విషయము
నవీకరణ, జూలై 12, 2019 (7:15 AM ET): ఈ వారం ప్రారంభంలో, బెల్జియన్ బ్రాడ్కాస్టర్ VRT NWS గూగుల్ వద్ద ఆడియో ట్రాన్స్క్రిప్షన్ పద్ధతులపై మూత ఎత్తి, మానవ కాంట్రాక్టర్ ప్రమేయంతో సంబంధం ఉన్న గోప్యతా సమస్యలను హైలైట్ చేస్తుంది. నిన్న ప్రచురించిన బ్లాగ్ పోస్ట్‌లో గూగుల్ ఈ విమర్శలపై స్పందించింది.
గూగుల్ ఆడియో ట్రాన్స్క్రిప్షన్కు తన విధానాన్ని సమర్థించింది, ఉత్పత్తి చేసే భాషా నిపుణులు ఉత్పత్తిని అభివృద్ధి చేయడంలో కీలకమని పేర్కొంది. కాంట్రాక్టర్లు తక్కువ సంఖ్యలో అనామక ఆడియో క్లిప్‌లలో మాత్రమే పనిచేస్తారని గూగుల్ పునరుద్ఘాటించింది మరియు ఈ ప్రక్రియలో “వినియోగదారు గోప్యతను కాపాడటానికి విస్తృత శ్రేణి భద్రతలను” ఉపయోగిస్తుందని చెప్పారు.
ప్రమాదవశాత్తు గూగుల్‌కు పంపబడే సంభాషణల గురించి గూగుల్ ఇలా చెప్పింది: “నేపథ్య సంభాషణలు లేదా ఇతర శబ్దాలను లిప్యంతరీకరించవద్దని మరియు గూగుల్‌కు దర్శకత్వం వహించిన స్నిప్పెట్‌లను మాత్రమే లిప్యంతరీకరించవద్దని సమీక్షకులు ఆదేశించారు.”
ఒక పరికరం సరే గూగుల్ హాట్ పదబంధాన్ని తప్పుగా అర్థం చేసుకుని, రికార్డింగ్ ప్రారంభించే “తప్పుడు అంగీకారం” సంఘటనలు ఉన్నాయని కంపెనీ అంగీకరించింది. అయినప్పటికీ, ఇది జరగకుండా నిరోధించడానికి "అనేక రక్షణలు" ఉన్నాయని గూగుల్ తెలిపింది మరియు ఇది "అరుదుగా" మాత్రమే జరుగుతుంది.
దురదృష్టవశాత్తు, ఈ రక్షణలు ఏమిటో గూగుల్ వివరంగా చెప్పలేదు. ఇంకా, ఈ తప్పుడు అంగీకారాలు 1000 లో 135 లేదా అంతకంటే ఎక్కువ రికార్డింగ్లలో సంభవించాయి VRT NWS సమీక్షించబడింది, అంటే ఇది 10 శాతం సమయం వరకు జరగవచ్చు.
చివరగా, గూగుల్ ఇటీవలి డేటా లీక్పై దర్యాప్తు చేస్తున్నట్లు తెలిపింది VRT NWS, ఇది దాని విధానాలను ఉల్లంఘించింది మరియు భవిష్యత్తులో ఈ రకమైన లీక్‌లను ఆపడానికి చర్యలు తీసుకుంటుంది.
గూగుల్ తన బ్లాగ్ పోస్ట్‌లో, ఆడియో ట్రాన్స్క్రిప్షన్ ప్రక్రియలో మానవ ప్రమేయానికి సంబంధించి దాని గోప్యతా విధానాలలో సమాచారం లేకపోవడం గురించి చర్చించలేదు.
భాష-సంబంధిత ఉత్పత్తులపై పని చేయడానికి భాషా నిపుణులు అవసరమవుతారనే కారణంతో ఇది నిలుస్తుంది, కాబట్టి మానవ ఆపరేటర్లు ఇప్పుడే ఉండటానికి ఇక్కడ ఉన్నారని నేను అనుమానిస్తున్నాను. మీకు ఇది సరిగ్గా లేకపోతే, మీ కనెక్ట్ చేయబడిన పరికరాలను తొలగించడానికి ఇది సమయం కావచ్చు.
