Razumijevanje i obrada govornih referenci veliki je izazov za smjer obrade prirodnog jezika u kontekstu AI asistenata kao što je Amazon Alexa. Ovaj problem obično uključuje ispravno povezivanje zamjenica u upitima korisnika sa impliciranim konceptima, na primjer, poređenje zamjenice „oni“ u izjavi „pusti njihov najnoviji album“ sa nekim muzičkim izvođačem. Stručnjaci za umjetnu inteligenciju u Amazonu aktivno rade na tehnologiji koja bi mogla pomoći umjetnoj inteligenciji da obradi takve zahtjeve kroz automatsku reformulaciju i zamjenu. Dakle, zahtjev "Pusti njihov najnoviji album" će automatski biti zamijenjen sa "Pusti najnoviji album Imagine Dragons". U ovom slučaju, riječ koja je potrebna za zamjenu odabire se u skladu s vjerojatnostim pristupom izračunatim korištenjem mašinskog učenja.
Naučnici preliminarni rezultat njegovog rada u preprintu s prilično teškim naslovom - “Praćenje stanja skaliranja višedomenskog dijaloga korištenjem reformulacije upita.” U bliskoj budućnosti planirano je da se ovo istraživanje predstavi na sjevernoameričkom ogranku Udruženja za kompjutersku lingvistiku.
„Budući da naš mehanizam za reformulaciju upita koristi opšte principe za primenu govornih veza, ne zavisi od bilo kakvih specifičnih informacija o aplikaciji u kojoj će se koristiti, tako da ne zahteva ponovnu obuku kada je koristimo da bismo proširili mogućnosti Alexa-e“, objasnio je Arit Gupta (Arit Gupta), stručnjak za lingvistiku u Amazon Alexa AI. Napomenuo je da njihova nova tehnologija, nazvana CQR (kontekstualno prepisivanje upita), potpuno oslobađa interni kod glasovnog pomoćnika svake brige o govornim referencama u upitima.
Prvo, AI određuje opći kontekst zahtjeva: koje informacije korisnik želi primiti ili koju radnju izvršiti. Tokom dijaloga sa korisnikom, AI klasifikuje ključne reči, spremajući ih u posebne varijable za dalju upotrebu. Ako sljedeći zahtjev sadrži bilo kakvu referencu, AI će je pokušati zamijeniti najvjerojatnijom od pohranjenih i semantički prikladnih riječi, a ako to nije u memoriji, okrenut će se internom rječniku najčešće korištenih vrijednosti , a zatim ponovo izgradite zahtjev sa primijenjenom zamjenom, da biste ga proslijedili glasovnom pomoćniku na izvršenje.
Kao što Gupta i kolege ističu, CQR djeluje kao sloj za prethodnu obradu za glasovne komande i fokusira se samo na sintaktička i semantička značenja riječi. U eksperimentima sa posebno obučenim skupom podataka, CQR je poboljšao tačnost upita za 22% kada se veza u trenutnom upitu odnosi na riječ koja je korištena u posljednjem odgovoru, i za 25% kada se veza u trenutnom izgovoru odnosi na riječ iz prethodnog iskaza.
izvor: 3dnews.ru