اگر فردوسی اکنون زنده بود روی زبان فارسی در محیط رایانه سرمایه‌گذاری می‌کرد

به گزارش پایگاه خبری بانکداری الکترونیک روز گذشته بخش اول میزگرد «پردازش گویش طبیعی یا Speech inable Telephon systems  در زبان فارسی» منتشر شد.در این میزگردکه با حضور دکتر حسین صامتی پزوهشگر اصلی این حوزه و استاد دانشگاه شریف، دکتر هادی ویسی مدیرعامل شرکت عصر گویش پرداز تحت حمایت دانشگاه شریف، عبدالحمید منصوری معاون فناوری اطلاعات بانک پارسیان، فاطمه حجاران، مدیر بانکداری مدرن بانک پارسیان و زمانی و میرجلالی از کارشناسان حوزه آی تی بانک پارسیان برگزار شد ، تاریخچه صنعت پردازش گویش طبیعی، ابعاد فنی و امنیت اطلاعات و وضعیت حال و آینده این صنعت در ایران مورد بررسی قرار گرفت .بخش دوم و پایانی میزگزد از پی می آید.

ویسی:اگر فردوسی زنده بود روی خط و زبان فارسی در محیط رایانه سرمایه‌گذاری می‌کرد

در ادامه دکتر ویسی اظهار داشت: همانطور که مهندس منصوری اشاره کردند این کار در واقع خدمتی به خط و زبان فارسی است در یکی از همایش‌ها یکی از اساتید جمله زیبایی گفتند که اگر امروزه فردوسی زندگی می‌کرد قطعا روی خط و زبان فارسی روی محیط رایانه سرمایه‌گذاری می‌کرد زیرا امروزه همه‌چیز به دنیای مجازی و رایانه چه موبایل، چه تبلت و چه PC و… منتقل شده است .

وی با تاکید براینکه این مساله یک کار ملی برای خدمت به خط و زبان فارسی در محیط رایانه محسوب می‌شودعنوان کرد: در حال حاضرمجموعه ما پتانسیل بنیادی و کار تحقیقاتی روی این زمینه را پیدا کرده است و ایده‌های زیادی برای بهبود روی این زمینه دارد پیشنهاد ما این بوده که سازمان‌ها می‌توانند روی بعضی کارها که عمومی‌ترند مثل تایپ یا ترجمه که کارهای ملی هستند ، سرمایه‌گذاری و به گونه‌ای برنامه‌ریزی کنند که در اختیار عموم قرار بگیرد.

 مسایل فنی

ویسی به تشریح مسایل فنی این سیستم پرداخت وافزود:" به مفهوم عام به آنها سیستم‌های دایالوگ می‌گویند یعنی یک مکالمه رابین ماشین و انسان انجام می دهدبه طور مثال سیستم دایالوگ برای تلفنبانک اینگونه است که تماس گرفته می‌شود شماره حساب خوانده می‌شود و دستور صادر می‌گردد در ساختار فعلی تلفنبانک که یک ساختار درختی است در درخواست‌ها معمولا این نکات وجود دارد مثل شماره حساب، مبلغ، انتقال وجه و حساب مقصد و…

که این شکل کلی کار این سیستم‌ها است بنابراین ما با این رویکرد آغاز کردیم که اینچنین سیستمی در تلفن وجود داشته باشد اما به خاطر مسایل فنی کار بیشتری باید می‌شد به‌خصوص مسایل فرهنگی زیرا مردم ما به سیستم ساختار درختی عادت کرده‌اند.

