Každé léto se na šestitýdenním intenzivním výzkumném maratonu scházejí úspěšní vědci a doktorandi z celého světa společně se zástupci technologických gigantů. Letní workshop JSALT (Frederick Jelinek Memorial Summer Workshop) nese jméno pražského rodáka a legendy oboru Bedřicha Jelínka, průkopníka jazykových technologií, který působil mj. na Johns Hopkins University (JHU) a v IBM. Na jeho odkaz dnes hrdě navazuje i Ústav formální a aplikované lingvistiky MFF UK, například pořádáním přednáškového cyklu Fred Jelinek Seminar Series.
Výzkumníci z ÚFALu se JSALT účastní pravidelně, letos v americkém Baltimoru pracovali na vývoji pokročilých hlasových simulátorů Dominik Macháček, Peter Polák a Patrícia Schmidtová. O své dojmy z pobytu a práce v mezinárodní týmu i z náročného života v kampusu JHU se s námi podělili v krátkém rozhovoru.
Proč jste se rozhodli zúčastnit letošního JSALT workshopu?
Dominik: JSALT na ÚFALu všichni dobře známe. Je to skvělá příležitost dostat se k novému zajímavému tématu, navázat a prohloubit kontakty, získat zkušenosti a vypracovat něco zajímavého. Proto jsem jel i já.
Peter: Mě do toho zase namočil Dominik. S tématem full-duplex modelů (viz. níže; pozn. red.) jsem měl zkušenosti ze své stáže v Metě a zaujalo mě taky složení týmu. Bylo tam několik lidí, se kterými jsem se už znal.
Patrícia: A mě Peter. Dialogové systémy pro mě sice nebyly novinkou, protože chatbota jsem dělala už během své bakalářské práce, ale považovala jsem to za skvělou příležitost rozšířit si obzory a zkusit práci se speech AI, protože ve svém doktorátu se věnuji pouze textu.
Jak byste práci týmu Spoken Conversational AI Simulator stručně vysvětlili laikovi?
Dominik: Cílem je navrhnout hlasového asistenta, s nímž se dá mluvit stejně jako s člověkem a který zároveň mluví i poslouchá, a díky tomu velmi přirozeně v dialogu navazuje, reaguje na přerušení a přerušuje. A kromě toho je tak inteligentní a užitečný – ať už to znamená cokoliv – jako známí textoví AI asistenti.
Důležitý krok ve vývoji je simulátor. Navrhovali jsme konverzační systém, který napodobuje lidského uživatele v dialogu s vyvíjeným asistentem. Má dodržovat zadání a chovat se jako člověk jak v obsahu dialogu, tak i v řečovém projevu.
Jakou nejdůležitější zkušenost nebo nezapomenutelný zážitek jste si z Baltimoru přivezli?
Dominik: Upřímně, nejvíc jsme si užili kick-off meeting v Praze, dva dny v našem oblíbeném městě. Šest týdnů v Baltimoru bylo dost dlouhých a intenzivních. Ale těšíme se, že to ještě dotáhneme do zajímavých výsledků.
Já jsem například zjistil, jak skvělé je používat AI asistenty na programování. A znovu jsem si potvrdil, jaký vynikající výpočetní cluster máme v Praze na ÚFALu.
Peter: Já jsem si nejvíc užil dočasný odjezd z Baltimoru do San Diega na konferenci ACL, kde měli výrazně příjemnější počasí (smích).
Ale vážně. Kromě toho, že jsem pracoval na velmi smysluplném problému a práce mě bavila, velmi jsem si užil diskuse s členy jiných týmů, které se na JSALTu podílely. Často jsme řešili podobné problémy a bylo fajn poznat jiný úhel pohledu.
Patrícia: Účast na JSALTu je intenzivní, cíle jsou ambiciózní, času je málo, a proto většina našich dnů vypadala asi takto: práce do 17 h – posilovna – práce – procházka – spánek a tak pořád dokola. Zpětně nejvíc vzpomínám na procházky po kampusu JHU, je opravdu krásný. Všude byly veverky, různé druhy ptáků (poprvé v životě jsem viděla kardinála červeného). Každopádně, hlavně s mými nejbližšími spolupracovníky jsme to brali s humorem a neustále si posílali vtipy a memes, což nás drží i doteď.
Odkazy:
Oficiální stránka workshopu
JSALT (Johns Hopkins University)
Přednáškový
cyklus Fred Jelinek Seminar Series
Frederick
Jelinek, jenž naučil stroje lidské řeči