STT – Speech to text

7.3. 19:16 | Přečteno: 1017× | Za vším hledej Linux | poslední úprava: 7.3. 19:45

Pracuji na ČVUT, baví mě to, ale nebýt náhody nebyl bych tu. Je to paradox. Protože je to zřejmě jediná škola, kterou bych bez problému vystudoval. Ale mne k současné práci nepřitáhl zájem o techniku, či software jako takový. Zajímalo mne vždy výlučně praktické využití.

Jsem jediný IT zaměstnanec široko daleko na tomhle ústavu, který sem přišel zvenčí a bez vzdělání v oboru. Všichni mí kolegové tu začínali jako studenti. Podobné je to i v řadách akademických pracovníků mé kmenové katedry – vím jen o jediném člověku, který začínal svá vysokoškolská studia mimo ČVUT a nepochází ze zahraničí. A občas si připadáme jako spiklenci.

Nevím jak to vidí ti co dělají tuhle práci na jiných školách, ale já mám takový pocit, že i když se tam učí podobné obory, šudlá si každý jen to svoje a o to jak to dělají jinde v ČR se moc nezajímá. A někdy mám dojem, jako by mimo ČVUT a VUT ani jiná škola podobného typu v ČR nebyla, i když samozřejmě vím, že tomu tak není.

Ale dosti úvah. Předmětem blogpostu je ryze praktická záležitost.

Jak už jsem zmínil. K mé současné práci mne přivedly možnosti využití výpočetní techniky. Zpočátku to bylo DTP. Od toho jsem se dostal k digitalizaci dokumentů, a přes digitalizaci textů k OCR. Pak mne zaujaly možnosti distribuce informací prostřednictvím webu, což mne přivedlo k linuxu. A zájem o linux zas k virtualizaci a ta k současné práci.

Prolog

Pracuji jako administrátor laboratorního linuxového disklessu. A to přineslo další výzvy, protože to není systém jako býval na úřadě. Tam bylo klíčové aby fungovalo sdílení souborů, kancelářský balík, mailový klient, webový prohlížeč a citrix klient.

To co mám pod palcem já, je složitější protože jde o nástroje s nimiž se studenti učí pracovat. A mým úkolem je zajistit, aby všude fungovaly tak jak mají, aniž by se mezi sebou tloukly.

Linux, tu pomalu ale jistě válcuje dožívající MS Windows. Ovšem stále je dost takových, co se rádi střílí do nohou. A tak jsem včera řešil „postdoka”, který má sice počítač s MS Windows, ale veškerý software, se kterým by měl pracovat, jede na linuxu. Ok. Použili jsme tedy WSL, ovšem nejdřív jsem mu musel ukázat co s tím. A pochopitelně jsme přitom narazili na stejný problém, pro který jsem před 20 lety MS Windows ze svých strojů definitivně vyhodil – rozdílné konce řádků. Nejsou vidět, ale bordel dělají neskutečný. No. Holt si chlapec užije. Ale co s ním, když chce používat Utlouka?

Ale za doučování postdoků mě neplatí.

Zajímáte se o IT, protože vás zajímá IT, nebo proto, že si chcete ušetřit práci?

Dlouhé roky byly technologie, jimiž se zaobírám, doménou zasvěcených. No řekněte sami? Kde by tenkrát nechali cucáka, který do té doby viděl počítač jen u kámoše, administrovat infrastrukturu, na které stojí veškerá výuka? Nepustí vás k tomu ani dnes, pokud nemáte patřičné zkušenosti.

Jenomže kde je chcete získat, když vás k tomu nikdo nepustí? Já měl kliku, že jsem přišel v době kdy vše začínalo. A co jsem si vytvořil, to i používám. A protože je toho hodně, udělal jsem si to tak, ať je s tím co nejmíň sraní.

Baví mne hledat řešení pro situace, které mohou nastat. Ne řešit průsery, které se staly. Proto jsem jich také za svou éru moc neměl. Spočítal bych je na prstech jedné ruky nepříliš šikovného tesaře. Ale výpočetní technika a software je pro mne pouze nástroj, stejně jako sekera pro onoho tesaře.

Disklessová infrastruktura je moje dítko, ale jsou technologie, na které jsem čekal roky. Jednou z nich je rozpoznávání řeči. Ne že bych raději kecal místo psaní, jak si myslí ti, které občas bavím svými historkami. Mám digitalizované staré nahrávky a nedostatek času na to, abych je přepsal do počítače.

