Ses izi tanımanın ayrıntılı açıklaması: En güçlü beyinde Xiaodu'nun insanlara karşı yaptığı çekim nasıl doğru bir şekilde değerlendirilir? Özel Analiz
Lei Feng.com basını: Yazar Chen Xiaoliang, Ph.D., Sound Intelligence Technology'nin kurucusu, Çin Bilimler Akademisi Akustik Enstitüsü'nün eski yardımcı araştırmacısı ve Bilgi Ofisi direktörü, Şanghay İleri Araştırma Enstitüsü'nün konuğu Çin Bilimler Akademisi'nden, Pekin Kamu Güvenliği Bürosu'nun ilk ağ acil durum uzmanı, esas olarak akustik sinyal işleme ve GPU derin öğrenme algoritması araştırma çalışmalarıyla uğraşıyor. Bu makale Lei Feng.com'un özel ilk makalesidir.
Baidu Xiaodu'nun "Güçlü Beyin" yarışmasında ses ayrımcılığında en iyisi olarak kabul edilen Sun Yiting ile 1:1 berabere kalması, bazı medya takip raporlarını tetikledi.Hoş bir şekilde şaşırdık ve bazı makalelerdeki raporların gerçek dışı olduğunu gördük. yanlış. , bu tür başıboş abartmalar aslında Baidu'nun ağzından çıkan sözler için zararlıdır. Yarım asrı aşan iniş çıkışların ardından yapay zekanın uygulama senaryolarına girmeye başladığını her zaman net bir şekilde anlamalıyız.Gerçekten çok heyecan verici bir şey ama bu yapay zekanın gerçekten zeki olduğu ve insanı geride bıraktığı anlamına gelmiyor. . Aslında, bu sadece başlangıç ve AI'nın daha gidecek çok yolu var.
1. Xiaodu ses izi tanımanın zorluğu, fiziksel algı sorununu atlayan derin öğrenmedir.
Önce "Güçlü Beyin" yarışmasında geçen sahneye bir bakalım.Önce konuk Jay Chou 21 profesyonel koro üyesi arasından üç şarkıcı seçip onlarla canlı bir görüşme yaptı.Çağrı kaydı parçalara bölündü ve ardından ses kaydı. insan-makine Bu çağrı parçalarına dayanarak, sonraki koro performanslarında aynı anda üç şarkıcıyı tanımlayın. Burada küçük bir bölüm var.Jay Chou giriş sırasında seyircilerden ve diğer konuklardan yerinde test etmelerini istedi.Hiçbir seyirci koroda hangi şarkıcının eksik olduğunu doğru bir şekilde belirleyemez.Bu aslında hiç adil değil. Seyircinin işittiği stüdyo sahnesinde ses sistemi tarafından büyütülen sesti.Bu sesler mimari ortam ve ses sistemi tarafından birçok kez kirlendi ve ses karıştırıldı.Zorluk fiziksel sınırı tamamen zorladı. Ancak gerçek oyunda, TV ekranının sahne analizinden, durum hiç de öyle değil. "En güçlü beyin" program grubu tarafından belirlenen konseptin zorluğu ve takibi, gerçek uygulama sürecinde büyük ölçüde indirimli, yani çok yanıltıcı..
Her şarkıcının bağımsız bir mikrofonun önüne yerleştirildiğini iki video ekran görüntüsünden görebiliyoruz, bu da görünüşte dinamik olma olasılığı daha yüksek. Dinamik mikrofonların hassasiyeti kondenser mikrofonlara göre daha düşüktür ve alınabilen ses frekans aralığı kondenser mikrofonlarınki kadar iyi değildir. . Dinamik mikrofonlar, çoğunlukla gürültü girişimini önlemek için sahne kaydında kullanılır. Ek olarak, herhangi bir şarkıcının sesini yükseltmek için Sun Yiting'in önüne 21 düğme yerleştirilmiştir.Aynı zamanda Sun Yiting, sesi dinlemek için kulaklık takar.
Bu nedenle, program ekibi tarafından özel olarak düzenlenen akustik sahnenin düzeni iki soruyu gündeme getiriyor:
-
Bir: her şarkıcının sesi aslında ayrı ayrı kaydedilir ve her şarkıcı ile canlı gürültü girişimi arasında karşılıklı parazit sorunu yoktur ve Sun Yiting tarafından duyulan ses ile izleyiciler tarafından duyulan ses ve öndeki ses TV. Herkes farklı sesler duyar.
