גוגל רוצה לקרוא ספרים סרוקים – וכולנו הולכים לעזור לה (או: על הרכישה של גוגל את ר-קפצ'ה)

18 תגובות בנושא “גוגל רוצה לקרוא ספרים סרוקים – וכולנו הולכים לעזור לה (או: על הרכישה של גוגל את ר-קפצ'ה)”

1. פינגבאק: "סדרי גודל ביקום 2″ – עכשיו בתירגום לעברית! (ומחשבות על שיתופי פעולה ברשת)

2. טל שלום
   מתוך התגובות שקראתי אני מניח שהאתר שלך מדהים , יש לי שאלה ובקשה האם אתה סורק גם ספרי פילוסופיה, או ספרים במדעי הרוח, ספרי קודש, מתוך תגובה אחת הבנתי שבנושא יש בעיות משפטיות
   האם באו על פתרונן ?
   באם האמור לעיל יתבצע מובטח לך הסתערות של קוראים
   בינתיים יישר כוחך על המבצע
   שלמה

   הגב

   1. היי שלמה.
      אני מקווה שזה ברור שהמפעל שתיארתי הוא של גוגל ולא שלי 🙂

      בברכה,
      טל

      הגב

3. וון האן מדבר על זה שהוא הרגיש רגשות אשם על כל הזמן שמתבזבז על קפצ'ות, אבל עם ההמצאה שלו אנשים מבזבזים על קפצ'ות לאימות זהות את אותו זמן כבעבר, וגם תורמים עוד שניות אחדות מזמנם לטובת דיגטול ספרים. כלומר עבור המשתמשים שלא יקראו את הספרים הדיגיטליים, ההמצאה הזאת רק מבזבזת להם עוד זמן.

   הגב

4. מה ימנע מאנשים להקליד טעויות במתכוון
   איפה הבקרת איכות נכנסת לענין

   חוץ מזה תרגום של כל מילה בודדת לא יתן ספר מתורגם
   אלא אוסף של מילים חסרות הקשר

   הגב

   1. שאלות יפות אתה שואל, ולהן תשובות פשוטות:
      1) המערכת של reCAPTCHA תמיד מציגה בפני אנשים 2 מילים להקלדה. מילה אחת המערכת כבר יודעת מהי (כי היא הצליחה לזהות אותה עם ה- OCR שלה), והמילה השניה היא לא יודעת. היא חוזרת על התהליך הזה על פני הרבה אנשים, ומשווה את התוצאות של המילה שהיא רוצה לגלות בין כל האנשים שענו נכון על המילה שהיא יודעת מהי.
      באופן כזה היא יכולה לאסוף תשובות (או התפלגות של תשובות), על מהי אותה מילה, מבין האנשים שהצליחו לענות נכון על המילה הידועה.

      2) ברור שתירגום של מילים בודדות מוביל לתירגום של ספרים. ספרים מורכבים ממילים בודדות, אם תיתן למאות אלפי אנשים להקליד כל אחד מילה מספר, בסוף תקבל את כל הספר מוקלד.

      להסבר מורחב יותר, תכנס ותקרא כאן:
      http://recaptcha.net/learnmore.html

      אגב, אם אתה מריץ בלוג וורדפרס, יש פלאגין של ר-קפצ'ה שמאפשר לסנן תגובות זבל:
      http://recaptcha.net/plugins/wordpress/

      הגב

      1. "ברור שתירגום של מילים בודדות מוביל לתירגום של ספרים. ספרים מורכבים ממילים בודדות, אם תיתן למאות אלפי אנשים להקליד כל אחד מילה מספר, בסוף תקבל את כל הספר מוקלד."

         Obvious that translation of words single leads to translation of books.
         books composed of single words, if let hundreds thousands people to type each word from book, end you get all book translated.

         נשמע כמו תרגום קביל למשפט שלך?
         וזה עוד מקרה פשוט, בלי דקויות.
         נסה לתרגם ככה את:
         * אולם האולם היה קטן מדי.
         * דבר היא מחלה קשה
         * דבר והיפוכו

         בוא נגיד שתרגום של מילים בודדות זה שלב הכרחי בדרך לתרגום של ספרים שלמים, אבל הוא בהחלט לא מספיק.