 وی افزود: خدمتی است که به آن Speech inable Telephon systems می‌گویند یعنی اینکه سیستم تنها Speech است و هنوز دایالوگ وجود ندارد برای Speech inable کردن کاربر باید بتواند درخواست‌هایش را به جای Touch با speech وارد کند و طراحی این سیستم‌ها متناسب با نوع کاربرد و  نیاز و تقاضای کاربر می‌تواند متفاوت و متنوع باشد اما به‌هرحال کلیات آن اینگونه است که تماسی که برقرار می‌شود سیستم از کاربر می‌خواهد که درخواست خود را بیان کند در صحبت‌های کاربر جست‌وجو می‌شود که چه درخواستی دارد و سعی می‌کند که اطلاعات را  استخراج کند و البته فراتر از تشخیص بفهمد و متناسب با آن عمل بعدی را انجام  ‌دهد در اینجا باید یک تشخیص در فهم گفتار وجود  داشته باشد و این همان بخشی است که کاملا با سایر سیستم‌های touch tone تفاوت ایجادمی کند البته تشخیص و فهم کاملا وابسته به زبان است .

مدیر عامل شرکت عصر گویش پرداز با بیان اینکه این اولین سیستمی است که برای زبان فارسی در دنیا وجود دارد، گفت:در سیستم speech ما دو طرف داریم یکبار کاربر صحبت می‌کند کامپیوتر تشخیص می‌دهد و یکبار کامپیوتر باید بتواند با کاربر صحبت کند این صحبت‌کردن کامپیوتر می‌تواند یکسری فایل‌های صوتی از قبل ضبط‌شده باشد که صدا را پخش می‌کند اما یک قابلیت دیگری که سیستم تلفنی موجود دارد این است که ما به جای اینکه صدا را از قبل ضبط کنیم یک متن و مفهوم جدیدی را به سیستم می‌دهیم که سیستم همان لحظه آن را به صوت تبدیل می‌کند به عبارت دیگر بخش اول تبدیل گفتار به متن و بخش دوم تبدیل متن به گفتار است که این ابزار سیستم‌های تلفنی را به شدت متحول می‌کند.

ویسی افزود: در سیستم بانکی یک کاربرد جذابی که می‌توان ایجاد کرد این است که وقتی کاربر رمز خود را وارد می‌‌کند سیستم می‌تواند اسم کاربر را بیان کند که این امر هم تاثیر روانی زیادی دارد و هم برخی کاربردها مثل انتقال وجه بسیار راحت‌تر می‌شود و می‌توان اسم گیرنده را وارد کرد به طوری که کاربر می‌تواند به جای اینکه شماره حساب طرف مقابل را برای کامپیوتر بخواند اسم آن را بیان کند و این قابلیت صوتی دوطرفه سیستم را جذاب‌تر و راحت‌تر می‌کند.

منصوری:فرکانس صوتی انسان‌ها منحصربه‌فرد است

معاون فناوری اطلاعات بانک پارسیان در ادامه این میزگرد افزود: طبق تحقیقاتی که صورت گرفته فرکانس صوتی انسان‌ها منحصربه‌فرد است درخصوص مباحث امنیتی در جای خود صحبت خواهد شد زیرا یکی از مباحث مهم بحث امنیتی است و تشخیص صدا که در این فاز که فاز نخست است فعلا نداریم اما طی فازهای بعدی مباحث امنیتی تحلیل خواهد شد و این  مساله که براساس صدای فرد دستورات ارایه می‌شود و شناسایی انجام می شود فعلا ما روی محور تصدیق صدا کار می‌کنیم و تشخیص صدا کار سنگینی است و به این سادگی انجام نمی‌شود و نیاز به کار زیاد و به بودجه کافی دارد.

حجاران : چگونگی تولد نیوشا

حجاران ، مدیر بانکداری مدرن بانک پارسیان ،در ادامه این میزگرد به تشریح نیوشا پرداخت واظهار داشت: مدیریت این پروژه را آقای منصوری بر عهده داشت و درواقع گروه ما با هدایت ایشان به جلو حرکت کرد. در ابتدا که این ابزار مطرح شد برای ما هم جدید  بود. نسخ اولیه کار که در اختیارمان قرار گرفت چالش‌های زیادی پیش روی ما وجود داشت  به‌خصوص روی بسیاری از اعداد مثل سه، صفر، هفت، هشت، نه و دو که خیلی گویش نزدیک به هم داشتند می‌بایست روی آنها کار بیشتری می‌شد .