Dostaly se ke mě relativně nedávno, zhruba před čtyřmi lety, ale práce IT je vždy o rovnováze. Na jedné straně váhy je čas zabitý tím, že pozorně posloucháte jak někdo kecá a tupě bušíte do klávesnice. A na té druhé čas zabitý tím, jak se snažíte přijít na kloub technickému řešení, které vás možná posune ke kýženému výsledku o něco rychleji.

A protože jsem tehdy nemohl nic kloudného najít vznesl jsem zde dotaz. Žel s výsledkem nevalným, takže jsem to nechal plavat.

Ne že by v té době už nějaké možnosti nebyly, ale jde o nahrávky pořízené pro archivní účely a jejich autoři by možná nebyli moc nadšení, kdyby si je mohl poslechnout každý. Jenže s audio nahrávkou se nepracuje nejlíp a nikdo nemá čas čekat, až se někdo vykecá až k té klíčové informaci co ho zajímá.

Nicméně čas plyne a během on-line streamů při obhajobách mi neuniklo, že se mechanismus rozpoznání mluveného slova v teamsech zlepšil do té míry, že mne napadlo ho zkusit využít. Ovšem ne k přepisu zmíněných nahrávek, ale veřejně přístupných streamů, u kterých stojí automaticky vytvořené titulky, upřímně řečeno, za hovno. Zkusil jsem to tedy přes teamsy, ale i to stálo za prd. Zkoušel jsem různé free servery. Jenže ty jen nalákají na prvních pět minut. Jeden z nich však měl velice pěkný výsledek a to mne popíchlo.

Nabídka STT software během uplynulých 20 let

První zmínka plná nadějí se objevila v září 2004, ale záhy pohasla, protože klíčová komponenta IBM ViaVoice uvolněna nebyla.

Pak tu zařval do ticha anonymní hlas počátkem roku 2006, na který zareagoval dnes již vyšumělý black, který poznamenal, že o ničem neví, ale zmínil, že už v roce 1998 existoval (pro angličtinu) velice dobrý STT, standartně dodávaný s OS/2 Warp 4.0 (Merlin), který už byl ovšem tou dobou dávno mrkev – vzhledem k tomu, že šlo o produkt fy. IBM, viz odstavec výše. Ale jiný anonym přidal link na HTK3. Mohl to být slibný projekt, ale umřel roku 2009.

V květnu téhož roku, se v diskuzi pod dotazem na podobné téma se objevil první link na projekt CMU Sphinx. Nevím v jakém tehdy byl ten software stavu. Vývoj začal hned počátkem roku 2000. A nevím ani v jakém je stavu dnes, protože je stále živý. Ptal jsem se totiž před těmi čtyřmi lety právě na tenhle soft a neozval se nikdo, kdo by si s ním někdy hrál. A podle toho co jsem našel, byla v roce 2016 úspěšnost rozpoznání češtiny pouhých 50%, což bylo dost málo.

V roce 2009 se objevila zmínka o podpoře ovládání KDE hlasem. Ovšem podle zmínky v diskuzi byl základem již zmíněný projekt HTK3, který podporoval pouze angličtinu a jak už víme téhož roku umřel.

Ten systém se jmenoval Simon, můžeme se tedy jenom domýšlet, jestli právě tohle nebyla ta firma, kterou koupil Apple, ta stará kurva, co šlape stále stejný chodník. Pamětníci dobře vědí, že Steve Jobs, který se smaží v pekle, nenáviděl GNU tak dalece, že si uhnal rakovinu. Každopádně je zajímavé, že se vytasili se svou Siri o které před rokem 2010 nenajdete ani slovo, poté co skončil vývoj HTK3.

Cílem bylo získat konkureční výhodu pro iPhony, vůči telefonům s Androidem, které začal Google prodávat – světe div se – v roce 2009. Ten první kus T-Mobile G1, co se prodal v ČR skončil v mojí kapse. A dosloužil poté, co synátorovi upadl do záchoda.

Nokii zlikvidoval Apple tím, že do jejího vedení dosadil svou štěnici. Ale Google byl mnohem silnější konkurent, takže na to musel jít jinudy. Uzavřel kód a Google musel hledat jinou cestu. Vyřešil to cestou cloudu. Psal jsem tu v květnu 2012, jak mě nadchla Sony Xperia Pro, tím jak pěkně pracuje rozpoznání hlasu. Jenže cloud je cloud a já se stejně jako Franta Kučera měl své pochybnosti.

Pak se objevil na obzoru pro Apple další nebezpečný konkurent – Blackberry, kterého vyřešil stejně jako Nokii osvědčenou metodou. Dotlačil postranními kanály do vedení „žluťáka”, který tu firmu pohřbil stejným způsobem, jako Stephen Elop Nokii – tak, aby nepadnul ani stín podezření, že by za tím mohl být Apple. Qui bono? Odpoveď je jednoznačná, takže víme, kdo se vytrvale snaží likvidovat open source alternativy.

