يساعد نظام الذكاء الاصطناعي من أمازون على تقليل أخطاء التعرف على الصوت على Alexa بنسبة 15%.

قبل بضعة أشهر، قامت أمازون بتفصيل عدد من المشكلات التي منعت Alexa من تقديم استجابات دقيقة عندما يقوم المستخدمون بإيقاظ المساعد الافتراضي على نماذج تلفزيونية معينة، أو في إعلانات الإنترنت أو الراديو. بعد كل شيء، المشكلة الرئيسية هنا هي كيف يمكن للمساعد الصوتي من أمازون تصفية ضوضاء الخلفية بشكل فعال من البيئة لتقديم تعليقات أكثر دقة للمستخدمين. في الآونة الأخيرة، في منشور مدونة وورقة بحثية مصاحبة تسمى "التعرف على الكلام المثبت من طرف إلى طرف"، قدم مهندسو أمازون على وجه التحديد تقنية جديدة لعزل الضوضاء تعتمد على الذكاء الاصطناعي، والتي تم إنشاؤها، يمكن أن تساعد في تحسين التعرف على صوت Alexa والأوامر بنسبة 15٪. ومن المتوقع تقديم معلومات أكثر تفصيلاً حول كيفية عمل النظام في المؤتمر الدولي للصوتيات ومعالجة الكلام والإشارات الذي سيعقد في برايتون في وقت لاحق من هذا العام.

• يقوم نموذج ديزني للذكاء الاصطناعي بإنشاء تسلسلات متحركة من النصوص

"في الواقع، نحاول دائمًا تحسين أداء Alexa من خلال تعليمها كيفية "تجاهل" الأوامر غير المخصصة لها، بمعنى آخر، معرفة كيفية اختيار الأوامر من بين عدد لا يحصى من الأصوات الصادرة من البيئة المحيطة. وللقيام بذلك، نفترض أن المتحدث يقوم بتنشيط جهاز يدعم Alexa عن طريق نطق بعض كلمات التنبيه المحددة - عادةً "Alexa" - وهذه هي العبارة الأساسية التي يجب على المساعد الافتراضي عزلها والتعرف عليها وسط فوضى الأصوات من الخارج بيئة. بشكل أساسي، ستساعد تقنيتنا على "التقاط" الأصوات التي قد تكون كلمات تنبيه بسرعة (تعتمد عادةً على أوجه التشابه في التجويد أو الصوتيات) ومقارنتها بكلمات التنبيه القياسية لتحديد الجمل بدقة. وقال شين فان، قائد فريق العلماء المسؤولين عن المشروع: "بعد ذلك، سيتم فهم الجملة التي تتطابق عناصرها بشكل وثيق مع كلمة التنبيه القياسية بواسطة Alexa على أنها أمر، بينما سيتم اعتبار الجمل الأخرى ضجيجًا في الخلفية". يوضح الذكاء الاصطناعي.

• الذكاء الاصطناعي OpenAI هزم فريق بطل العالم Dota 2

وبدلاً من تدريب نظام ذكاء اصطناعي منفصل للتمييز بين ضجيج الخلفية وكلمات الاستيقاظ، قام شين فان وزملاؤه بدمج آلية مطابقة الكلمات الخاصة بهم مع نموذج التعرف على الكلام القائم على الذكاء الاصطناعي. اختبر العلماء نوعين مختلفين من بنية الذكاء الاصطناعي الخاصة بوحدة فك التشفير بالتسلسل - أي استخدام بنية تعالج بيانات الإدخال (لقطات طويلة من الإشارة الصوتية) لإنتاج تسلسل إخراج مناظر (العرض الصوتي للصوت) - و كما هو الحال مع معظم تقنيات التشفير وفك التشفير التقليدية، يقوم مكون التشفير بتلخيص بيانات الإدخال كطول ثابت متجه (سلسلة من الأرقام) وتحويلها إلى بيانات الإخراج. وفي الوقت نفسه، فإن آلية الاهتمام الخاصة، "المدربة" لاكتشاف بعض الخصائص الأساسية لكلمات التنبيه في سلسلة كلام واحدة أو أكثر من البيئة المحيطة، ستكون مسؤولة عن "توجيه" المجموعة. ويولي فك التشفير مزيدًا من الاهتمام لتلك الميزات الموجودة في المتجه.

• الاتحاد الأوروبي: ينبغي بناء أنظمة الذكاء الاصطناعي ونشرها بطريقة شفافة ومسؤولة

في إحدى التجارب، قام الباحثون بتدريب أحد نماذج الذكاء الاصطناعي الخاصة بهم على التركيز بشكل أكبر على التعرف على نطق الكلمات، أولاً عن طريق إضافة مكون يقارن مباشرة أصوات الكلمات، وينبه الكلمة مع طرق النطق المختلفة ثم يستخدم هذه البيانات الناتجة كمدخل إلى آخر منفصل. المكون الذي تم تدريبه لضغط البتات الخاصة بمتجه التشفير. وكانت النتائج مثيرة للاهتمام، فقد خفض هذا النموذج معدل الخطأ إلى 13% مقارنة بـ 15%.