حجاران افزود: امکان استفاده همزمان touch ton و speech درحال‌حاضر فراهم است و کاربرد می‌تواند با گویش گذر واژه ورودش را بگوید یا اگر می‌تواند با touch ton گذر واژه را وارد کند وهر دو حالت امکان‌پذیر است.

وی درخصوص امنیت اظهار داشت:همان‌طور که آقای منصوری عنوان کردند در فازهای بعدی این مساله بیشتر مورد تحلیل قرار می گیرد وبراساس کلام فرد که منحصر به فرد  قرار است پیاده سازی شود.

 حجاران در ادامه به دیگر چالش‌های این پروژه اشاره کرد وافزود: از جمله می‌توان به طولانی‌بودن شماره حساب‌های 13 یا 14 رقمی اشاره کرد که به تدریج بهبود پیدا کرد به این ترتیب که یکسری کاراکترهای ویژه مثل خط تیره یا  ستاره را بین بین شماره‌های حساب قرار دادیم تا این شماره‌ها به تفکیک وارد شوند و مبحث دیگر اینکه در این پروژه خیلی دستمان باز نبود زیرادر مقابل سیستمی باید پاسخگو می بودیم و سیستم «کر» بانک در اختیار یک پیمانکار بود که تعامل برقرارکردن با این پیمانکار یک مقدار سخت بود که البته همکاران ما در اداره توسعه زحمت زیادی کشیدند و سرویس‌هایی را در اختیار دوستان قرار دادند که بتوانند سرویس‌های انتقال وجه یا  سه تراکنش آخر یا اعلام موجودی را اعمال کنند و به مرور امیدواریم این سیستم بهبود پیدا کند .

حجاران خاطر نشان ساخت:ما در خصوص بحث گویش‌ها نیز چالش‌هایی داشتیم چراکه  وقتی لهجه‌ها یا گویش‌ها متفاوت می‌شود مقداری چالش‌برانگیز می‌شود و همکارانمان در دانشگاه شریف  قول داده‌اند که حتما در مراحل بعدی این مسایل حل خواهد شد.

صامتی:واکنش سیستم در مقابل تغییر لهجه‌ها و گویش‌ها

دکتر صامتی در پاسخ به این سوال که این سیستم در مقابل تغییرلهجه‌ها و گویش‌ها و تغییر صدای کاربر چه عکس‌العملی نشان می‌دهدگفت: اتفاقا این سوال مهمی است، سیستم‌های speech record دو دسته کلی وابسته به گوینده و مستقل از گوینده هستند ، به‌طور مثال درسیستم «نویسا» گوینده با آن حرف می‌زند و گوینده را شناسایی  و کار می‌کند اما از طریق تلفن ما دو مشکل داریم یکی اینکه وابسته به گوینده نمی‌توانیم عمل کنیم میلیون‌ها مشتری بانک وجود دارد ما نمی‌توانیم تک تک صدای آنها را tvain کنیم دوم اینکه از طریق تلفن است و تلفن صدا را به شدت خراب می‌کند و از نظر ما پهنای باند تلفن 3 کیلوهرتز است درحالی که صوت تا 12 کیلو هرتز پهنای باند دارد و به عبارتی ما 9  کیلو هرتز را از دست می‌دهیم و با همان 3 کیلو هرتز باید صدا را تشخیص دهیم، بنابراین نیاز داریم مستقل از گوینده کار کنیم که این عمل کار ما را سخت می‌کند اما وقتی این کار انجام شود شکل تغییر صدا هم اتوماتیک‌وار حل می‌شود.

