अमेजनले एलेक्सालाई सर्वनामहरू सही रूपमा बुझ्न सिकाउन चाहन्छ

अमेजन एलेक्सा जस्ता एआई सहायकहरूको सन्दर्भमा प्राकृतिक भाषा प्रशोधनको दिशाको लागि भाषण सन्दर्भहरू बुझ्न र प्रशोधन गर्नु ठूलो चुनौती हो। यो समस्याले सामान्यतया निहित अवधारणाहरूसँग प्रयोगकर्ता प्रश्नहरूमा सर्वनामहरूलाई सही रूपमा सम्बद्ध गर्दछ, उदाहरणका लागि, कुनै संगीत कलाकारसँग "उनीहरूको पछिल्लो एल्बम प्ले गर्नुहोस्" कथनमा सर्वनाम "उनीहरू" तुलना गर्नुहोस्। Amazon मा AI विशेषज्ञहरू सक्रिय रूपमा टेक्नोलोजीमा काम गरिरहेका छन् जसले AI लाई स्वचालित सुधार र प्रतिस्थापन मार्फत त्यस्ता अनुरोधहरू प्रशोधन गर्न मद्दत गर्न सक्छ। त्यसोभए, अनुरोध "उनीहरूको पछिल्लो एल्बम प्ले गर्नुहोस्" स्वचालित रूपमा "पछिल्लो कल्पना ड्र्यागन एल्बम प्ले गर्नुहोस्" सँग बदलिनेछ। यस अवस्थामा, प्रतिस्थापनको लागि आवश्यक शब्द मेसिन लर्निङ प्रयोग गरेर गणना गरिएको सम्भाव्य दृष्टिकोण अनुसार चयन गरिन्छ।

वैज्ञानिकहरू प्रकाशित भयो बरु कठिन शीर्षकको साथ प्रिप्रिन्टमा उनको कामको प्रारम्भिक परिणाम - "क्वेरी रिफर्मुलेशन प्रयोग गरेर बहु-डोमेन संवादको स्केलिंग स्टेट ट्र्याकिङ।" निकट भविष्यमा, यो एसोसिएशन फर कम्प्युटेसनल लिंग्विस्टिक्सको उत्तर अमेरिकी शाखामा यो अनुसन्धान प्रस्तुत गर्ने योजना छ।

"किनभने हाम्रो क्वेरी रिफर्मुलेशन इन्जिनले स्पीच लिङ्कहरू लागू गर्न सामान्य सिद्धान्तहरू प्रयोग गर्दछ, यो प्रयोग गरिने अनुप्रयोगको बारेमा कुनै विशेष जानकारीमा निर्भर गर्दैन, त्यसैले यसलाई एलेक्साको क्षमताहरू विस्तार गर्न प्रयोग गर्दा यसलाई पुन: तालिमको आवश्यकता पर्दैन," व्याख्या गरियो। Arit Gupta (Arit Gupta), Amazon Alexa AI मा भाषाविज्ञान विशेषज्ञ। उनले नोट गरे कि CQR (सन्दर्भिक क्वेरी रिराइटिङ) भनिने तिनीहरूको नयाँ प्रविधिले आन्तरिक भ्वाइस सहायक कोडलाई प्रश्नहरूमा भाषण सन्दर्भहरूको बारेमा कुनै पनि चिन्ताबाट पूर्ण रूपमा मुक्त गर्दछ।

पहिलो, AI ले अनुरोधको सामान्य सन्दर्भ निर्धारण गर्दछ: प्रयोगकर्ताले कुन जानकारी प्राप्त गर्न चाहन्छ वा कुन कार्य गर्न चाहन्छ। प्रयोगकर्तासँगको संवादको क्रममा, एआईले किवर्डहरूलाई थप प्रयोगको लागि विशेष चरहरूमा भण्डारण गरी वर्गीकरण गर्दछ। यदि अर्को अनुरोधमा कुनै सन्दर्भ समावेश छ भने, AI ले यसलाई भण्डारण गरिएका र सिमेन्टिक रूपमा उपयुक्त शब्दहरूको साथ प्रतिस्थापन गर्ने प्रयास गर्नेछ, र यदि यो मेमोरीमा छैन भने, यो प्रायः प्रयोग हुने मानहरूको आन्तरिक शब्दकोशमा परिणत हुनेछ। , र त्यसपछि कार्यान्वयनको लागि आवाज सहायकलाई पास गर्न प्रतिस्थापन लागू भएको अनुरोधलाई पुन: निर्माण गर्नुहोस्।

गुप्ता र सहकर्मीहरूले औंल्याएझैं, CQR ले भ्वाइस कमाण्डहरूका लागि प्रीप्रोसेसिङ तहको रूपमा काम गर्छ र शब्दहरूको सिन्ट्याक्टिक र सिमेन्टिक अर्थहरूमा मात्र केन्द्रित हुन्छ। विशेष रूपमा प्रशिक्षित डेटासेटको साथ प्रयोगहरूमा, CQR ले 22% द्वारा क्वेरी शुद्धता सुधार गर्यो जब हालको क्वेरीको लिङ्कले सबैभन्दा भर्खरको जवाफमा प्रयोग गरिएको शब्दलाई जनाउँछ, र 25% द्वारा जब हालको उच्चारणमा लिङ्कले शब्दलाई जनाउँछ। अघिल्लो कथनबाट।

स्रोत: 3dnews.ru