Memahami dan memproses referensi ucapan merupakan tantangan besar dalam mengarahkan pemrosesan bahasa alami dalam konteks asisten AI seperti Amazon Alexa. Masalah ini biasanya melibatkan pengaitan kata ganti yang benar dalam kueri pengguna dengan konsep yang tersirat, misalnya, membandingkan kata ganti “mereka” dalam pernyataan “mainkan album terbaru mereka” dengan beberapa artis musik. Pakar AI di Amazon secara aktif mengerjakan teknologi yang dapat membantu AI memproses permintaan tersebut melalui reformulasi dan penggantian otomatis. Jadi, permintaan “Putar album terbaru mereka” akan otomatis diganti dengan “Putar album Imagine Dragons terbaru”. Dalam hal ini, kata yang diperlukan untuk penggantian dipilih sesuai dengan pendekatan probabilistik yang dihitung menggunakan pembelajaran mesin.
Ilmuwan hasil awal karyanya dalam pracetak dengan judul yang agak sulit - “Menskalakan pelacakan status dialog multi-domain menggunakan reformulasi kueri.” Dalam waktu dekat, penelitian ini direncanakan untuk dipresentasikan di Asosiasi Linguistik Komputasi cabang Amerika Utara.
“Karena mesin reformulasi kueri kami menggunakan prinsip umum untuk menerapkan tautan ucapan, tidak bergantung pada informasi spesifik apa pun tentang aplikasi yang akan digunakan, sehingga tidak memerlukan pelatihan ulang saat kami menggunakannya untuk memperluas kemampuan Alexa,” jelasnya. Arit Gupta (Arit Gupta), pakar linguistik di Amazon Alexa AI. Dia mencatat bahwa teknologi baru mereka, yang disebut CQR (penulisan ulang kueri kontekstual), sepenuhnya membebaskan kode asisten suara internal dari segala kekhawatiran tentang referensi ucapan dalam kueri.
Pertama, AI menentukan konteks umum permintaan: informasi apa yang ingin diterima pengguna atau tindakan apa yang harus dilakukan. Selama dialog dengan pengguna, AI mengklasifikasikan kata kunci, menyimpannya dalam variabel khusus untuk digunakan lebih lanjut. Jika permintaan berikutnya berisi referensi apa pun, AI akan mencoba menggantinya dengan kata-kata yang paling mungkin tersimpan dan sesuai secara semantik, dan jika ini tidak ada dalam memori, AI akan beralih ke kamus internal dari nilai yang paling sering digunakan. , lalu buat ulang permintaan dengan penggantian yang diterapkan, untuk meneruskannya ke asisten suara untuk dieksekusi.
Seperti yang ditunjukkan oleh Gupta dan rekannya, CQR bertindak sebagai lapisan pra-pemrosesan untuk perintah suara dan hanya berfokus pada makna sintaksis dan semantik kata-kata. Dalam eksperimen dengan kumpulan data yang dilatih secara khusus, CQR meningkatkan akurasi kueri sebesar 22% ketika tautan dalam kueri saat ini mengacu pada kata yang digunakan dalam jawaban terbaru, dan sebesar 25% ketika tautan dalam ucapan saat ini merujuk pada sebuah kata dari ucapan sebelumnya.
Sumber: 3dnews.ru