Forse non tutti sanno che la maggior parte dei servizi offerti da Google si basa su un sistema di machine learning in grado di imparare sempre di più sul nostro conto e predire, sempre con maggiore precisioni, quali sono le cose che vogliamo scrivere, ricercare, ecc. Attraverso un articolo molto interessante, gli sviluppatori di Google hanno parlato del sistema di machine learning che vi è dietro la tastiera Gboard.
Si tratta di un articolo interessante soprattutto perché ci spiega quali sono stati i passaggi che hanno permesso la creazione di un’applicazione così in grado di apprendere dalle nostre abitudini di scrittura.
Le strutture matematiche su cui di basa Gboard
…Abbiamo sfruttato la nostra esperienza nel riconoscimento del discorso per perseguire la nostra visione. In primo luogo, abbiamo creato robusti modelli spaziali che mappano sequenze di punti di contatto grezzi a tasti sulla tastiera, proprio come i modelli acustici mappano sequenze di punture sonore a unità fonetiche.
In secondo luogo, abbiamo costruito un potente motore di decodifica del nucleo basato su traduttori di stato finito (FST) per determinare la sequenza di parole più vicina data da una sequenza di tocco di input. Con il suo formalismo matematico e il suo ampio successo nelle applicazioni vocali, sapevamo che un decodificatore FST avrebbe offerto la flessibilità necessaria per supportare una varietà di comportamenti complessi di input sulla tastiera e le caratteristiche linguistiche.
Insomma, si è partiti da alcuni modelli matematici per poi applicare sempre più tecniche di predizione della parola. Nel caso foste interessati, vi rimandiamo all’articolo originale per maggiori informazioni tecniche sullo sviluppo di Gboard (chiaramente ciò vale sia per la versione Android che per la versione iOS).