وی در خصوص  مشکل لهجه عنوان کرد: به‌هرحال لهجه یک چیز پیوسته است و از یک حدی که از فارسی جدا شود خراب می‌شود ولی ما باید تلاش کنیم که لهجه را پوشش دهیم درحال‌حاضر این سیستم برای لهجه فارسی تهرانی آماده شده است و در مجموعه دادگان آموزش لهجه‌های مختلف را هم قرار دادیم سیستم اینها را شناخته بنابراین می‌تواند شناسایی کند اما به‌هرحال از یک مقدار که بگذرد قطعا خطا خواهد کرد.

در فازهای بعدی آیا نیاز به یک بانک گویش وجود خواهد داشت

صامتی در پاسخ به این سوال که در فازهای بعدی آیا نیاز به یک بانک گویش وجود خواهد داشت ، عنوان کرد : اصلا بدون این عملی نیست یک بخش عمده کار ما در بیست سال اخیر جمع‌آوری این بانک‌ها بوده است باید ملی باشد و این مساله کار زمان‌بر و هزینه‌بری است درصورتی که اگر کار ملی صورت گیرد و بانک گفتاری به اندازه کافی و همراه با تنوع وجود داشته با شد گروه‌های تحقیقاتی می‌توانند استفاده کنند.

میرجلالی:چالش های پیاده سازی نیوشا

میرجلالی کارشناس در معاونت فناوری اطلاعات پارسیان در ادامه به چالش های پیاده سازی این خدمات اشارا کرد وعنوان داشت: نکته‌ای که باید به صحبت‌های خانم حجاران باید اضافه کنم این است که یک مشکل امنیتی که سیستم‌های  تلفنی touch tone دارد این است که اگر دکمه  redial آن را فشار دهیم ممکن است رمز مشتری را متوجه شویم شاید بحث امنیتی که این سیستم می‌تواند روی تلفنبانک بیاورد و اهمیت بسیاری دارد این است که وقتی کاربر صحبت می‌کند دیگر سابقه‌ای در دستگاه نخواهد داشت و این تحول بسیار بزرگی در سیستم‌های تلفنبانک خواهد بود و یک ارزش افزوده بسیار زیادی با خود خواهد داشت .

وی افزود:مبحث دیگر اینکه در سیستم‌های هوش مصنوعی بحث یادگیری اهمیت دارد و هرچقدر دیتاهای بهتری جمع‌آوری کنیم بهتر می‌توانیم سرویس دهیم درخصوص لهجه‌ها هم همین‌طور است وقتی بتوانیم اطلاعات بیشتری جمع‌آوری کنیم پس از اجرای این پروژه مطمئنا روز به روز بهتر خواهد شد.

زمانی:ظرفیت های فعلی نیوشا

زمانی دیگر کارشناس معاونت فناوری اطلاعات پارسیان در ادامه اظهار داشت: حدود یک‌سال قبل مدیریت کانال را در نیوشا پیاده‌سازی کردیم درحال‌حاضر هم این سرویس‌ ارائه می شود  همچنین عملیات مانده حساب سه گردش، انتقال وجه، چک‌های صادره و…

منصوری:نیوشا آغاز راه یک مسیر بلند مدت ملی است

منصوری ،معاون فناوری اطلاعات بانک پارسیان خاطر نشان ساخت: تعامل بسیار خوبی در این پروژه شکل گرفت و این تعامل ما را به حدی رساند که جرأت کنیم این پروژه را در اختیار مشتری قرار دهیم اما به‌هرحال نوپا و جوان است و باید حوصله به خرج داد و مسایل آن را با دیده سعه‌صدر نگاه کرد و امیدواریم که در بحث کلان برای این کارها که سرمایه سنگینی نمی‌خواهد و بیشترین هزینه آن حقوق متخصصین این امر است وقت بیشتری گذاشته شود.همچنین ازجمله کارهایی است که صددرصد بومی و ملی می‌تواند باشد به شرط اینکه یک مقدار سرمایه گذاری  بیشتری انجام شود تا تعداد افراد جامعه‌ای که در این زمینه کار و فعالیت می‌کنند افزایش یابند.

