Bilim insanları, yapay zekanın konuşma seslerini tanıma becerisini geliştirmek için diller arası bilgi transferi kullanan yenilikçi bir yöntem geliştirdi. 'Seçici Artırma' olarak adlandırılan bu teknik, bir dilin fonetik özelliklerini başka dillerden öğrenerek ses tanıma sistemlerinin performansını artırıyor.
Evrensel otomatik fonetik transkripsiyon sistemleri, farklı dillerdeki konuşmaları yazılı metne dönüştürmek için temiz ve çeşitli eğitim verilerine ihtiyaç duyuyor. Ancak bu kalitede veri bulmak oldukça zor. Araştırmacılar, mevcut verileri başka dillerden seçici olarak bilgi aktararak zenginleştirmenin mümkün olduğunu kanıtladı.
MultIPA modeli üzerinde yapılan deneylerde, Hintçe'den alınan bilgiler kullanılarak Almanca'daki ünsüz seslerin tanınması geliştirildi. Sistem, ünsüzlerin sesli-sessiz ayrımını %17,6 daha doğru yapmaya başladı ve hatalı pozitif sonuçları önemli ölçüde azalttı.
Araştırmanın en çarpıcı sonucu, sistemin Almanca'daki /p, t, k/ seslerinin nefesli telaffuz özelliklerini tanımaya başlaması oldu. Başlangıçta bu seslerin %0'ını nefesli olarak transkript eden sistem, yeni yöntemle bu özelliği başarıyla tespit edebilir hale geldi.
Bu gelişme, farklı dillerin fonetik yapılarının birbirinden öğrenilebileceğini ve dil teknolojilerinin evrensel uygulamalarında önemli ilerlemeler sağlayabileceğini gösteriyor.