Postupně se objevily open-source aplikace, které využívaly cloudových služeb Google. Také Ubuntu si smočilo. Jenže měly pro mne jednu dost zásadní nevýhodu – závislost na cloudových službách.

Roku 2015 se ukázal Sirius, další soft postavený na Kaldi a CMP Sphinx. Byla to první zmínka o Kaldi (2014), avšak dopadlo to jako vždycky. Nenašel jsem zmínku tom, že by to skutečně někdo používal. A můj poslední pokus (ze včerejška) je stále ve stadiu kompilace.

Hasnoucí naději povzbudila Mozilla, která v létě 2017 vypustila bublinku a zhruba půl roku na to začala sbírat hlasové vzorky, aby se její DeepSpeach měl na čem učit. Ovšem ani za rok, jich nebylo dost. A podle toho co ve svém blogpostu napsala Gréta to ani později nebyla žádná velká sláva.

Microsoft se rozhoupal a pořídil STT řešení až před dvěma lety. Vyřešil to jako vždycky – prachama, za vlnu a mléko ovcí, které pravidelně dojí a stříhá.

Tak jsme se dočkali

Až včera mne zas přemohla zvědavost.

Jak jsem zjistil, DeepSpeech už je dávno mrtvý a pohrobek z roku 2021 (Coqui), taky. Ale ten odkaz mne přivedl na jiná řešení.

Bylo to dost narychlo. Po pravdě jsem nečekal, že se vosk, který používá již zmíněné Kaldi, bude kompilovat tak dlouho. Takže nemohu říct, jak funguje, protože jsem to uťal na půli cesty, abych mohl konečně vypadnou a jít domů.

Takže za první, opravdu použitelné řešení dostupné i pro blbce, ke kterému jsem se po letech doškobrtal, lze považovat OpenAI Whisper, který uvolnila fa. OpenAI, jako open source loni. Je to sice ve srovnání s jakýmkoliv jiným software odporně velký moloch, který není žádný rychlík pokud nedisponujete velkým výpočetním výkonem, ale funguje tak jak potřebuji. A to je pro mne hlavní.

       

Komentáře

[Milan]

SpeechNote

[PetebLazar]

"Nokii zlikvidoval Apple tím, že do jejího vedení dosadil svou štěnici. "

Překlep, nebo na to Stephen Elop z Microsoftu sám nestačil?

[Want]

V tom je ten vtip. Je to akciovka. Stačilo jim protlačit užitečného blbce na vedoucí pozici. Myslím, že takový Jorma Ollila by k tomu určitě mohl něco říct.

[PetebLazar]

S Nokia to šlo z kopce patrně již od roku 2001, kdy vysvědčení o poklesu příjmů umožnilo pokutu za výrazné překročení rychlosti pro výkonného vice-presidenta Anssi Vanjokiho zredukovat z prvotně udělených 690 000 finských marek (ekvivalent 116 000 Euro) na 35 000 finských marek (cca 5 900 euro).

[Want]

Těžko říct. Jisté je pouze to, že pokud by šla Nokia N900 do prodeje, tak by po iPhone brzy neštěkl ani pes. Čekal jsem jen na to, až se objeví.

[nadtržítko]

To si cucas z prstu ze? Revoluce iPhone byla v tom, ze nechces klavesnici, jen o tom jeste nevis. Virtualni ti proste nabizi narodni abecedy a spoustu jinych vychytavek. Nedostatek ma jen jediny - nemas dotykovou zpetnou vazbu. Aby to fungovalo tak se muselo prejit na kapacitni displej kde se da matlat prstem (do te doby vec nevidana, WindowsCE a pradeda Androida museli mit stylus pro pohodlnou praci s tlakovym displejem).

Navic Apple sel cestou postupnych releasu misto cekani na "dokonalou verzi". Mal jeste jedno eso v rukavu - velkou zakladnu iPodaku - ti potom skocili jak po teplych rohlicich. Mas iPod s telefonem! A zbytej je uz jen historie. Nokia na to v podstate nezareagovala NIKDY, az nepocitame Lumii a to uz je hodne jiny pribeh.

[_]

Já teda mnohem větší nedostatek než zpětnou vazbu vidim v naprosto zoufalý ergonomii psaní. Např. vyber a oprav písmeno o 2 slova zpět, když si všimneš překlepu. Tohle není problém jen iphonu, ale obecně všech mobilních platforem, že mnohem víc inovují v tom jak uživatele donutit trávit čas na mobilu a ten čas monetizovat než řešit jejich problémy a být v tom efektivní efektivní. N900 by v tomhle pravděpodobně selhala taky, ale iphone byl revoluční hlavně jako nekonečný zdroj příjmů pro apple. Pro uživatele to byla spíš evoluce, použitelné dotykové telefony byli už předtím jen neměli appstore.

