Il sistema AI di Amazon aiuta a ridurre del 15% gli errori di riconoscimento vocale su Alexa.

Alcuni mesi fa, Amazon ha dettagliato una serie di problemi che impedivano ad Alexa di fornire risposte precise quando gli utenti attivavano l'assistente virtuale su determinati modelli di TV, negli annunci su Internet o alla radio. Dopotutto, il problema principale qui è come l'assistente vocale di Amazon possa filtrare efficacemente il rumore di fondo dall'ambiente per fornire un feedback più accurato agli utenti. Recentemente, in un post sul blog e in un documento di ricerca intitolato End-to-End Anchored Speech Recognition, gli ingegneri di Amazon hanno presentato specificamente una nuova tecnica di isolamento acustico basata sull'intelligenza artificiale, creata, può aiutare a migliorare il riconoscimento vocale e i comandi di Alexa del 15%. Si prevede che informazioni più dettagliate sul funzionamento del sistema verranno presentate alla Conferenza internazionale sull'acustica, il parlato e l'elaborazione dei segnali che si terrà a Brighton entro la fine dell'anno.

• Il modello AI della Disney genera sequenze animate da script

“Cerchiamo infatti sempre di migliorare le prestazioni di Alexa insegnandole a “ignorare” i comandi che non sono destinati a lei, ovvero a saper selezionare i comandi tra gli innumerevoli rumori provenienti dall'ambiente circostante. Per fare ciò, supponiamo che chi parla attivi un dispositivo compatibile con Alexa pronunciando una specifica parola di attivazione - solitamente "Alexa" - e questa è la frase chiave che l'assistente virtuale deve isolare e identificare in un caos di suoni provenienti dall'esterno. ambiente. Fondamentalmente, la nostra tecnica aiuterà a "catturare" rapidamente i suoni che possono essere parole di veglia (di solito basate su somiglianze nell'intonazione o nei fonemi) e a confrontarli con le parole di veglia standard per identificare accuratamente le frasi. Quindi, la frase i cui elementi più si avvicinano alla parola sveglia standard verrà interpretata da Alexa come un comando, mentre le altre frasi saranno considerate rumore di fondo", ha affermato Xin Fan, leader del team di scienziati responsabile del progetto. Alexa L'intelligenza artificiale spiega.

• L'intelligenza artificiale OpenAI ha sconfitto la squadra campione del mondo in carica di Dota 2

Invece di addestrare un sistema di intelligenza artificiale separato per distinguere tra rumore di fondo e parole di veglia, Xin Fan e colleghi hanno unito il loro meccanismo di corrispondenza delle parole con un modello di riconoscimento vocale artificiale standard basato sull’intelligenza. Gli scienziati hanno testato in sequenza due variazioni dell'architettura AI del decodificatore, utilizzando cioè un'architettura che elabora i dati di input (istantanee di millisecondi del segnale audio) per produrre una sequenza di output corrispondente (rendering fonemico del suono) - e , come con la maggior parte delle tecniche di decodifica codificatore convenzionali, il componente di codifica riassume i dati di input come un vettore di lunghezza fissa (una stringa di numeri) e li converte in dati di output. Nel frattempo, uno speciale meccanismo di attenzione, "addestrato" a rilevare alcune caratteristiche di base delle parole risvegliate in una o più stringhe vocali dall'ambiente circostante, sarà responsabile di "guidare" l'insieme. La decodifica presta maggiore attenzione a quelle caratteristiche nel vettore.

• UE: i sistemi di intelligenza artificiale dovrebbero essere costruiti e diffusi in modo trasparente e responsabile

In un esperimento, i ricercatori hanno addestrato uno dei loro modelli di intelligenza artificiale a porre maggiore enfasi sul riconoscimento della pronuncia delle parole, prima aggiungendo un componente che confrontava direttamente i suoni delle parole con varie pronunce e quindi utilizzando i dati risultanti come input per un altro modello separato. componente che è stato addestrato a comprimere i bit del vettore di codifica. I risultati sono stati interessanti, questo modello ha ridotto il tasso di errore al 13% rispetto al 15%.