అసలు కవరేజ్, జూలై 11, 2019, 11:05 ఉద ET: బెల్జియం బ్రాడ్కాస్టర్ గూగుల్ యొక్క అసిస్టెంట్ వాయిస్ ట్రాన్స్క్రిప్షన్ పని యొక్క మూసివేసిన తలుపుల వెనుక ఏమి జరుగుతుందో (ద్వారా) వెలుగు చూసింది అంచుకు). బ్రాడ్కాస్టర్, VRT NWS, మూడు అనామక మూలాలతో మాట్లాడారు మరియు ట్రాన్స్క్రిప్షన్ ప్రక్రియను పరిశీలిస్తున్నప్పుడు 1,000 కంటే ఎక్కువ రికార్డింగ్లను విన్నారు.
VRT NWS సేవను మెరుగుపరచడానికి కొన్ని ఆడియోలను లిప్యంతరీకరించడానికి గూగుల్ మానవ కాంట్రాక్టర్లను ఉపయోగిస్తుందని తెలుసుకున్నారు. అయితే, వీటిలో తరచుగా వ్యక్తిగతంగా గుర్తించదగిన, ప్రైవేట్ వివరాలు ఉంటాయి. VRT NWS రికార్డింగ్లలో చేర్చబడిన చిరునామాల వంటి సున్నితమైన సమాచారం ఆధారంగా కొంతమందిని సంప్రదించగలిగామని చెప్పారు.
అంతేకాకుండా, బ్రాడ్కాస్టర్ అది విన్న 153 నమూనాలను వినియోగదారు స్పష్టంగా “సరే, గూగుల్” హాట్ పదబంధాన్ని ఇవ్వకుండా రికార్డ్ చేసినట్లు కనుగొన్నారు.
ఈ రికార్డింగ్లలో కొన్నిసార్లు ప్రేమ, పిల్లలు, ఆరోగ్యం, డబ్బు మొదలైనవాటిని రికార్డ్ చేసే సున్నితమైన చర్చలు ఉంటాయి VRT NWS స్పష్టమైన బాధలో ఉన్న మహిళ గొంతుతో కూడిన రికార్డింగ్‌ను వారు విన్నారని వర్గాలు తెలిపాయి.
మీరు ఈ విషయంపై వీడియో నివేదికను చూడవచ్చు కాని మీరు ఆంగ్ల అనువాదం కోసం శీర్షికలను ప్రారంభించాలి.
ఇది మాకు ఇప్పటికే తెలియదా?
వినియోగదారుల నుండి సేకరించే డేటా గురించి గూగుల్ సహేతుకంగా పారదర్శకంగా కనిపిస్తుంది మరియు ఇది మా వాయిస్ రికార్డింగ్లను ఆదా చేస్తుందని మాకు ఇప్పటికే తెలుసు.మీరు ఎప్పుడైనా Google అసిస్టెంట్‌ను ఉపయోగించినట్లయితే మీ వ్యక్తిగత రికార్డింగ్‌లన్నింటినీ వినడానికి మీరు ఇక్కడ సరదా యాత్ర చేయవచ్చు వాయిస్ మరియు ఆడియో కార్యాచరణ).
ఇంకా ఏమిటంటే, అమెజాన్ ఉద్యోగులు అలెక్సా రికార్డింగ్లను గూగుల్ మాదిరిగానే వింటారని ఇటీవల వెలుగులోకి వచ్చింది.
ఏదేమైనా, రికార్డింగ్‌లు వింటున్న మానవ కాంట్రాక్టర్ల గురించి గూగుల్ స్పష్టంగా లేదు లేదా గూగుల్ ఉత్పత్తి “సరే గూగుల్” లేదా “హే గూగుల్” యాక్టివేషన్ పదబంధాన్ని స్పష్టంగా ఉపయోగించనప్పుడు విన్నట్లు భావిస్తే ఏమి జరుగుతుంది.