[Aleš Kapica]

Ta N900 nabízela cestu jinam. To je celé. Pochybuji, že by zůstalo jen u ní. T-mobile G1, byl také nedochůče a podívejme se jak vypadá trh mobilních zařízení teď. A to je android příšerná sračka.

[Max]

Spousta lidí neumí na šmatlafounech psát. A spousta zase umí. Na jeden tah přes tři písmena lze napsat slovo s diakritikou. Díky podobných technologiím lze hodně rychle a přesně psát bez nějakých větších překlepů.

A ten, kdo i tak brečí nad dotykem, si může k iPhone koupit klávesnici podobně, jako si jí někteří kupují k tabletu.
Zdar Max

[Aleš Kapica]

Nevím tedy ja tebe Maxi, ale mne to vytrvalé nahrazování slov při psaní jinými pěkně sere. Chápu že někomu jinému to může přijít skvělé, ale pro mne to rozhodně není featura, která by mi urychlovala psaní. Veškeré snahy o vypnutí už jsem vzdal, protože se to po nějakém čase či aktualizaci vždy opět aktivuje.

[Aleš Kapica]

To, že vyhovuje šmatlaplacka tobě neznamená, že vyhovuje i jiným. Vzhledem k tomu, že se Nokia N900 do prodeje prakticky nedostala, jsem si pořídily Sony Xperia Pro a po ní Blackberry. A to jsem vyměnil za šmatlaplacku teprve před dvěma lety jen proto, že ČD vykurvili webovou aplikaci pro jízdní řády tak, že přestala fungovat. To blackberry, oproti té sračce od Apple nemělo chybu, protože mělo možnost provozovat kromě nativních aplikací v kontejneru také aplikace Androidí. Bylo malé, mělo klávesnici, žádné zbytečnosti, dobře fotilo a nabíjel jsem ho cca co tři dny. Kámoš co má Blackberry s Androidem, které mu pomalu dosluhuje, a taky bečí, že nic lepšího není. Je to člověk co nemá telefon k tomu aby se s ním chlubil, ale jako pracovní nástroj.

[te & pic]

Jo technologicti velmistri vesmiru se ozvali :) Se divim ze jsi mel BB vzdyt to nemelo 2 harddisky! Jak si mohl takovy sunt pripustit tak blizko svym koulim :) Sorry ale to co jsi napsal uz neni ani komedie ale tragedie. A vrchni traged si jty a ten tvuj povedenej kamos. Telefon a pracovni nastroj... pracovni nastroj! Tak ledaze byl pasak :)

[Want]

To je on. A opovaž se o něj otírat hubu špíno!

[xxx]

Samozrejmne si to cuca z prstu. Doporucuju si pustit tu tiskovku z uvedeni prvniho iPhone a uvedomit si, ze to je doba, kdy se onanovalo nad stylusem a presnosti resistivniho displaye. A najednou typek prisel s tim, ze je to uplne jedno, protoze ke spravnemu jmenu se rychlejc dostanes nekolika rychlejma pohybama palcem. Tim poslal cely odvetvi s HW klavesnicema a stylusama do hrobu. Coz mne teda jako nekoho, kdo mel Palm a i Xperii mini (a Apple si nikdy neporidil) trochu sralo, ale realne to obecne praktictejsi proste je. Zbytek je proste takovy to breceni, jako "kdyby vsichni byly jako ja".

Stejne tak je dneska problem sehnat maly mobil, protoze pro vetsinu je to dneska primarni okno do Internetu, nahrada pocitace, a priorita je presne opacna.

[xkucf03]

Stejne tak je dneska problem sehnat maly mobil

Co si myslíš o Unihertz Jelly?

[xxx]

Nevim. Asi nic. Z nejaky recenze to vypada lip nez cinskej odpad, na druhou stranu bych na tom rad videl treba mapy.cz nebo Pubtran.

