Amazon ຕ້ອງການສອນ Alexa ໃຫ້ເຂົ້າໃຈຄໍານາມຢ່າງຖືກຕ້ອງ

ຄວາມເຂົ້າໃຈແລະການປຸງແຕ່ງການອ້າງອິງຄໍາເວົ້າແມ່ນສິ່ງທ້າທາຍອັນໃຫຍ່ຫຼວງສໍາລັບທິດທາງຂອງການປຸງແຕ່ງພາສາທໍາມະຊາດໃນສະພາບການຂອງຜູ້ຊ່ວຍ AI ເຊັ່ນ Amazon Alexa. ບັນຫານີ້ມັກຈະກ່ຽວຂ້ອງກັບການເຊື່ອມໂຍງກັບຄໍານາມທີ່ຖືກຕ້ອງໃນການສອບຖາມຂອງຜູ້ໃຊ້ກັບແນວຄວາມຄິດທີ່ຊີ້ໃຫ້ເຫັນ, ຕົວຢ່າງ, ການປຽບທຽບຄໍານາມ "ພວກເຂົາ" ໃນຄໍາຖະແຫຼງທີ່ວ່າ "ຫຼິ້ນອາລະບໍາຫຼ້າສຸດຂອງພວກເຂົາ" ກັບນັກດົນຕີບາງຄົນ. ຜູ້ຊ່ຽວຊານ AI ຢູ່ Amazon ກໍາລັງເຮັດວຽກຢ່າງຫ້າວຫັນກ່ຽວກັບເຕັກໂນໂລຢີທີ່ສາມາດຊ່ວຍ AI ດໍາເນີນຄໍາຮ້ອງຂໍດັ່ງກ່າວໂດຍຜ່ານການປະຕິຮູບອັດຕະໂນມັດແລະການທົດແທນ. ດັ່ງນັ້ນ, ຄໍາຮ້ອງຂໍ "ຫຼິ້ນອາລະບໍາຫຼ້າສຸດຂອງພວກເຂົາ" ຈະຖືກແທນທີ່ໂດຍອັດຕະໂນມັດດ້ວຍ "ຫຼິ້ນອັລບັມ Imagine Dragons ຫຼ້າສຸດ." ໃນກໍລະນີນີ້, ຄໍາທີ່ຕ້ອງການສໍາລັບການທົດແທນແມ່ນຖືກເລືອກໂດຍສອດຄ່ອງກັບວິທີການທີ່ເປັນໄປໄດ້ທີ່ຄິດໄລ່ໂດຍໃຊ້ການຮຽນຮູ້ເຄື່ອງຈັກ.

ນັກວິທະຍາສາດ ເຜີຍແຜ່ ຜົນໄດ້ຮັບເບື້ອງຕົ້ນຂອງການເຮັດວຽກຂອງລາວໃນ preprint ທີ່ມີຫົວຂໍ້ທີ່ມີຄວາມຫຍຸ້ງຍາກຫຼາຍ - "ການຂະຫຍາຍການຕິດຕາມລັດຂອງການສົນທະນາຫຼາຍໂດເມນໂດຍໃຊ້ການປະຕິຮູບແບບສອບຖາມ." ໃນອະນາຄົດອັນໃກ້ນີ້, ມັນໄດ້ຖືກວາງແຜນທີ່ຈະນໍາສະເຫນີການຄົ້ນຄວ້ານີ້ຢູ່ສາຂາອາເມລິກາເຫນືອຂອງສະມາຄົມສໍາລັບພາສາສາດຄອມພິວເຕີ້.