పైన లింక్ చేసిన Google డేటా సేకరణ పేజీలో, ఈ కారకాల గురించి ప్రస్తావించలేదు.
మానవులు ఎందుకు వింటున్నారు?
గూగుల్ మరియు అమెజాన్ వంటి కంపెనీలు వాయిస్ రికగ్నిషన్ అల్గోరిథంలు లేదా కస్టమర్ అనుభవం వంటి వాటిని మెరుగుపరచడానికి వచనాన్ని లిప్యంతరీకరించడానికి మానవ శ్రోతలపై ఆధారపడతాయి.
ఈ ప్రక్రియ కోసం తక్కువ సంఖ్యలో నమూనాలను మాత్రమే ఉపయోగిస్తున్నట్లు కంపెనీలు పేర్కొన్నాయి మరియు సమాచారాన్ని గుర్తించే కాంట్రాక్టర్లకు ఆ నమూనాలు సరఫరా చేయబడవు. ఫైళ్ళకు పేర్లు లేదా స్థాన డేటా జతచేయబడలేదు, కేవలం ఆడియో.
అయితే ఇది మాట్లాడే వ్యక్తి రికార్డింగ్ సమయంలో సున్నితమైన సమాచారాన్ని బహిర్గతం చేసే అవకాశాన్ని మినహాయించదు - రికార్డింగ్ అనుకోకుండా జరిగిన సందర్భాల్లో ముఖ్యంగా ఇబ్బంది కలిగించే విషయం.
వైర్డ్కు ఒక ప్రకటనలో, గూగుల్ ప్రతినిధి మాట్లాడుతూ, ప్రపంచవ్యాప్తంగా భాషా నిపుణులను "0.2 శాతం" రికార్డింగ్లను లిప్యంతరీకరించడానికి కంపెనీ ఉపయోగిస్తుంది. సంస్థ తరువాత బ్లాగ్ ఎంట్రీని పోస్ట్ చేసింది, ఇది ఈ విధానాన్ని మరింత వివరిస్తుంది.
స్పీచ్ టెక్నాలజీని మెరుగుపరచడానికి యూజర్ డేటా ఎలా ఉపయోగించబడుతుందనే దానిపై గూగుల్ తన విధానాలను ఎలా స్పష్టం చేస్తుందో కూడా సమీక్షిస్తుందని ప్రతినిధి చెప్పారు. పై వీడియో నివేదికలో, గూగుల్ అసిస్టెంట్ వంటి ఉత్పత్తులను అందించడానికి ఈ రకమైన పని చాలా అవసరం అని గూగుల్ పేర్కొంది.
సంబంధం లేకుండా, గూగుల్ మిలియన్ల హోమ్ ఉత్పత్తులను మరియు బిలియన్ల ఆండ్రాయిడ్ ఫోన్‌లను విక్రయించింది; కోట్ చేసిన 0.2 శాతం ఫిగర్ ఇప్పటికీ మిలియన్ల మంది రికార్డింగ్లను సూచిస్తుంది - బహుశా ప్రమాదవశాత్తు రికార్డ్ చేయబడి ఉండవచ్చు, బహుశా మా ప్రైవేట్ సమాచారంతో సహా - మానవ ఆపరేటర్లు వింటున్నారు.
అటువంటి అసిస్టెంట్-ఎనేబుల్ చేసిన పరికరాన్ని మీరు స్వంతం చేసుకోవాలనుకుంటే లేదా కొనుగోలు చేయాలనుకుంటే నేను దానిని గుర్తుంచుకోను. ఎప్పటికప్పుడు “మైక్రోఫోన్ ఆఫ్” స్విచ్‌ను ఉపయోగించుకోవచ్చు.
తదుపరి చదవండి: గూగుల్ హోమ్ హబ్ వర్సెస్ అమెజాన్ ఎకో షో 2: స్మార్ట్ డిస్‌ప్లేల యుద్ధం