[Max]

Nesouhlasím, N900 byl přenosný PC, do kterého přihodili gsm modul. Navíc se řešení prezentovalo jako něco, co neumí MMS (byla třeba na to spešl app), neměla sim toolkit, takže lidi, co tenkrát jeli GSM Banking, nemohli přejít atd.
Navíc N900 už byla v době, kdy Nokii ujížděl vlak a začala mít problémy. Do toho menší podpora různých technologií, které iPhone tenkrát měl (provázanost s firemními řešeními apod.).
Prostě si to moc idealizuješ. Nokia to posrala, neinovovala, ujel jí vlak. Podobně dopadlo Blackberyy.
Zdar Max

[Want]

Ta to pro změnu nesouhlasím zase já. Pokud jde o Nokii. Tak ta hlavně nedostala ani šanci, aby ji důkladně prověřilo reálné nasazení. Ani jedna z tebou zmíněných technologií pro mě nebyla klíčová. Navíc byly tehdy ještě v plenkách. Ericssona jsem si pořídil v roce 97 kvůli tomu, že měl GSM modul, a NIKDY jsem ho nepoužil. Z jednoho prostého důvodu - protože poskytovavatel tuhle službu tenkrát ještě neposkytoval.

První mobil, se kterým se skutečně dalo brousit po netu byla až Nokia E51

A s BlackBerry jsi zcela vedle jak ta jedle. Jedním z důvodů proč jsem si ho - tehdy za závratných 9300 Kč pořídil, byl ten, že můj bývalý kolega tehdy byl jedním z jeho vývojářů.

[Max]

Já nemluvil o tobě, já mluvil o těch firmách. Obě měly našlápnuto hodně slušně a obě neinovovaly. Přišel iOS a Android a skončily. Hledat v tom nějakou konspiraci je mimo.
Když se podíváš, kdy přišla N900 a kdy měla Nokia první problémy, tak to byla přesně ta doba. Trh prostě rozhodl.
Zdar Max

[Aleš Kapica]

Nevím jak u Nokie, tam jsem žádného insidera neznal, ale u BlackBerry veškerý vývoj zařízl ten jejich povedený CEO.

[Max]

Zaměstnanec nemá reálně přehled, co se děje, v jaké je firma kondici apod. Pokud byl insider jen programátor, tak reálně nevěděl nic.
Zdar Max

[Aleš Kapica]

No, vzhledem k tomu, že šlo o ukončení činnosti celého oddělení vývojářů a bavíme se o inovacích, tak asi přehled měl.

[Max]

No, takže neměl :)
Zdar Max

[Aleš Kapica]

Hodnotím tyhle věci jako uživatel. V obchodě jsem se také motal nějaký čas, takže vím, že se ti investované prachy nevrátí, pokud svůj produkt nedostaneš do prodeje. Podle informací na webu se BlackBerry Q10 vyrábělo od ledna 2013 do dubna téhož roku, Žluťák nastoupil v listopadu 2013, takže jeho vývoj byl zpečetěn, už když mi ho T-mobile prodával. Ovšem z praktického hlediska to byl mobil, který mi sloužil nejdéle ze všech – 6 let. Teda pokud nepočítám tu Nokii E61, která je funkční dodnes.

[PetebLazar]

To platí možná o společnostech, kterým se daří. U těch na sestupné trajektorii je těch signálů přibližujícího se konce více než by si řadoví zaměstnanci přáli.

[Max]

Bavím se o manažerských rozhodnutích, do který běžný zaměstnanec nevidí a mnohdy mu mohou některá připadat nesmyslná, ale to jen proto, protože obyčejný zaměstnanec prostě nevidí vše.
Zdar Max

[PetebLazar]

Zaměstnanec nemá reálně přehled, co se děje, v jaké je firma kondici apod.

Pokud správně chápete celek nemusíte vědět vše. Jelikož to nakonec skončí u peněz z prodejů(obratu), zisku, ceny akcí, platů(bonusů), investic, režie, rumors(akvizice/fůze/odkup) ...(vývojové cykly) ... atd. si zaměstnanci určitě představu učiní a i když možná ne v krátkodobém, ve střednědobém výhledu určitě. Dlouhodobí zaměstnanci mohou mít díky kontextu lepší představu o stavu společnosti než mnozí z putovních vyšších manažerů co jen sbírají pozice do svého LinkedIn profilu.

[JiK]

anebo proste nesmyslna jsou. korporatni svet, zejmena v nejakych vysoce regulovanych odvetvich, muze byt vzdalen jakymkoli zableskum zdraveho rozumu klidne cele svetelne roky.

[Max]

Může být, point je o tom, že smrtelník v té firmě nevidí do manažerských rozhodnutí.
Neříkám, že nemá možnosti to zjistit, ale někdy to úsilí může znamenat opravdu hafec času a někdy ani to nepomůže.
Zdar Max

[PetebLazar]

Říká se, že čím vyšší management tím o méně čísel se stará (agregovaná ekonomická data) a ty úplně na vrchu zajímá jen jejich barva.

[_]

"Protože je to zřejmě jediná škola, kterou bych bez problému vystudoval." Jasně

[Want]

Jasně. Protože nikde se nemažou se studentama tak jak tady.