منصوری در پاسخ به این سوال که اگر بخواهیم یک پردازش گویش طبیعی متناسب با وضعیت کشورهای دیگر  داشته باشیم که نیازهای معمولی بانکی و غیربانکی ما را مرتفع کند چقدر باید هزینه کرد گفت:اگر بخواهیم دستوری بدهیم و پاسخ بگیریم یا به عبارتی به صورت درخت‌واره محاوره را هدایت کنیم حدود 2 سال کار می‌برد و به نقطه بلوغ می‌رسد به شرطی که بودجه‌های لازم داده شود.

منصوری در پاسخ به این سوال که چه مقدار سرمایه لازم است تا متخصصین خارجی این سیستم را طراحی کنند گفت:سال 98، یک میلیارد دلار خواستند همراه با یک سیستم و علاوه بر این 6 ماه شنود کل مخابرات ایران.

اشتراکی کارکردن در نظام بانکی ما سخت است

منصوری در خصوص اینکه ایا تعاملی با انک های دیگر داشته اید عنوان کرد: اشتراکی کارکردن در نظام بانکی ما سخت است و نمونه عینی آن را روی کارمزدها و واریزهای آنی دیده‌ایم و مسایلی را ایجاد شدکه نباید بوجود می آمد درحال‌حاضر بحث واریز آنی مشکلاتی دارد و هیچ جای دنیا هم این مدل وجود ندارد در یک جاهایی ما وارد مسیری می‌شویم که مدل را عوض می‌کنیم من چندین‌بار گفته‌‌ام ما به لحاظ کمیت از بسیاری کشورها جلوتریم (در حوزه معاملات خرد در ebanking) اما در بسیاری موارد مدل‌ها را عوض کرده‌ایم .

وی افزود: ما یک‌مقدار دارای خصوصیت افراط و تفریط هستیم به طوری که یا به دنبال چیزی نمی‌رویم یا  اگر برویم می‌خواهیم به طور کامل همه چیزمان در آن مسیر باشد به اعتقاد من این کار حدود 2 سال طول می‌کشد تا به بلوغ برسد و باید همکاری‌های لازم و بودجه کافی باشد البته مشارکت هم در این کار مهم است ما در بانک پارسیان این سیاست را داریم که تجارب خود را تا جایی که در حوزه محرمانه بانک و مشتری نباشد در اختیار دیگران قرار می‌دهیم زیرا معتقدیم باید بانکداری ایران موفق شود اگر این‌طور شود پارسیان هم موفق خواهد بود در تعامل با یکدیگر است که می‌توان نقاط گپ یکدیگر را پوشش داد.

منصوری خاطر نشان ساخت: ما درواقع هسته اصلی کار را بناگذاشته‌ایم در واقع ما مفاهیمی را داریم که وقتی ایجاد شود در گسترش و رشد آن مشکلی ایجاد نخواهد شد ولی اگر روی این فعالیت که هنوز در مراحل رشد است تعداد زیادی Functionها را قرار دهیم نمی‌توانیم مدیریت کنیم و سیستم تشخیص را تقویت کنیم.

معاون فناوری اطلاعات بانک پارسیان ادامه داد:اگر عضو کنسرسیومی شوید که زبان فارس در تمام پکیج‌های دنیا باشد رقم‌هایی می‌خواهند که بسیار بالاست اما به‌هرحال ما در ایران این کار را انجام داده‌ایم و همکاران ما در دانشگاه شریف هم زحمت زیادی کشیدند.