Sun Yiting'in duyduğu ses, stüdyo ses sistemi aracılığıyla karıştırılan her bir koronun bağımsız ses parçasının sesidir (bunun miks yöntemiyle de doğrulanması gerekir), Sun Yiting'in kulaklıklarının müzik miksini içerip içermediğine gelince, onu alamıyoruz. henüz TV'den. Ekranda onaylayın. Canlı izleyici tarafından duyulan ses, stüdyo ses güçlendirme sistemi ve stüdyo mimari akustik tasarımından ciddi şekilde etkilenecektir. TV izleyicilerinin duyduğu ses, TV'nin ses kodek sisteminden de büyük ölçüde etkilenir.
-
İkincisi: Baidu'nun Xiaodu robotu tarafından elde edilen ses nedir? 21 şarkıcının bağımsız ses kayıtları doğrudan elde edilirse, fiziksel algıdaki tüm zorluklar tamamen atlanır ve bu sadece bir derin öğrenme algoritmaları yarışmasıdır.
Canlı gösteri ile elde edilen miksaj verilerinin aynısı olsa bile, robot her şarkıcının sesini insanlardan daha rahat yükseltebildiğinden, insanlara haksızlık olan mücadelenin zorluğunu da büyük ölçüde azaltır. Sinyal işleme eğitimi almış herkes, sinyal işlemenin mutlak gürültünün karışmasını umursamadığını bilir.İdeal bir sahnenin fiziksel dünyası yoktur. "Sinyal-gürültü oranı" göstergesini karşıladığı sürece, olabilir. makine işleme gereksinimlerini karşılar.
Bu nedenle, "düşük kaliteli konuşma verileri ve güçlü gürültü girişimi altında şarkı söyleme verilerinin tanınması Xiaodu için gerçekten büyük bir zorluktur" başlıklı bir makalede belirtilen cümle aslında yanlıştır. "Koro seslendirmeleri çok az değişkenlik gösterir ve birbirini etkiler" ifadesi bile kesin değildir. Xiaodu Robot'un duyduğu ses, Sun Yiting'in duyduğu ses, canlı izleyicilerin duyduğu ses ve TV izleyicilerinin duyduğu ses aslında farklı ve zorluk giderek artıyor. Son iki ses, aslında sınırın gerçek zorluklarıdır ve bu iki aşırı zorlukta hala çözülemeyen sorunlar vardır. Fiziksel dünyanın ve insan kulaklıklarının bazı özellikleri olduğundan, canlı dinleyicilerin duyduğu sesin bile dikkate alınması gereken iki zorluğu vardır:
(1) Stüdyo ses sisteminde, sesin işlenmesi orijinal ses özelliklerini kaybedecek veya alakasız özellikleri artıracak ve bu da insan kulağının işittiği sesin hatasını artıracaktır.
(2) Sahnede duyulan ses, stüdyonun mimari akustik tasarımından ve ses güçlendirme sistemi tasarımından da etkilenecektir; bu, aynı zamanda akustiğin iki özel efektinin kısıtlamalarını da içerir:
Biri Haas etkisi (Haas etkisi; Öncelik etkisi) bir binaural psikoakustik etkidir, ses gecikmesinin insan yönlü işitme üzerindeki etkisi, enerji boyutunun etkisinden daha büyüktür, bu nedenle öncelik etkisi olarak da adlandırılır.
Haas etkisi, Helm Haas tarafından 1949'daki doktora tezinde tanımlanmıştır ve genellikle mekanların ve konser salonlarının ses uyumunu ayarlamak için kullanılır. Basit bir örnek vermek gerekirse, bir sinemaya gidip hoparlörlere yakın oturursanız, duyduğunuz hemen hemen tüm sesler yakındaki hoparlörlerden gelir. Aslında sahnedeki seyirciler korodaki 21 şarkıcı arasındaki farkı anlayamadı.
ikincisi maskeleme etkisi (Maskeleme Etkisi), basitçe söylemek gerekirse, ortamdaki diğer sesler insanın duyma yeteneğini belirli bir sese indirecektir.