[Ariczek]

Co je myšleno tím tady? Skupina, Katedra, Obor, celá Fakulta?

Je to už přes 10 let, co jsem z fakulty studijně pryč. Ale že by to byla dávačka pro všechny si teda nepamatuju. Člověk musel mít snahu a zájem.

Ale je pravda že na katedře 35 jsem měl jen jeden předmět, kde jsme řešili spíše osciloskopy... proč nebyl na 38-Měření, to nevím std. žabomyší války asi.

[Want]

Katedry, míněno. A neměl jsem tím na mysli, že by něco dávali zadarmo, ale snahu těm studentům vyjít maximálně vstříc. Takže kdo má tu snahu a zájem, jak píšeš, tak má i možnosti pracovat na zajímavých projektech.

Na humanitních oborech, které jsem studoval předtím, to nebylo o logice a systému, ale hlavně o paměti. A na pajdáku, kde jsem studoval ještě za komárů, rovněž. Dnes je na webu bambilon materiálu k samostudiu. Tenkrát nebylo nic. Nikoho nezajímalo, kde a jak získáš informace. Ve výhodě byli ti na kolejích, protože tam vždy alespoň jedna učebnice kolovala a ještě jsi měl tu výhodu, že pokud ti nebylo něco jasné, byla šance oslovit někoho, kdo tomu porozuměl líp než ty.

Ale svůj přínos to mělo taky. Naučil ses informace hledat a třídit.

Tehdy jsem si říkal, udělám pajdák a půjdu učit do nějakého zapadákova. Ovšem když vidím, jak jsou na tom ti co u toho zůstali, zběhnul bych. Stejně jako zběhla většina mých spolužáků.

[Člověk z Horní Dolní]

Kdy podle vás AI nahradí programátory a budeme muset začít pracovat manuálně?

[Want]

Upřímně? Nikdy. Manuální práce totiž ubývá a je čím dál větší problém nějakou, pro ty co nemají na to aby se uživili hlavou nějakou najít. Ten kdo není hloupý s tím problém nemá, protože si ji najde sám. Má spíš opačný problém. Nemá dost času, aby stíhal obojí.

[PetebLazar]

Zrovna dnes na podcastu 2,5 Admins se o tom bavil Allan Jude (OpenZFS guy) s ostatními v souvislosti s výzvou Jen-Hsun Huanga prezidenta NVIDIA "že se děti nemají učit programovat a ponechat to na AI".

[Radovan]

Až se lidé naučí psát programy bez chyb, aby šly lépe vykrást:

https://www.computerworld.cz/clanky/ai-zanasi-do-programoveho-kodu-vice-problemu-nez-je-unosne/

[Jendа]

Dostal jsi můj mail co jsem ti posílal přes "pošlete mi email" v profilu?

[Ariczek]

Nikdy? Dokáže umělá inteligence nahradit programátory?

Pokud je zadání nepřesné a vágní, AI si s ním neporadí vůbec.

[Jendа]

Ehm, to je zase ten typ názoru, co se koukne na současnou AI, zjistí, že něco neumí, a z toho prohlásí, že to nikdy umět nebude. Nechápu jak to můžou lidi furt dělat, obzvláště když se podívají na tu revoluci za poslední doslova rok a čtvrt (ano, fakt, ChatGPT bylo uvedeno teprve na konci 2022). Tohle jsou přesně ti lidi, co těsně před uvedením AlphaGo prohlašovali, že počítače nikdy neporazí člověka v Go.

[xkucf03]

Tady jde spíš o to, že dostatečně jednoznačné a kompletní zadání nemá příliš daleko ke zdrojovému kódu. A pokud je daný člověk dostatečně kompetentní a důsledný na to, aby dal takové zadání dohromady, tak už je relativně jedno, jestli píše zdrojový kód přímo nebo si „povídá“ s robotem.

AI nám tady mj. „nastavuje zrcadlo“ – protože pokud je dnes potřeba psát nějaký generovatelný kód ručně, znamená to, že knihovny, frameworky a API jsou nevhodně navržené, protože nás nutí programovat víc, než je nutné.

