Pangerten lan ngolah referensi wicara minangka tantangan gedhe kanggo arah pangolahan basa alami ing konteks asisten AI kayata Amazon Alexa. Masalah iki biasane nyangkut pronoun kanthi bener ing pitakon pangguna karo konsep sing diwenehake, contone, mbandhingake tembung ganti "dheweke" ing statement "muter album paling anyar" karo sawetara artis musik. Pakar AI ing Amazon aktif nggarap teknologi sing bisa mbantu AI ngolah panjaluk kasebut liwat reformulasi lan panggantos otomatis. Dadi, panjalukan "Muter album paling anyar" bakal diganti kanthi otomatis karo "Muter album Imagine Dragons paling anyar." Ing kasus iki, tembung sing dibutuhake kanggo panggantos dipilih miturut pendekatan probabilistik sing diitung nggunakake pembelajaran mesin.
Ilmuwan asil awal karyane ing preprint kanthi judhul sing rada angel - "Scaling state tracking of multi-domain dialogue using query reformulation." Ing mangsa ngarep, direncanakake kanggo nampilake riset iki ing cabang Asosiasi Linguistik Komputasi Amerika Utara.
"Amarga mesin reformulasi query kita nggunakake prinsip umum kanggo nglamar pranala wicara, ora gumantung ing informasi tartamtu babagan aplikasi sing bakal digunakake, saengga ora mbutuhake latihan maneh nalika digunakake kanggo nggedhekake kapabilitas Alexa," jlentrehe. Arit Gupta (Arit Gupta), pakar linguistik ing Amazon Alexa AI. Dheweke nyathet yen teknologi anyar, sing diarani CQR (penulisan ulang pitakon kontekstual), mbebasake kode asisten swara internal saka keprihatinan babagan referensi wicara ing pitakon.
Pisanan, AI nemtokake konteks umum panyuwunan: informasi apa sing pengin ditampa pangguna utawa tumindak apa sing kudu ditindakake. Sajrone dialog karo pangguna, AI nggolongake tembung kunci, nyimpen ing variabel khusus kanggo nggunakake luwih lanjut. Yen panjalukan sabanjure ngemot referensi apa wae, AI bakal nyoba ngganti tembung kasebut kanthi kemungkinan tembung sing disimpen lan cocog kanthi semantik, lan yen ora ana ing memori, mula bakal diuripake menyang kamus internal nilai sing paling asring digunakake. , lan banjur mbangun maneh panjalukan karo panggantos diterapake, kanggo ngirim menyang asisten swara kanggo eksekusi.
Minangka Gupta lan kanca-kanca nuduhake, CQR tumindak minangka lapisan preprocessing kanggo printah swara lan mung fokus ing makna sintaksis lan semantik saka tembung. Ing eksperimen karo set data sing dilatih khusus, CQR nambah akurasi pitakon kanthi 22% nalika tautan ing pitakon saiki nuduhake tembung sing digunakake ing jawaban paling anyar, lan 25% nalika tautan ing ujaran saiki nuduhake tembung. saka tuturan sadurunge.
Source: 3dnews.ru