         הגב

         1. אהלן עמרי,
            צר לי אך התבלבלתי. חשבתי ש SH770 מדבר על תירגום של ספרים לשפת מכונה (דהיינו תירגום פיקסלים לתווים). מהתגובה שלך עכשיו הבנתי שהוא בעצם דיבר לתירגום של מילים משפה אחת לשפה אחרת.
            אז רק לשם הבהרה: לא הצעתי (או חשבתי) שגוגל יתתנו לאנשים מילים בודדות ויבקשו מהם לתרגם אותם לשפה אחרת. זה, כמו שהדגמת היטב, פשוט לא יעבוד.
            מה שכן חשבתי עליו היה מצב שבו גוגל יוכלו לסרוק ספר בעברית, ולתת אותו לאנשים (מאיזור ישראל) להקליד. מה שיקרה במצב כזה, הוא שגוגל יוכלו ליצור OCR סטטיסטי עבור השפה העברית. וכך עבור כל שפה שהיא. למעשה, בדרך כזו, גוגל יוכלו לבנות אלגוריתם "מתקוונן" יחיד, ופשוט להחליף את הקלט (השפות) שלו. ובצורה כזו, ליצור OCR לכל שפה שקיימת בעולם. למה זה משמעותי? כיוון שבאנגלית יש הרבה OCR-ים, והרבה טכנולוגיות. אבל אי אפשר להשתמש בהם as is בשפות אחרות. בעוד שמה שתיארתי כרגע ניתן ליישמו בכל שפה שהיא (בהנחה שתתן לאנשי אותה שפה להקליד לך מילים).

            תודה על ההבהרה עמרי,
            טל

            הגב

            1. היי טל,
               גוגל אכן פותרים את הבעיה של המרת מילים מתמונה לטקסט, ואין ספק שהמידע שזה נותן להם יעזור כדי ללמד מכונה לזהות מילים נוספות.
               הבעיה של תרגום שפה לשפה היא בעיה קשה ולא פתורה, גם עם מודלים סטטיסטיים. למעשה, צריך משהו קרוב מאוד לבינה מלאכותית אמיתית כדי לתרגם ספרים משפה לשפה בצורה אוטומטית ומוצלחת.
               יש הרבה קשיים, על חלקם ניתן להתגבר בשיטות סטטיסטיות, אבל עבור לא מעט מהבעיות צריך באמת להבין את ההקשר כדי לתרגם, ולפעמים צריך גם ידע בתחום הבעיה בה הטקסט עוסק.

               שיהיה חג שמייח 🙂

               הגב

               1. אהלן עמרי.

                  הסכמתי איתך לגבי זה לחלוטין.

                  כל מה שאמרתי הוא שהאלגוריתם הסטטיסטי שאפשר לפתח עבור שפה אחת, יוכל לשמש גם עבור שפות אחרות (לא עבור המרה בין שפות, אלא בשביל להשתמש במאגרי מידע של שפות שונות ליצירת OCR ).
                  אך נראה לי שהבנת אותי 🙂

                  חג שמייח ידידי !
                  טל

                  הגב

5. לא ציינת שההרצאה המבריקה בסוף הפוסט (כתבתי עליה את אחד הפוסטים הראשונים בבלוג שלי, אי שם ב2006) היא של אותו לואי וון אהן.

   הגב

   1. אהלן צפריר. אכן לא ציינתי (למרות ששמתי לב). תודה על התגובה 🙂

      הגב

6. נהדר…
   עוד שרות שיחייב משתמשים למסור לגוגל מידע על האתרים שבהם הם משתמשים.
   והפעם אין מנוס. בניגול לגוגל אנליטיקס – שאפשר פשוט לסנן, הפעם בלי זה אין כניסה לאתר.

   הגב

   1. ידעתי שאני לא צריך לפרט את הסכנות הנוספות – כי ידעתי שאתה תבוא ותמצא לי עוד כמה שלא חשבתי עליהם. כל הכבוד 🙂

      הגב

7. מבריק!

   הגב

   1. תודה פיליפ

      הגב

8. למדתי משהו חדש. תודה 🙂

   הגב

   1. בשמחה ניב 🙂

      הגב