Totéž platí třeba pro generování lidsky čitelných textů. Jsou lidi, kteří mají radost z toho, že jim AI vygeneruje motivační dopis, vyplní formulář, odpoví na e-mail… a považují to za úspěch a pokrok. Já s tím zásadně nesouhlasím a musím to říkat nahlas, i za cenu toho, že mě tito idioti budou považovat za zpátečníka. Jestli se dopracujeme k tomu, že jeden člověk bude pomocí AI generovat texty v přirozeném jazyce a jiný člověk si tyto texty nechá od AI sumarizovat a interpretovat, tak nám to ukazuje, že celý tenhle „komunikační protokol“ je zbytečný a měl by být zrušen – nikoli zafixován v současné podobě a obalen AI. Pokud jsou ty dopisy nebo formuláře zbytečné, tak nemají vůbec existovat. A pokud nejsou, tak je má tvořit a číst člověk, jinak to způsobuje škody hned na několika frontách: plýtvá to časem autora, který si dává práci s něčím, co akorát přechroupe automat, nebo to plýtvá časem čtenáře, který se musí prokousávat generovanými nesmysly, a zároveň to vrhá celé lidstvo do závislosti na obrovsky komplexní, reálně nedeterministické a výpočetně náročné technologii.

[Jendа]

Tady jde spíš o to, že dostatečně jednoznačné a kompletní zadání nemá příliš daleko ke zdrojovému kódu. A pokud je daný člověk dostatečně kompetentní a důsledný na to, aby dal takové zadání dohromady, tak už je relativně jedno, jestli píše zdrojový kód přímo nebo si „povídá“ s robotem.

A to, co dělá aktuální programátor, je, že se zorientuje v nějakém oboru, zjistí, co vlastně uživatel přesně chce, a napíše to. A to by taky mohla v principu dělat AI - a to bude potřeba pro to případné nahrazení programátorů.

[Want]

Ta fascinace možnostmi AI je dojemná. Kolik máme na světě mozků? 8 miliard. Kolik z nich je alespoň průměrně inteligentních? Buďme optimisté, řekněme že polovina. Kolik takových mozků je schopna naemulovat současná AI? A fakt by mě zajímalo, kde se bere to naivní přesvědčení, že z toho kvanta blbostí bude schopna vyfiltrovat to podstatné, když toho není schopna drtivá většina poměrně mentálně zdatných obyvatel ČR?

[RealJ]

Prumerne inteligentni polovina? To chce hodne dobry matros. 80%+ obcanu CR ma IQ na hranici idiocie, myslis ze je to jinde jinak? Tady v US je naprosta vetsina lidi pod hranici idiocie, Rusko, Cina, Indie to same.

[Aleš Kapica]

Buďme optimisté, řekněme že polovina.

Je mi líto, ale nemohu za to, že do ní nepatříš.

"Třetina obyvatel téhle země je slabá duchem, každý sedmý občan je debilní nebo dementní nebo alkoholik a zhruba polovina obyvatel v této zemi má podprůměrný intelekt."

To je citát. Ale ve skutečnosti je to asi takhle:

60% lidí je dementních, 30% je blbců a pouze tak 10% je inteligentních, že se s nim dá bavit.

[RealJ]

tech 10% je podle me hodne optimistickych...

[RealJ]

Diky, od velmistra je tohle kompliment...

[hefo]

Kokotina. Keby si nepoužil zavedený termín, ktorý je nejako definovaný, ale trebárs "blbec", dajme tomu.

[Jendа]

A fakt by mě zajímalo, kde se bere to naivní přesvědčení, že z toho kvanta blbostí bude schopna vyfiltrovat to podstatné, když toho není schopna drtivá většina poměrně mentálně zdatných obyvatel ČR?

Ale někteří to umí, a AI, pokud to bude skutečná superinteligence, bude z definice alespoň tak dobrá jako nejlepší člověk.

[Want]

Tak tomu říkám přání otcem myšlenky.

[PetebLazar]

Může nastat situace, že člověk(druh) nebude schopen úroveň komplexní AI vůbec objektivně posoudit(změřit). Je pak otázkou nakolik ta se rozhodne brát ohledy na nějakou nižší formu (na základě vzájemného rozdílu). Podobně jako člověk ve svém životě různě akceptuje/ignoruje/konzumuje nižší formy života (nezřídka dle klíče domnělé/projevené "inteligence").

[Aleš Kapica]

Ta situace je tu dnes a denně. Jenže si ji nikdo neuvědomuje, protože nežere takové kvantum energie a zdrojů jako vývoj AI.

[Jendа]

A abych odpověděl (o víkendu povětšinou nefungovalo AbcLinuxu): nikdy. Protože jsou dvě možnosti:

• Vývoj AI se zasekne a nebude dost dobrá.
• Vývoj AI bude pokračovat, AI nahradí programátory, ale také všechny ostatní profese (i manuální -- třeba vymyslí na všechno roboty), a nastane doufejme utopie, kdy nebude slovo „pracovat“ dávat smysl, nebo v horším případě dystopie (korporátní diktatura/feudalismus) a různé druhy katastrof (podrobení lidstva, paperclip maximizer), kdy nebude dávat smysl současná definice hodnot.