Bir sesin şiddeti diğerinden çok daha yüksek olduğunda, yeterince yüksek olduğunda ve iki ses aynı anda var olduğunda, insanlar sadece daha yüksek sesin sesini işitebilir, diğer sesin varlığını algılayamazlar. Bunlar arasında, düşük frekanslı sesin maskeleme aralığı, yüksek frekanslı sesin maskeleme aralığından daha büyüktür. Başka bir deyişle, sahnedeki seyirci şarkıcıların seslerini hiç tanımlayamayabilir, özelliklerini onlardan nasıl ayırt edebilir.
Tabii ki, yukarıdakiler olsa bile, daha fazla fiziksel yasa ve akustik model kısıtlaması vardır. Haas efekti ve maskeleme efekti, gerekli fiziksel sinyal hiç elde edilemeyebileceğinden, canlı izleyicinin anlayamayabileceği bir durum yaratır. . Bu, TV'nin önündeki izleyiciler için daha da zordur, çünkü dijital TV'nin ses codec bileşeni bile kayıplı sıkıştırmadır, bu da aslında birçok akustik karakteristik bilgiyi kaybeder.İster MP3 ister AAC olsun, her ikisi de insan maskesini kullanır. Efekt sıkıştırılır, ayrıca TV'nin evdeki yerleşimi mimari akustik ve ses sistemlerinin kısıtlamalarından kaçınamaz.
Bu nedenle, "En Güçlü Beyin" program grubunun izlediği zorluk ve etki, yürütme sürecinde aslında ciddi şekilde indirilmiştir.Bu yarışma, derin öğrenme algoritmaları ile insan beyni tanıma arasındaki farkı test etmek ve fiziksel algıdan kasten kaçınarak test etmektir. test setinde derin öğrenme ve derin öğrenmenin test sonuçları arasındaki temel fark.
Aslında Baidu bilim adamları bu sorun hakkında net bir anlayışa sahipler.Baidu'nun konuşma tanıma teknolojisinin başkanı Li Xiangang dürüstçe şunları söyledi:
Mevcut derin öğrenme veya ilgili teknolojiler söz konusu olduğunda, aynı anda konuşan birden fazla kişinin aynı mikrofon tarafından yakalanan verilerini işlemek gerçekten zor ve hala zorluklarımızı hak eden birçok yer var. Ancak, pratik uygulama senaryoları açısından, bu sorunu daha iyi çözebilecek başka yöntemler de vardır, örneğin yerelleştirmeyi güçlendirmek gibi.İnsanların ses kaynağını bulmak için iki kulağı olduğu gibi, pratik uygulamalarda, hedefi geliştirmek için birden fazla mikrofon kullanabiliriz. ses kaynağı ses, böylece hedef ses kaynağı çevredeki gürültüden daha iyi ayırt edilebilir.
Wu Enda Öğretmen ayrıca Baidu'nun CES'te başlattığı Little Fish robotunun 2 mikrofonla donatıldığını ve bu sayede çok kişili konuşma sorununu bir dereceye kadar çözebileceğini söyledi.İleride 4,7 ve hatta daha fazla mikrofonun kullanılabileceğini söyledi. Bu sorunla başa çıkmak için. Bu nedenle Sonic Technology'de akustik algılama teknolojisini iyileştirmeye çalışıyoruz.
Bu nedenle, burada özetlemek gerekirse, Gerçek zorlukların zorluğunu izleyicinin hissettiği zorluk açısından anlatmak abartılı olur.Abartılı tanıtım herkesin teknolojik gelişmeyi doğru anlamasını yanlış anlayacak ve böylece insanların beklentilerini artıracaktır ki bu da yurtiçi araştırma ve endüstriyel ilerleme için çok elverişsizdir. . Son derece popüler olan Google ve Amazon da dahil olmak üzere yabancı medyadan gördüğümüz yazılar yerli olanlardan daha ciddi ve muhafazakar.Google, Go'ya meydan okumak için AlphaGo'yu seçti. Amazon'un Echo'su aslında çok başarılı oldu, ancak Echo, konuşma tanıma oranı sorunundan neredeyse hiç bahsetmiyor ve hatta uzak alan tanıma için özellikle kritik olan mikrofon dizisi bile ikincil bir konuma yerleştirilmiş ve nadiren vurgulanmış, ki bu çok akıllıca. . Çünkü teknolojinin gelişimi, yerli propagandanın abartıldığı düzeye ulaşmaktan uzaktır.