"ເນື່ອງຈາກວ່າເຄື່ອງຈັກໃນການປະຕິຮູບແບບສອບຖາມຂອງພວກເຮົາໃຊ້ຫຼັກການທົ່ວໄປສໍາລັບການນໍາໃຊ້ການເຊື່ອມຕໍ່ຄໍາເວົ້າ, ມັນບໍ່ໄດ້ຂຶ້ນກັບຂໍ້ມູນສະເພາະໃດໆກ່ຽວກັບຄໍາຮ້ອງສະຫມັກທີ່ມັນຈະຖືກນໍາໃຊ້, ດັ່ງນັ້ນມັນບໍ່ຈໍາເປັນຕ້ອງມີການຝຶກອົບຮົມຄືນໃຫມ່ເມື່ອພວກເຮົາໃຊ້ມັນເພື່ອຂະຫຍາຍຄວາມສາມາດຂອງ Alexa," Arit Gupta (Arit Gupta), ຜູ້ຊ່ຽວຊານດ້ານພາສາຂອງ Amazon Alexa AI. ລາວສັງເກດເຫັນວ່າເຕັກໂນໂລຢີໃຫມ່ຂອງພວກເຂົາ, ເອີ້ນວ່າ CQR (ການຂຽນແບບສອບຖາມຄືນໃຫມ່), ປົດປ່ອຍລະຫັດຜູ້ຊ່ວຍສຽງພາຍໃນຢ່າງສົມບູນຈາກຄວາມກັງວົນກ່ຽວກັບການອ້າງອິງຄໍາເວົ້າໃນການສອບຖາມ.

ຫນ້າທໍາອິດ, AI ກໍານົດສະພາບການທົ່ວໄປຂອງຄໍາຮ້ອງຂໍ: ຂໍ້ມູນໃດທີ່ຜູ້ໃຊ້ຕ້ອງການທີ່ຈະໄດ້ຮັບຫຼືສິ່ງທີ່ປະຕິບັດເພື່ອປະຕິບັດ. ໃນລະຫວ່າງການສົນທະນາກັບຜູ້ໃຊ້, AI ໄດ້ຈັດປະເພດຄໍາສໍາຄັນ, ເກັບຮັກສາໄວ້ໃນຕົວແປພິເສດສໍາລັບການນໍາໃຊ້ຕໍ່ໄປ. ຖ້າຄໍາຮ້ອງຂໍຕໍ່ໄປປະກອບດ້ວຍຄໍາອ້າງອີງໃດໆ, AI ຈະພະຍາຍາມທົດແທນມັນດ້ວຍຄໍາທີ່ເກັບໄວ້ແລະຄໍາທີ່ເຫມາະສົມທີ່ສຸດ, ແລະຖ້ານີ້ບໍ່ແມ່ນຢູ່ໃນຫນ່ວຍຄວາມຈໍາ, ມັນຈະຫັນໄປຫາວັດຈະນານຸກົມພາຍໃນຂອງຄ່າທີ່ໃຊ້ເລື້ອຍໆທີ່ສຸດ. , ແລະຫຼັງຈາກນັ້ນສ້າງຄໍາຮ້ອງຂໍຄືນໃຫມ່ດ້ວຍການທົດແທນທີ່ນໍາໃຊ້, ເພື່ອສົ່ງມັນໄປຫາຜູ້ຊ່ວຍສຽງເພື່ອປະຕິບັດ.

ດັ່ງທີ່ Gupta ແລະເພື່ອນຮ່ວມງານຊີ້ໃຫ້ເຫັນ, CQR ເຮັດຫນ້າທີ່ເປັນຊັ້ນປຸງແຕ່ງສໍາລັບຄໍາສັ່ງສຽງແລະສຸມໃສ່ພຽງແຕ່ຄວາມຫມາຍ syntactic ແລະ semantic ຂອງຄໍາສັບຕ່າງໆ. ໃນການທົດລອງກັບຊຸດຂໍ້ມູນທີ່ໄດ້ຮັບການຝຶກອົບຮົມພິເສດ, CQR ປັບປຸງຄວາມຖືກຕ້ອງຂອງຄໍາຖາມໂດຍ 22% ເມື່ອການເຊື່ອມຕໍ່ໃນການສອບຖາມໃນປະຈຸບັນຫມາຍເຖິງຄໍາທີ່ໃຊ້ໃນຄໍາຕອບຫຼ້າສຸດ, ແລະ 25% ເມື່ອການເຊື່ອມໂຍງໃນຄໍາທີ່ໃຊ້ໃນປັດຈຸບັນຫມາຍເຖິງຄໍາສັບໃດຫນຶ່ງ. ຈາກຄໍາເວົ້າທີ່ຜ່ານມາ.

ແຫຼ່ງຂໍ້ມູນ: 3dnews.ru