40.434
подобную статистическую[br]языковую модель,

0:02:40.434,0:02:42.467
например, Google Переводчик,

0:02:42.467,0:02:44.367
который обрабатывает информацию

0:02:44.367,0:02:46.133
о том, как используется язык.

0:02:46.133,0:02:47.968
Данные системы обучались Интернетом,

0:02:47.968,0:02:49.734
прорабатывая миллиарды веб-страниц,

0:02:49.734,0:02:51.217
и дали нам по-настоящему хорошее представление

0:02:51.217,0:02:53.734
о том, как же на самом деле[br]общаются люди.

0:02:53.734,0:02:55.434
Далее мы бы оценивали

0:02:55.434,0:02:58.834
вероятность правильности предложений[br]типа "Давай встретились завтра"

0:02:58.834,0:03:02.067
и "Давай мясо завтра" - они менее вероятны,

0:03:02.067,0:03:03.767
и "Давай встретимся завтра"

0:03:03.767,0:03:06.267
которое больше похоже на правду, [br]нежели предыдущие.

0:03:06.267,0:03:08.300
Для этого мы совмещаем статистическую модель[br]с нашей моделью ошибок,

0:03:08.300,0:03:10.200
которая высчитает вероятность каждой [br]опечатки,

0:03:10.200,0:03:13.834
не учитывая контекст, для финального определения

0:03:13.834,0:03:15.901
тех слов,

0:03:15.901,0:03:19.200
которые вы могли подразумевать при написании.

0:03:19.200,0:03:22.000
Так, в данном случае мы бы предложили [br]"встретимся" [meet].

0:03:22.000,0:03:25.467
Как только мы поняли, что в слове ошибка,

0:03:25.467,0:03:29.100
мы должны отобразить [br]эту информацию в Google Wave-клиенте,

0:03:29.100,0:03:31.667
чтобы пользователь мог увидеть ее

0:03:31.667,0:03:34.701
и исправить ее вручную, либо же автоматически.

0:03:34.701,0:03:36.067
Наша система проверки орфографии

0:03:36.067,0:03:38.834
несколько отличается от существующих систем.

0:03:38.834,0:03:42.000
Одно из отличий в том, [br]что система работает на сервере.

0:03:42.000,0:03:44.100
А это значит, что качество проверки

0:03:44.100,0:03:46.033
орфографии не зависит

0:03:46.033,0:03:49.434
от того, с какого устройства Вы работаете.

0:03:49.434,0:03:52.767
Так что независимо от того, используете ли Вы[br]стационарный компьютер

0:03:52.767,0:03:56.000
или же ноутбук - вы получите такую же [br]качественную проверку орфографии.

0:03:56.000,0:03:57.901
Это же справедливо и в языковом плане,

0:03:57.901,0:03:59.467
то есть мы реализовали это

0:03:59.467,0:04:01.267
и для других алфавитных языков.

0:04:01.267,0:04:06.667
Как я говорил, мы используем огромные [br]статистические языковые модели.

0:04:06.667,0:04:07.801
Под огромными я подразумеваю

0:04:07.801,0:04:09.801
модели с миллиардами слов.

0:04:09.801,0:04:12.033
Которые вылились в много-много гигабайт данных.

0:04:12.033,0:04:15.501
Их невозможно запустить на одной машине,

0:04:15.501,0:04:17.601
но это совсем не проблематично в датацентре,

0:04:17.601,0:04:19.233
где множество машин работают

0:04:19.233,0:04:22.200
над языковой и орфографической моделью вместе.

0:04:22.200,0:04:27.167
Более того, мы можем сделать эту орфографическую[br]систему

0:04:27.167,0:04:28.734
доступной всем пользователям,

0:04:28.734,0:04:30.767
поэтому стоимость в расчете на пользователя[br]очень незначительна.

0:04:30.767,0:04:33.534
Поэтому для нас это очень выгодно.

0:04:33.534,0:04:35.667
После того, как приходит осознание, что[br]у вас есть система,

0:04:35.667,0:04:37.801
которая поддерживает совместное одновременное [br]редактирование,

0:04:37.801,0:04:39.501
которая обладает структурированной моделью[br]данных,

0:04:39.501,0:04:42.667
и что вы можете менять[br]пользовательский интерфейс,

0:04:42.667,0:04:45.167
приглашая удаленных участников,

0:04:45.167,0:04:47.200
тогда действительно понимаешь, что [br]нет предела совершенству.

0:04:47.200,0:04:49.434
Я имею ввиду,[br]что мы можем применять

0:04:49.434,0:04:51.367
все существующие технологии обработки[br]естественных языков,

0:04:51.400,0:04:53.100
типа проверки орфографии[br]или перевода

0:04:53.100,0:04:55.667
и продолжаем искать[br]новые приложения,

0:04:55.667,0:04:57.667
так как наши способы и методы[br]общения постоянно меняются.

0:04:57.667,0:05:00.868
Я считаю, нас ждут[br]по-настоящему удивительные времена.