Ayrıca akıllı bir Apple eklemek istiyorum.Bu alçak anahtar devi görmezden gelmeyin.Siri bunca yıldır birikmiş.Avantajı yakın alan ses etkileşimi ve akıllı kulaklıklar en iyi iniş. bir sonraki bilgi işlem platformunu kaçırın, ancak başka bir büyük pazar fırsatını sessizce yakalayın.
2. Sun Yiting'in mücadelesi daha da büyük ve Xiaodu Robot ayrıca Baidu'nun derin öğrenme düzeyini gösteriyor
Yukarıdaki analize dayanarak, TV sahnesinde gösterilenler ve gerçek çalışma süreci doğru ve gerçekse (üzgünüz, sonuçta, bu yalnızca bir eğlence programıdır, halka açık bir makale değil, doğrulanabilir, Google'ın AlphaGo'su bir kez daha akıllıca önlenir. Bu doğrulama sorunu) , Sun Yiting aslında Baidu'nun Xiaodu robotundan daha fazla zorlukla karşı karşıyadır. Adilse, insanların ve robotların karşılaştığı zorluklar son derece zordur. Baidu'nun Xiaodu robotu ayrıca Bay Wu Enda'nın Baidu'nun yapay zeka ekibine liderlik etmesi için liderlik ettiğini gösteriyor. seviye.
Bu challenge'ın en büyük zorluğu, program ekibinin tasarladığı challenge'ın klibin sesinden şarkıcıyı teşhis edebilmek. Jay Chou'nun üç şarkıcıyla yaptığı konuşmalar nispeten kısaydı ve konuşma basitçe ele alındı (sadece ele geçirildi ve şifreleme ile ilgisi yok.) Bu üç videoyu iQIYI'nin videolarından çıkardık.Sesli baskı özellikleri aşağıdaki gibidir (kapalı- sadece referans için çok sıkıştırılmış site ham sesi):
Şekilden de anlaşılacağı gibi, üç kişinin ses izi özelliklerindeki farklılıklar hala çok açık. Ama bu sadece konuşmanın ses izidir, çoğu şarkı söyleme sesi konuşan seslerden farklıdır. Lei Feng.com'da "Mevcut Durum, Sınırlamalar ve Ses İzi Tanıma Teknolojisinin Eğilimleri" açık sınıfında bahsetmiştim.Ses izi tanımanın teorik temeli, her sesin farklı insanların seslerinin etkili bir şekilde kullanılabileceği benzersiz özelliklere sahip olmasıdır. Bu benzersiz özellik esas olarak iki faktör tarafından belirlenir:
ilk olarak Ses boşluğunun boyutu , boğaz, burun boşluğu ve ağız boşluğu vb. dahil. Bu organların şekli, boyutu ve konumu, ses teli geriliminin büyüklüğünü ve ses frekanslarının aralığını belirler. Bu nedenle farklı kişiler aynı şeyi söylese de sesin frekans dağılımı farklıdır ve bazı sesler düşük, bazıları ise yüksek seslidir. Herkesin ses boşluğu farklıdır ve tıpkı parmak izleri gibi, herkesin sesinin de kendine has özellikleri vardır.
Sesin karakterini belirleyen ikinci faktör ise Ses organları nasıl manipüle edilir? , Ses organları arasında dudaklar, dişler, dil, yumuşak damak ve damak kasları vb. bulunur. Aralarındaki etkileşim net konuşma üretecektir. Ve aralarındaki işbirliğinin yolu, çevrelerindeki insanlarla kazanılan iletişim yoluyla insanlar tarafından rastgele öğrenilir. Konuşmayı öğrenme sürecinde insanlar, çevrelerindeki farklı insanların konuşma biçimlerini simüle ederek yavaş yavaş kendi ses izi özelliklerini oluşturacaklar.
Açıkçası, insan ses organları konuşurken ve şarkı söylerken değiştirilemez, bu aynı zamanda ses izi tanıma zorluğunun tanınmasının temelidir, aksi takdirde gerçekten Görevimiz İmkansız olacaktır. Ancak insanların ses organlarını manipüle etme şekli farklıdır ve bu kadar zordur. Yukarıdaki yöntemde olduğu gibi, iQiyi videosundan ilk şarkıcının konuşma ve şarkı söyleme kliplerini de aşağıdaki gibi çıkarıyoruz:
Şekilden hala görülebilir ki Konuşan ve şarkı söyleyen bir şarkıcının ses izi arasında önemli bir fark yoktur, ancak derin öğrenme teknolojisine dayalı küçük bir robot için bu zorluk gerçekten de son derece zordur. . Programdaki kırpılmış kayıt klipleri için, tam bir ses 10 kelimeyi geçmez, etkili süre 3 saniyeden azdır ve aralıklıdır, bu da sesli baskı özelliklerinin eksikliğine neden olması kolaydır. Bunu daha da zorlaştırmak için, şarkı söylerken vokalin baskı yapıp yapmadığı bu sınırlı veriden çıkarılmalıdır.
