Comprender e procesar referencias de fala é un gran desafío para a dirección do procesamento da linguaxe natural no contexto de asistentes de IA como Amazon Alexa. Este problema adoita implicar asociar correctamente os pronomes nas consultas dos usuarios con conceptos implícitos, por exemplo, comparar o pronome "eles" na declaración "toca o seu último álbum" con algún artista musical. Os expertos en IA de Amazon están a traballar activamente en tecnoloxía que podería axudar a AI a procesar tales solicitudes mediante a reformulación e a substitución automáticas. Polo tanto, a solicitude "Reproduce o seu último álbum" substituirase automaticamente por "Reproduce o último álbum de Imagine Dragons". Neste caso, a palabra necesaria para a substitución elíxese de acordo cun enfoque probabilístico calculado mediante a aprendizaxe automática.
Científicos resultado preliminar do seu traballo nunha preimpresión cun título bastante difícil: "Scaling state tracking of multi-domain dialog using query reformulation". Nun futuro próximo, está previsto presentar esta investigación na rama norteamericana da Association for Computational Linguistics.
"Debido a que o noso motor de reformulación de consultas utiliza principios xerais para aplicar ligazóns de voz, non depende de ningunha información específica sobre a aplicación onde se vai utilizar, polo que non require reciclaxe cando o utilizamos para ampliar as capacidades de Alexa", explicou. Arit Gupta (Arit Gupta), experto en lingüística en Amazon Alexa AI. Sinalou que a súa nova tecnoloxía, chamada CQR (reescritura de consulta contextual), libera completamente o código interno do asistente de voz de calquera preocupación polas referencias de voz nas consultas.
En primeiro lugar, a IA determina o contexto xeral da solicitude: que información quere recibir o usuario ou que acción realizar. Durante o diálogo co usuario, a IA clasifica as palabras clave, almacenándoas en variables especiais para o seu posterior uso. Se a seguinte solicitude contén algunha referencia, a IA tentará substituíla pola máis probable das palabras almacenadas e semánticamente adecuadas, e se esta non está na memoria, recorrerá ao dicionario interno dos valores máis utilizados. , e despois reconstruír a solicitude coa substitución aplicada, para pasala ao asistente de voz para a execución.
Como sinalan Gupta e os seus compañeiros, CQR actúa como unha capa de preprocesamento para os comandos de voz e céntrase só nos significados sintácticos e semánticos das palabras. En experimentos cun conxunto de datos especialmente adestrado, CQR mellorou a precisión das consultas nun 22 % cando a ligazón da consulta actual fai referencia a unha palabra que se utilizou na resposta máis recente e nun 25 % cando a ligazón da enunciación actual fai referencia a unha palabra. a partir dun enunciado anterior.
Fonte: 3dnews.ru