అమెజాన్ అలెక్సా వంటి AI సహాయకుల సందర్భంలో సహజ భాషా ప్రాసెసింగ్ దిశలో ప్రసంగ సూచనలను అర్థం చేసుకోవడం మరియు ప్రాసెస్ చేయడం పెద్ద సవాలు. ఈ సమస్య సాధారణంగా వినియోగదారు ప్రశ్నలలో సూచిత భావనలతో సరిగ్గా అనుబంధించడాన్ని కలిగి ఉంటుంది, ఉదాహరణకు, "వారి తాజా ఆల్బమ్‌ను ప్లే చేయండి" అనే ప్రకటనలోని "దేమ్" అనే సర్వనామం కొంతమంది సంగీత కళాకారులతో పోల్చడం. అమెజాన్‌లోని AI నిపుణులు, ఆటోమేటిక్ రీఫార్ములేషన్ మరియు రీప్లేస్‌మెంట్ ద్వారా అటువంటి అభ్యర్థనలను ప్రాసెస్ చేయడంలో AIకి సహాయపడే సాంకేతికతపై చురుకుగా పని చేస్తున్నారు. కాబట్టి, "వారి తాజా ఆల్బమ్‌ని ప్లే చేయి" అనే అభ్యర్థన ఆటోమేటిక్‌గా "లేటెస్ట్ ఇమాజిన్ డ్రాగన్‌ల ఆల్బమ్‌ను ప్లే చేయండి"తో భర్తీ చేయబడుతుంది. ఈ సందర్భంలో, మెషీన్ లెర్నింగ్ ఉపయోగించి లెక్కించబడిన సంభావ్యత విధానం ప్రకారం భర్తీకి అవసరమైన పదం ఎంపిక చేయబడుతుంది.
శాస్త్రవేత్తలు చాలా కష్టమైన శీర్షికతో ప్రిప్రింట్‌లో అతని పని యొక్క ప్రాథమిక ఫలితం - “ప్రశ్న సంస్కరణను ఉపయోగించి బహుళ-డొమైన్ డైలాగ్ యొక్క స్కేలింగ్ స్టేట్ ట్రాకింగ్.” సమీప భవిష్యత్తులో, అసోసియేషన్ ఫర్ కంప్యూటేషనల్ లింగ్విస్టిక్స్ యొక్క ఉత్తర అమెరికా శాఖలో ఈ పరిశోధనను ప్రదర్శించడానికి ప్రణాళిక చేయబడింది.
"మా క్వెరీ రిఫార్ములేషన్ ఇంజిన్ స్పీచ్ లింక్‌లను వర్తింపజేయడానికి సాధారణ సూత్రాలను ఉపయోగిస్తుంది కాబట్టి, ఇది ఎక్కడ ఉపయోగించబడుతుందో అప్లికేషన్ గురించి ఏదైనా నిర్దిష్ట సమాచారంపై ఆధారపడి ఉండదు, కాబట్టి అలెక్సా సామర్థ్యాలను విస్తరించడానికి మేము దానిని ఉపయోగించినప్పుడు దానికి తిరిగి శిక్షణ ఇవ్వాల్సిన అవసరం లేదు" అని వివరించారు. అరిత్ గుప్తా (అరిట్ గుప్తా), Amazon Alexa AIలో భాషాశాస్త్ర నిపుణుడు. CQR (సందర్భ ప్రశ్న రీరైటింగ్) అని పిలువబడే వారి కొత్త సాంకేతికత, ప్రశ్నలలో ప్రసంగ సూచనల గురించి ఏవైనా ఆందోళనల నుండి అంతర్గత వాయిస్ అసిస్టెంట్ కోడ్‌ను పూర్తిగా విముక్తి చేస్తుందని అతను పేర్కొన్నాడు.
మొదట, అభ్యర్థన యొక్క సాధారణ సందర్భాన్ని AI నిర్ణయిస్తుంది: వినియోగదారు ఏ సమాచారాన్ని స్వీకరించాలనుకుంటున్నారు లేదా ఏ చర్యను నిర్వహించాలి. వినియోగదారుతో సంభాషణ సమయంలో, AI కీలక పదాలను వర్గీకరిస్తుంది, తదుపరి ఉపయోగం కోసం వాటిని ప్రత్యేక వేరియబుల్స్‌లో నిల్వ చేస్తుంది. తదుపరి అభ్యర్థన ఏదైనా సూచనను కలిగి ఉంటే, AI దానిని నిల్వ చేసిన మరియు అర్థపరంగా సరిపోయే పదాలతో భర్తీ చేయడానికి ప్రయత్నిస్తుంది మరియు ఇది మెమరీలో లేకుంటే, ఇది తరచుగా ఉపయోగించే విలువల యొక్క అంతర్గత నిఘంటువుకి మారుతుంది. , ఆపై అమలు కోసం వాయిస్ అసిస్టెంట్‌కి పంపడానికి, దరఖాస్తు చేసిన భర్తీతో అభ్యర్థనను పునర్నిర్మించండి.
గుప్తా మరియు సహచరులు ఎత్తి చూపినట్లుగా, CQR వాయిస్ కమాండ్‌ల కోసం ప్రీప్రాసెసింగ్ లేయర్‌గా పనిచేస్తుంది మరియు పదాల యొక్క వాక్యనిర్మాణం మరియు సెమాంటిక్ అర్థాలపై మాత్రమే దృష్టి పెడుతుంది. ప్రత్యేకంగా శిక్షణ పొందిన డేటాసెట్‌తో చేసిన ప్రయోగాలలో, ప్రస్తుత ప్రశ్నలోని లింక్ ఇటీవలి సమాధానంలో ఉపయోగించిన పదాన్ని సూచించినప్పుడు CQR క్వెరీ ఖచ్చితత్వాన్ని 22% మెరుగుపరుస్తుంది మరియు ప్రస్తుత ఉచ్చారణలోని లింక్ పదాన్ని సూచించినప్పుడు 25% పెరిగింది. మునుపటి మాట నుండి.
మూలం: 3dnews.ru