Sun Yiting'in meydan okumasının daha büyük olmasının nedeni, insan algısı ve hafızasındaki kusurlara ek olarak, Sun Yiting, karşılaştırma ve onay için sesi yükseltmek için düğmeye manuel olarak basmalıdır. , bu işlem önemlidir ve yukarıda belirtildiği gibi, Xiaodu robotlarının işleme yöntemi insanlardan daha basit olmalıdır, aksi takdirde her şarkıcının önüne bir mikrofon yerleştirmeye gerek yoktur.
Buna ek olarak, Baidu IDL Laboratuvarı yöneticisi Lin Yuanqing'in açıklamasında bazı önemli bilgiler eksik: "Bu temelde, şarkı söylemek gibi özel durumlarda 1000 kişinin sesi gibi küçük bir miktar topluyoruz. Yarışmadan önce, şarkı söyleme içeriği olduğunu biliyoruz, ancak hangi şarkıyı söyleyeceğimi bilmiyordum, bu yüzden modeli eğitmek için bazı şarkılar topladım, böylece model konuşurken ve şarkı söylerken sesteki farkı daha doğru bir şekilde tanımlayabilir."
Bu, bu eğitimin veri kaynağının 21 şarkıcının şarkı söyleme verilerini içerip içermediğini doğru bir şekilde söylemiyor.Bu çok kritik.Sun Yiting'in aynı anda 21 şarkıcının şarkı ses kaydını ezberlemesi zor, ancak makine önceden eğitilmiş, gerçek şu ki, insanlardan daha önce özellik verilerini biriktirmiştir.
İşte bir özet: Baidu'nun Xiaodu robotuna meydan okumak gerçekten çok zor ve aynı zamanda Baidu'nun Bay Wu Enda liderliğindeki birikimini ve derin öğrenme seviyesini gösteriyor. Ancak, Google'ın AlphaGo'su ile karşılaştırıldığında, hala biraz ikna edici değil. Baidu Açıklamalı sadece eğlence programlarındaki beceri seviyesini göstermekle kalmayıp test edilebilen veya uygulanabilen teknoloji. Elbette program ekibi, vokallerin farklı dağılımını göz önünde bulundurarak ve sahneye eklemenin etkisini göz önünde bulundurarak, insan sayısını 21'den 100'e çıkarmak gibi bu program zorluğunun zorluğunu artırmaya devam edebilir. .
3. Bilgisayar tanıma yeteneğinin insanlarınkini aştığına şüphe yoktur, ancak yine de sınırlamalar vardır.
Makinelerin bilgi işlem ve depolama yeteneklerinin insanlarınkini aştığını biliyoruz ve tanıma yeteneğinin insanlarınkini aştığına şüphe yok. Bununla birlikte, mevcut konuşma tanıma yetenekleri insanları tam olarak geçmemiştir.Uzak alan konuşma tanıma gelince, aynı zamanda fiziksel dünya modeli problemini de içerdiğinden, süreç daha uzundur. Mevcut veri büyümesi ve yeni algoritmaların yinelenmesiyle birlikte, insanlar tarafından yaygın olarak kullanılan sesli etkileşim ürünlerinin 3 ila 5 yıl içinde ortaya çıkmasının hala çok muhtemel olduğunu tahmin ediyoruz. Görüntü tanımaya gelince, mevcut ImageNet testinden, örnek test doğruluğu insanlarınkini aştı, ancak gerçek sahneye uygulanırsa, bu açıdan makineler ve insanlar arasında hala büyük bir boşluk var.Örneğin, insanlar genellikle görüntü tanımanın özünü görmezden gelin.Kamera optik modülleri ve şimdiye kadar, çekirdek optik modüllerimiz hala yabancı ülkeler tarafından sağlanıyor.