Šance, že se vývoj AI zasekne zrovna přesně na té úrovni, která stačí pro nahrazení většiny programátorů, ale současně nedokáže dostatečně vylepšit ostatní obory lidské činnosti, aby v nich nebyla potřeba manuální práce, je nepatrná.

[Radovan]

AI umí produkovat kecy. Ale opraví ti záchod?

[PetebLazar]

Bude schopna vysvětlit, že používání záchodů lidstvem (homo sapiens) je historicky vzato pouze krátkou epizodou a to dokonce bez celosvětové působnosti.

[Radovan]

To je otázka definice záchoda. Ale je fakt že některé oblasti byly trochu napřed, například v Iráku používali bidet před obřezáním Ježíše.

[Aleš Kapica]

Bidet není záchod.

Bidet sice není záchod, ale je s ním tak trochu spjatý. A pokud toto zařízení někde používali o pár stolení dříve, než jinde, dá se říci, že napřed opravdu byli.

[Aleš Kapica]

Je s tím spjatý jak? Ty si myješ prdel vodou ze záchoda?

[!]

Když to pořádně žbluňkne ...

[Aleš Kapica]

Příloha:

• 2129004.jpg (17754 bytů)

To záleží na konstrukci mísy. Viz příloha. A ta má s bidetem společného jen to, že je obvykle také z porcelánu.

[!]

si musíš správně sednout, pak to funguje i u toho druhýho

[PetebLazar]

Není většího zadostiučiněžní z dobře odvedené práce, než je uvolnění ucpaného odpadu. Bez ohledu na směr víru.

[Radovan]

Není, ale může být příslušenství záchoda.

[retroslava]

Doporučuju https://github.com/Vaibhavs10/insanely-fast-whisper a pustit si to na https://www.runpod.io/. S pronajatou RTX 4090 jde přepsat hodina zvuku cca za minutu, umí to dobře česky a cena za pronájem je pod doláč za hodinu.

[Want]

Díky za tip, ale obsloužím se z vlastních zdrojů. Nejpomalejším elementem jsem stejně nakonec vždycky já, protože si musím najít čas na postprocessing. Sebelepší software totiž nerozezná ironii. Nebo to, kdy je potřeba významně mlčet.

[Aleš Kapica]

Ale jinak to vypadá zajímavě. Kdybych to řešil pro někoho, a chtěl to mít rychle z krku, určitě bych toho využil.

[xkucf03]

Někteří lidé si myslí, že jsem nějaký odpůrce AI, ale já jen nechci být závislý na proprietárním softwaru a cloudu. Svobodný software ušel od 80. let obrovský kus cesty a dosáhli jsme svobod, o kterých tehdy lidi jen snili. A já se opravdu nechci vracet zpátky a posilovat závislosti na něčem proprietárním/uzavřeném.

Hraje tam roli zpětná vazba, má to dopady na celou společnost... tohle je spíš na článek než na komentář...

Co se týče převodu řeči na text, zajímavý je whisper.cpp - to je příčetnější přepis do C++. Ono totiž v těchto dynamických „trendy“ oborech (kryptoměny, AI) je kvalita dost tragická, jsou tam nesmyslné závislosti a komplexita. Jak je něco v kurzu, tak se tam software píše hrozně ve spěchu, bez ohledu na kvalitu, většinou je to nějak narychlo poslepovaný prototyp, který najednou lidi začnou používat v produkci. Ale občas se pak objeví nějaký celkem příčetný přepis do C++/Rustu.

[PetebLazar]

V souvislosti s AI si vždy vzpomenu na systém PROSR (PROjev Snadno a Rychle) vzniklý někdy v druhé půlce 80-tých let. Šlo o papírový nástroj obsahující (tři?) části obecných komunistických frází, které se daly prakticky libovolně kombinovat a vždy "dávaly smysl". Kombinací byly stovky, takže by to bez opakování vydalo na celý sjezd v Paláci kultury. Vývoj systému byl údajně ukončen tváří v tvář NI řešení prezentovaném M.Jakešem v Červeném Hrádku.

[Radovan]

Jó, tenhle zábavní pořad je legendární. To se dá poslouchat i po letech a pořád se tomu člověk chechtá. Největší bžunda na tom je, že mluvil upřímně, něco takového by se dnešnímu politikovi nestalo. Žádnému

[Jendа]

Tvorba univerzálních projevů od místního uživatele kyblsoft. Ve zdrojáku je i odkaz na tu socialistickou verzi.

[PetebLazar]

Tak tedy byly čtyři části vět (10^4 kombinací), za 40 let holt člověku detaily z hlavy vypadnou.