अॅमेझॉनला अॅलेक्साला सर्वनाम योग्यरित्या समजण्यास शिकवायचे आहे

Amazon Alexa सारख्या AI सहाय्यकांच्या संदर्भात नैसर्गिक भाषा प्रक्रियेच्या दिशेने भाषण संदर्भ समजून घेणे आणि त्यावर प्रक्रिया करणे हे एक मोठे आव्हान आहे. या समस्येमध्ये सामान्यतः वापरकर्त्याच्या प्रश्नांमधील सर्वनामांना गर्भित संकल्पनांसह योग्यरित्या जोडणे समाविष्ट असते, उदाहरणार्थ, काही संगीत कलाकारांसह "त्यांचा नवीनतम अल्बम प्ले करा" या विधानातील सर्वनाम "ते" ची तुलना करणे. Amazon मधील AI तज्ञ तंत्रज्ञानावर सक्रियपणे काम करत आहेत जे AI अशा विनंत्यांवर स्वयंचलित सुधारणा आणि बदलीद्वारे प्रक्रिया करण्यास मदत करू शकतात. त्यामुळे, “त्यांचा नवीनतम अल्बम प्ले करा” ही विनंती आपोआप “प्ले करा नवीनतम इमॅजिन ड्रॅगन्स अल्बम” ने बदलली जाईल. या प्रकरणात, बदलण्यासाठी आवश्यक असलेला शब्द मशीन लर्निंग वापरून गणना केलेल्या संभाव्य दृष्टिकोनानुसार निवडला जातो.

शास्त्रज्ञ प्रकाशित ऐवजी कठीण शीर्षक असलेल्या प्रीप्रिंटमध्ये त्याच्या कामाचा प्राथमिक परिणाम - "क्वेरी रिफॉर्म्युलेशन वापरून मल्टी-डोमेन संवादाचे स्केलिंग स्टेट ट्रॅकिंग." नजीकच्या भविष्यात, असोसिएशन फॉर कॉम्प्युटेशनल लिंग्विस्टिक्सच्या उत्तर अमेरिकन शाखेत हे संशोधन सादर करण्याची योजना आहे.

“आमचे क्वेरी रिफॉर्म्युलेशन इंजिन स्पीच लिंक्स लागू करण्यासाठी सामान्य तत्त्वे वापरत असल्यामुळे, ते जिथे वापरले जाईल त्या ऍप्लिकेशनबद्दलच्या कोणत्याही विशिष्ट माहितीवर ते अवलंबून नाही, म्हणून जेव्हा आम्ही ते अलेक्साच्या क्षमता वाढवण्यासाठी वापरतो तेव्हा त्याला पुन्हा प्रशिक्षण देण्याची आवश्यकता नाही,” स्पष्ट केले. Arit Gupta (Arit Gupta), Amazon Alexa AI मधील भाषाशास्त्र तज्ञ. त्यांनी नमूद केले की त्यांचे नवीन तंत्रज्ञान, ज्याला CQR (संदर्भीय क्वेरी पुनर्लेखन) म्हणतात, अंतर्गत व्हॉईस असिस्टंट कोडला प्रश्नांमधील उच्चार संदर्भांबद्दलच्या कोणत्याही चिंतेपासून पूर्णपणे मुक्त करते.

प्रथम, AI विनंतीचा सामान्य संदर्भ निर्धारित करते: वापरकर्त्याला कोणती माहिती प्राप्त करायची आहे किंवा कोणती क्रिया करायची आहे. वापरकर्त्याशी संवादादरम्यान, AI कीवर्ड्सचे वर्गीकरण करते, त्यांना पुढील वापरासाठी विशेष व्हेरिएबल्समध्ये संग्रहित करते. पुढील विनंतीमध्ये कोणताही संदर्भ असल्यास, AI शक्यतो संग्रहित आणि शब्दार्थाने योग्य शब्दांसह पुनर्स्थित करण्याचा प्रयत्न करेल आणि जर ते मेमरीमध्ये नसेल, तर ते वारंवार वापरल्या जाणार्‍या मूल्यांच्या अंतर्गत शब्दकोशाकडे वळेल. , आणि नंतर अंमलबजावणीसाठी व्हॉईस असिस्टंटकडे पाठवण्यासाठी, लागू केलेल्या बदलीसह विनंती पुन्हा तयार करा.

गुप्ता आणि सहकाऱ्यांनी सांगितल्याप्रमाणे, CQR व्हॉईस कमांडसाठी प्रीप्रोसेसिंग लेयर म्हणून काम करते आणि शब्दांच्या वाक्यरचना आणि अर्थपूर्ण अर्थांवर लक्ष केंद्रित करते. विशेष प्रशिक्षित डेटासेटसह प्रयोगांमध्ये, CQR ने क्वेरी अचूकता 22% सुधारली जेव्हा वर्तमान क्वेरीमधील दुवा सर्वात अलीकडील उत्तरात वापरल्या गेलेल्या शब्दाचा संदर्भ देते आणि जेव्हा वर्तमान उच्चारातील दुवा एखाद्या शब्दाचा संदर्भ देते तेव्हा 25% ने मागील उच्चारावरून.

स्त्रोत: 3dnews.ru