Multimodális ember-gép kommunikáció

Abstract

A számítógépek korszakát éljük, melyben igen fontos a számítógépekkel való kommunikáció. Véleményem szerint az ember programozónak csak születhet. Bárki megtanulhatja a szoftverfejlesztés tudományágait, de csak keveseknek adatik meg, hogy jó programozóvá váljanak. Ők azok, akik jól megértik a számítógépek nyelvét. Szakdolgozatom célja, hogy azokat az átlagembereket, akik nem szeretnek, vagy nem tudnak programozni, közelebb hozza a számítógépek világához, a kezdő programozóknak segítsen új programozási nyelvek elsajátításában, és az igazán jó programozóknak pedig gyorsabbá tegye a munkavégzést. Célom, hogy megvalósítsak egy olyan fejlesztői környezetet, mely több programozási nyelven képes (C++/CLI, C#, Java, Object Pascal) egy alkalmazáshoz implementációt készíteni pusztán hangvezérléssel. A programot C# programnyelven tervezem megvalósítani, és a .NET beépített SpeechSynthesizer osztályát fogom használni a hangvezérléshez. Emellett megvizsgálom a Google Speech API-t is, hogy annak mik az előnyei, és mik a hátrányai a .NET-es komponenssel szemben. Azért választottam ezt a témát, mert úgy gondoltam, egy hangalapú fejlesztőkörnyezettel nem csak anyagi hasznot lehet termelni, hanem az emberek szellemi fejlődését is elősegíthetné, ezáltal könnyebbé téve a programozási nyelvek tanítását. A kérdés már csak az, hogy szükség lesz-e ezek után programozási nyelvekre, és nem célszerűbb-e a hangalapú programozást az élő beszédhez hasonlatossá tenni, és továbbfejleszteni egy mesterséges intelligencia szoftverré, mely akár sokkal komplikáltabb feladatok elvégzésére is képes lenne. A program elméleti jelentősége egy futurisztikus világba kalauzol el minket, ahol már nem programoznak az emberek, hanem hangvezérléssel irányítják a környezetükben található készülékeket, robotokat.