O sistema de IA da Amazon ajuda a reduzir os erros de reconhecimento de voz no Alexa em 15%.

Há alguns meses, a Amazon detalhou uma série de problemas que impediam a Alexa de fornecer respostas precisas quando os usuários acionavam a assistente virtual em determinados modelos de TV, em anúncios de internet ou rádio. Afinal, a principal questão aqui é como o assistente de voz da Amazon pode filtrar com eficácia o ruído de fundo do ambiente para fornecer um feedback mais preciso aos usuários. Recentemente, em uma postagem de blog e um artigo de pesquisa chamado End-to-End Anchored Speech Recognition, os engenheiros da Amazon apresentaram especificamente uma nova técnica de isolamento de ruído baseada em inteligência artificial criada, que pode ajudar a melhorar o reconhecimento de voz e os comandos de Alexa em 15%. Espera-se que informações mais detalhadas sobre o funcionamento do sistema sejam apresentadas na Conferência Internacional sobre Acústica, Fala e Processamento de Sinais, que será realizada em Brighton ainda este ano.

• O modelo de IA da Disney gera sequências animadas a partir de roteiros

“Na verdade, procuramos sempre melhorar o desempenho da Alexa ensinando-a a “ignorar” comandos que não são destinados a ela, ou seja, saber selecionar comandos entre inúmeros ruídos emanados do ambiente circundante. Para fazer isso, assumimos que o locutor ativa um dispositivo habilitado para Alexa dizendo alguma palavra de ativação específica – geralmente “Alexa” – e esta é a frase-chave que o assistente virtual deve isolar e identificar em um caos de sons externos. ambiente. Basicamente, nossa técnica ajudará a “capturar” rapidamente sons que podem ser palavras de ativação (geralmente com base em semelhanças de entonação ou fonemas) e compará-los com palavras de ativação, padrão para identificar frases com precisão. Então, a frase cujos elementos mais se aproximam da palavra de ativação padrão será entendida pela Alexa como um comando, enquanto as outras frases serão consideradas ruído de fundo”, disse Xin Fan, líder da equipe de cientistas responsável pelo projeto. A IA explica.

• A inteligência artificial OpenAI derrotou a atual equipe campeã mundial Dota 2

Em vez de treinar um sistema de IA separado para distinguir entre ruído de fundo e palavras de despertar, Xin Fan e colegas fundiram seu mecanismo de correspondência de palavras com um modelo de reconhecimento de fala baseado em inteligência artificial padrão. Os cientistas testaram duas variações na arquitetura de IA do decodificador em sequência - isto é, usando uma arquitetura que processa os dados de entrada (instantâneos do sinal de áudio com duração de milissegundos) para produzir uma sequência de saída correspondente (renderização fonêmica do som) - e , como acontece com a maioria das técnicas convencionais de codificador-decodificação, o componente de codificação resume os dados de entrada como um vetor de comprimento fixo (uma sequência de números) e os converte em dados de saída. Enquanto isso, um mecanismo de atenção especial, "treinado" para detectar algumas características básicas de palavras de despertar em uma ou mais cadeias de fala do ambiente circundante, será responsável por "guiar" o conjunto. A decodificação presta mais atenção a essas características no vetor.

• UE: Os sistemas de IA devem ser construídos e implantados de forma transparente e responsável

Em um experimento, os pesquisadores treinaram um de seus modelos de IA para dar maior ênfase ao reconhecimento de pronúncia de palavras, primeiro adicionando um componente que comparava diretamente os sons das palavras wake word com diferentes pronúncias e depois usava esses dados resultantes como entrada para outro separado. componente que foi treinado para compactar os bits do vetor de codificação. Os resultados foram interessantes, este modelo reduziu a taxa de erro para 13% em comparação com 15%.