صامتی:سرمایه مورد نیاز برای این پروژه

دکتر صامتی در خصوص سرمایه مورد نیاز برای این پروژه گفت: تعیین رقم اینکه چه مقدار سرمایه برای این کار نیاز است کار ساده‌ای نیست مساله این است که می‌خواهیم به کجا برسیم  البته این کار پایانی ندارد زیرا همیشه می‌توان به سمت بهتربودن رفت به طور مثال یک ایده‌ال در سال‌های اخیر مطرح شده که دنبال این هستند که همه تکنولوژی‌ها را کنار هم بگذارند به طوریکه دستگاه‌ها کنار شما باشد و علایق و برنامه‌های شما را بداند و شما را راهنمایی کند البته این تکنولوژی درحال‌حاضر بیشتر حالت فانتزی دارد اما بالاخره به آن خواهیم رسید. درواقع من هم معتقدم اگر 2 ساله به این مقوله نگاه کنیم و تیم 80 نفر تا 100 نفره داشته باشیم با زیر 10 میلیارد تومان می‌توان این کار را انجام داد ولی نوع هدایت و پایداری در آن بسیار مهم است.

صامتی در ادامه این بحث اظهار داشت: با یکصدم سرمایه‌گذاری در آن سوی مرزها ،در ایران می‌توان این کارها را انجام داد چون رقم‌های بالایی برای سرمایه‌گذاری در خارج از ایران نیاز خواهد بود.

ویسی:مباحث امنیتی سیستم در فاز های بعدی

ویسی در خصوص مباحث امنیتی سیستم در فاز های بعدی افزود: درخصوص آینده سیستم باید بگویم یک فازی که می‌تواند امنیت سیستم‌های فعلی را تکمیل‌تر کند علاوه بر حالتی که آقای میرجلالی عنوان کردند ما در فاز بعدی این قابلیت را به سیستم اضافه خواهیم کرد که وقتی کاربر شماره حساب و رمز را وارد خواهد کرد یک سوال از مشتری پرسیده شود که پاسخ آن را با صحبت بدهد مثلا پرسیده شود شاعر مورد علاقه شما کیست وقتی مشتری پاسخ می‌دهد هم سیستم کلمه پاسخ را چک می‌کند هم یک کلمه دومی را امتحان می‌کند و تن صدای مشتری را با آن مقایسه می‌کند این را در دنیا اصطلاحا challengine question گویند یعنی سوالاتی که هرکسی پاسخ آن را نمی‌داند درحال‌حاضر گفته می‌شود پین‌کدهایی که بانک‌ها استفاده می‌کنند تنها 30 درصد امنیت  دارد درحالی که این سوالات 30 درصد را به 70 درصد می‌رساند و امنیت را بسیار تقویت می‌کند همان‌طور که گفتم درحال‌حاضر کار ما تایید هویت است نه  تشخیص هویت سیستم فعلی یک شروع است و  به برخی محدودیت‌هایی که سیستم‌های تلفنی دارند کمک ‌می کند .

ویسی افزود: ما با سیستم touch tone نمی‌توانیم یک 118 اتوماتیک داشته باشیم چون تعداد کلمات بسیار زیاد است اما با این قابلیت می‌شود این کار را انجام داد همچنین این سیستم به معلولین و افراد ناتوان کمک خواهد کردبنابراین می‌توان آینده خوبی برای این سیستم‌ها پیش‌بینی کرد.

مسوولین روی توان متخصصین داخلی سرمایه‌گذاری کنند

منصوری اظهار داشت: امیدواریم مسوولین کلان کشور روی توان متخصصین داخلی سرمایه‌گذاری کنند و ما می‌توانیم حداقل روی صنعت نرم‌افزار سرمایه‌گذاری و ان را بومی‌سازی کنیم اما متاسفانه امروزه بیشتر به نرم‌افزارهای خارجی توجه می‌شود.

جمع بندی میزگرد:در انتهای میزگرد قرار شد برای اطلاع رسانی بیشتر در خصوص پردازش گویش طبیعی هر شش ماه یک بار میزگرد یا گفتگوی با مسئولان این پروژه صورت گیرد.