Sistemul AI al Amazon ajută la reducerea erorilor de recunoaștere a vocii pe Alexa cu 15%.

Acum câteva luni, Amazon a detaliat o serie de probleme care au împiedicat Alexa să ofere răspunsuri precise atunci când utilizatorii au trezit asistentul virtual pe anumite modele de televizoare, în reclame pe internet sau radio. La urma urmei, problema principală aici este modul în care asistentul vocal Amazon poate filtra eficient zgomotul de fundal din mediu pentru a oferi feedback mai precis utilizatorilor. Recent, într-o postare pe blog și într-o lucrare de cercetare însoțitoare numită Recunoaștere vocală ancorată de la capăt la capăt, inginerii Amazon au prezentat în mod special o nouă tehnică de izolare a zgomotului bazată pe inteligența artificială creată, care poate ajuta la îmbunătățirea recunoașterii vocii și a comenzilor Alexa cu 15%. Informații mai detaliate despre modul în care funcționează sistemul sunt de așteptat să fie prezentate la Conferința internațională privind acustică, vorbire și procesare a semnalului, care va avea loc la Brighton la sfârșitul acestui an.

• Modelul AI al Disney generează secvențe animate din scenarii

„De fapt, încercăm întotdeauna să îmbunătățim performanța Alexa, învățându-o cum să „ignore” comenzile care nu sunt destinate ei, cu alte cuvinte, să știm să selectăm comenzi dintre nenumăratele zgomote care emană din mediul înconjurător. Pentru a face acest lucru, presupunem că difuzorul activează un dispozitiv compatibil Alexa rostind un anumit cuvânt de trezire - de obicei „Alexa”. - și aceasta este expresia cheie pe care asistentul virtual trebuie să o izoleze și să o identifice într-un haos de sunete din exterior. mediu inconjurator. Practic, tehnica noastră va ajuta la „captarea” rapidă a sunetelor care pot fi cuvinte treaz (de obicei bazate pe asemănări în intonație sau foneme) și să le comparăm cu cuvintele trezi.standard pentru identificarea cu acuratețe a propozițiilor. Apoi, propoziţia ale cărei elemente se potrivesc cel mai mult cu cuvântul standard de trezire va fi înţeleasă de Alexa ca o comandă, în timp ce celelalte propoziţii vor fi considerate zgomot de fundal”, a declarat Xin Fan, liderul echipei de oameni de ştiinţă responsabilă de proiect. Alexa AI explică.

• Inteligenta artificiala OpenAI a invins echipa campioana mondiala in curs Dota 2

În loc să antreneze un sistem AI separat pentru a distinge între zgomotul de fundal și cuvintele de trezire, Xin Fan și colegii și-au îmbinat mecanismul de potrivire a cuvintelor cu un model de recunoaștere a vorbirii bazat pe inteligență. Oamenii de știință au testat două variante ale arhitecturii AI a decodorului în secvență - adică folosind o arhitectură care procesează datele de intrare (instantanee de milisecunde ale semnalului audio) pentru a produce o secvență de ieșire corespunzătoare (redarea fonetică a sunetului) - și , ca și în cazul majorității tehnicilor convenționale de codificare-decodare, componenta de codificare rezumă datele de intrare ca un vector de lungime fixă ​​(un șir de numere) și le convertește în date de ieșire. Între timp, un mecanism de atenție specială, „antrenat” să detecteze unele caracteristici de bază ale cuvintelor trezi într-una sau mai multe șiruri de vorbire din mediul înconjurător, va fi responsabil de „dirijarea” setului.decodarea acordă mai multă atenție acelor caracteristici din vector.

• UE: sistemele de inteligență artificială ar trebui să fie construite și implementate într-un mod transparent și responsabil

Într-un experiment, cercetătorii au antrenat unul dintre modelele lor de inteligență artificială pentru a pune un accent mai mare pe recunoașterea pronunției cuvintelor, mai întâi prin adăugarea unei componente care compara direct sunetele cuvintelor. componentă care a fost antrenată pentru a comprima biții vectorului de codificare. Rezultatele au fost interesante, acest model a redus rata de eroare la 13% față de 15%.