Η κατανόηση και η επεξεργασία αναφορών ομιλίας είναι μια μεγάλη πρόκληση για την κατεύθυνση της επεξεργασίας φυσικής γλώσσας στο πλαίσιο των βοηθών τεχνητής νοημοσύνης όπως η Amazon Alexa. Αυτό το πρόβλημα συνήθως περιλαμβάνει τη σωστή συσχέτιση των αντωνυμιών σε ερωτήματα χρήστη με υπονοούμενες έννοιες, για παράδειγμα, τη σύγκριση της αντωνυμίας «αυτοί» στη δήλωση «παίξε το τελευταίο τους άλμπουμ» με κάποιον μουσικό καλλιτέχνη. Οι ειδικοί της τεχνητής νοημοσύνης στην Amazon εργάζονται ενεργά σε τεχνολογία που θα μπορούσε να βοηθήσει την τεχνητή νοημοσύνη να επεξεργαστεί τέτοια αιτήματα μέσω αυτόματης αναδιατύπωσης και αντικατάστασης. Έτσι, το αίτημα "Παίξτε το τελευταίο τους άλμπουμ" θα αντικατασταθεί αυτόματα με το "Αναπαραγωγή του τελευταίου άλμπουμ Imagine Dragons". Σε αυτήν την περίπτωση, η λέξη που απαιτείται για αντικατάσταση επιλέγεται σύμφωνα με μια πιθανολογική προσέγγιση που υπολογίζεται με τη χρήση μηχανικής μάθησης.
Επιστήμονες προκαταρκτικό αποτέλεσμα της δουλειάς του σε μια προέκδοση με έναν μάλλον δύσκολο τίτλο - "Κλιμάκωση παρακολούθησης κατάστασης διαλόγου πολλαπλών τομέων με χρήση επαναδιατύπωσης ερωτήματος". Στο εγγύς μέλλον, σχεδιάζεται να παρουσιαστεί αυτή η έρευνα στο βορειοαμερικανικό παράρτημα του Association for Computational Linguistics.
"Επειδή η μηχανή αναμόρφωσης ερωτημάτων μας χρησιμοποιεί γενικές αρχές για την εφαρμογή συνδέσμων ομιλίας, δεν εξαρτάται από συγκεκριμένες πληροφορίες σχετικά με την εφαρμογή όπου θα χρησιμοποιηθεί, επομένως δεν απαιτεί επανεκπαίδευση όταν τη χρησιμοποιούμε για να επεκτείνουμε τις δυνατότητες της Alexa", εξήγησε. Arit Gupta (Arit Gupta), ειδικός γλωσσολογίας στο Amazon Alexa AI. Σημείωσε ότι η νέα τεχνολογία τους, που ονομάζεται CQR (contextual query rewriting), απελευθερώνει πλήρως τον εσωτερικό κώδικα του φωνητικού βοηθού από οποιαδήποτε ανησυχία σχετικά με τις αναφορές ομιλίας σε ερωτήματα.
Πρώτον, το AI καθορίζει το γενικό πλαίσιο του αιτήματος: ποιες πληροφορίες θέλει να λάβει ο χρήστης ή ποια ενέργεια να εκτελέσει. Κατά τη διάρκεια του διαλόγου με τον χρήστη, το AI ταξινομεί λέξεις-κλειδιά, αποθηκεύοντάς τες σε ειδικές μεταβλητές για περαιτέρω χρήση. Εάν το επόμενο αίτημα περιέχει οποιαδήποτε αναφορά, η τεχνητή νοημοσύνη θα προσπαθήσει να την αντικαταστήσει με την πιο πιθανή από τις αποθηκευμένες και σημασιολογικά κατάλληλες λέξεις και αν δεν υπάρχει στη μνήμη, θα στραφεί στο εσωτερικό λεξικό των πιο συχνά χρησιμοποιούμενων τιμών και, στη συνέχεια, δημιουργήστε ξανά το αίτημα με την αντικατάσταση που εφαρμόστηκε, για να το μεταβιβάσετε στον φωνητικό βοηθό για εκτέλεση.
Όπως επισημαίνουν ο Gupta και οι συνεργάτες του, το CQR λειτουργεί ως επίπεδο προεπεξεργασίας για φωνητικές εντολές και εστιάζει μόνο στη συντακτική και σημασιολογική σημασία των λέξεων. Σε πειράματα με ένα ειδικά εκπαιδευμένο σύνολο δεδομένων, το CQR βελτίωσε την ακρίβεια του ερωτήματος κατά 22% όταν ο σύνδεσμος στο τρέχον ερώτημα αναφέρεται σε μια λέξη που χρησιμοποιήθηκε στην πιο πρόσφατη απάντηση και κατά 25% όταν ο σύνδεσμος στην τρέχουσα έκφραση αναφέρεται σε μια λέξη από προηγούμενη ρήση.
Πηγή: 3dnews.ru