Yapay zeka çağında, bilgisayar çağının ve mobil çağın sınırlamalarını aşabilir ve artık cihazlardan, çiplerden, işletim sistemlerinden ve algoritmalardan gelen yabancı teknolojilere güvenmeyip, gerçekten ülkemizin kendi çekirdek teknolojilerini doğurabilir miyiz? Yerli araştırma kurumlarının ve dev şirketlerin temel araştırma ve çekirdek teknolojilerde avantaj elde etmelerini, model pazarlamaya daha az enerji harcamalarını ve küçük girişimlerin küçük uygulama pazarını ele geçirmek için kaynak israf etmemelerini bekliyoruz, çünkü devlerin rakipleri yabancı ülkeler olmalı. Google, Facebook, Apple, Tesla ve insanlığı değiştirme tutkusu olan daha birçok dev.
Kavramlar ve değerler bir şirketin yönünü belirler.Başarı için tek kriter para kazanmak değildir.İnsanlığın gelişimine değerli bir şey katmak, başarısız olsa bile hatırlamaya ve tarihsel olarak hatırlamaya değer.Bu da benim için temel motivasyondur. iş kurmak için kardeşlerimi getir. .
4. Bilgisayar teknolojisindeki ilerlemeler tek başına fiziksel dünyanın sorunlarını tam olarak çözemez.
Derin öğrenme bize sınırsız hayal gücü getirdi, ancak yıldızlara bakarken aynı zamanda gerçekçi olmalı ve bilgisayarın ilerlemesinin getirdiği kolaylık ve sınırlamaları doğru bir şekilde anlamalıyız. Bilgisayar biliminin metodolojik ilerlemesi, dünyanın fiziksel modelini değiştirmedi ve bilgisayar alanındaki sembolizmin azaldığı anlamına da gelmiyor, çünkü derin öğrenmenin çıkarımı ve insan çıkarımının hala çelişkili. Derin öğrenme, sembolik temsil ve çıkarım modelleriyle bütünleştirilmelidir, ancak burası Himalayaların kuzey yamacıdır ve teknik zorluk daha da büyüktür.
Fizik araştırmaları her zaman "neden"i anlamak ve daha sonra buna göre modeller ve akıl yürütmeler oluşturmak istediği için, derin öğrenme şimdi gerçekten büyük ilerleme sağladı, özellikle de sıçramalar ve sınırlarla tanıma alanında. Ancak şimdi derin öğrenmenin bu sorunu tartışmak için neredeyse enerji harcamasına gerek yok.Çok büyük verileriniz olduğu sürece, "neden" ile ilgilenmenize ve özellikleri incelemenize gerek yok.Ölçek ve doğruluk verilerin anahtarıdır. Bu açıdan baktığımızda kolaylıkla Bu yöntemin sınırlamalarını anlayın, derin öğrenme şu anda yalnızca belirli kuralları ve hedefleri olan senaryolar için geçerlidir ve mevcut bilgi yapısına dayalı olarak cevap da bir kapalı zincir senaryosudur. , yani sık sık bahsettiğimiz bazı dikey sahneler. Bu açıdan bakıldığında, genel konuşma tanıma büyük bir belirsizliğe sahiptir ve insan seviyesine ulaşmak zordur ve anlamsal anlamanın (NLP) insan dilini anlama sorununu yalnızca büyük veriye ve derin öğrenmeye güvenerek çözemeyeceği açıktır. .
Ama gelecek sonuçta yapay zeka çağıdır.Bu nedenle, kendini yapay zeka alanına adayan öğrencilerin sadece bilgisayarların gelişimine değil, aynı zamanda yapay zeka alanındaki gelişmelere de dikkat etmeleri önerilir. fizik Turing Ödülü ve Nobel Ödülü bu dünyanın ilerlemesi için itici güçtür ve gelecekte daha fazla ödül Çinli öğrencilerimiz için olmalıdır.
Son olarak Akademisyen Zhang Cymbal'ın bir cümlesiyle bitirmek istiyorum:
Elli yıl sonra ne olacağını söyleyemem belki ama üç beş yıl sonra ne olacağını konuşabilirim. Pek çok kişi yapay zekanın baharı mı yazı mı diyor? Bazı insanlar bahar diyor, çünkü patlıyor. Bazıları yaz diyor çünkü hava biraz fazla sıcak. Ama yapay zekanın çöküşü diyorum. Sonbaharın iki anlamı vardır: Birincisi, sonbahar hasat mevsimidir ve meyvelerimiz çoktur. İkincisi sonbahar demek, çünkü kış çok yakında.
