아마존은 알렉사에게 대명사를 올바르게 이해하도록 가르치고 싶어합니다.

음성 참조를 이해하고 처리하는 것은 Amazon Alexa와 같은 AI 보조자의 맥락에서 자연어 처리 방향에 대한 큰 과제입니다. 이 문제는 일반적으로 사용자 쿼리의 대명사를 암시된 개념과 올바르게 연결하는 것과 관련됩니다. 예를 들어 "최신 앨범을 재생해 보세요"라는 문장의 대명사 "그들"을 일부 음악가와 비교합니다. Amazon의 AI 전문가들은 자동 재구성 및 교체를 통해 AI가 이러한 요청을 처리하는 데 도움을 줄 수 있는 기술을 적극적으로 연구하고 있습니다. 따라서 '최신 앨범 재생' 요청은 자동으로 'Imagine Dragons 최신 앨범 재생'으로 대체됩니다. 이 경우, 머신러닝을 이용하여 계산된 확률적 접근 방식에 따라 대체가 필요한 단어를 선택합니다.

과학자들 출판하다 "쿼리 재구성을 사용하여 다중 도메인 대화의 상태 추적 확장"이라는 다소 어려운 제목의 사전 인쇄 작업에 대한 그의 예비 결과입니다. 가까운 시일 내에 이 연구를 전산언어학협회 북미지부에서 발표할 예정입니다.

"우리의 쿼리 재구성 엔진은 음성 링크 적용에 대한 일반 원칙을 사용하기 때문에 사용될 애플리케이션에 대한 특정 정보에 의존하지 않으므로 Alexa의 기능을 확장하기 위해 사용할 때 재교육이 필요하지 않습니다."라고 설명했습니다. Arit Gupta(Arit Gupta), Amazon Alexa AI의 언어 전문가. 그는 CQR(컨텍스트 쿼리 재작성)이라는 새로운 기술을 사용하면 쿼리의 음성 참조에 대한 우려에서 내부 음성 지원 코드를 완전히 해방시킬 수 있다고 언급했습니다.

먼저, AI는 요청의 일반적인 맥락, 즉 사용자가 어떤 정보를 받고 싶은지, 어떤 작업을 수행할지 결정합니다. 사용자와 대화하는 동안 AI는 키워드를 분류하여 향후 사용을 위해 특수 변수에 저장합니다. 다음 요청에 링크가 포함되어 있으면 AI는 저장된 단어 중 가능성이 가장 높고 의미상 적합한 단어로 이를 대체하려고 시도하며, 이것이 메모리에 없으면 가장 자주 사용되는 값의 내부 사전으로 전환합니다. 를 적용한 다음 대체 항목을 적용하여 요청을 다시 작성하여 실행을 위해 음성 지원자에게 전달합니다.

Gupta와 동료들이 지적했듯이 CQR은 음성 명령의 전처리 계층 역할을 하며 단어의 구문 및 의미론적 의미에만 중점을 둡니다. 특별히 훈련된 데이터 세트를 사용한 실험에서 CQR은 현재 쿼리의 링크가 가장 최근 답변에 사용된 단어를 참조할 때 쿼리 정확도를 22% 향상시켰고, 현재 발화의 링크가 단어를 참조할 때는 25% 향상시켰습니다. 이전 발언에서.

출처 : 3dnews.ru