Система искусственного интеллекта Amazon помогает сократить количество ошибок распознавания голоса на Alexa на 15%.

Несколько месяцев назад Amazon подробно описал ряд проблем, из-за которых Alexa не давала точных ответов, когда пользователи пробуждали виртуального помощника на определенных моделях телевизоров, в рекламе в Интернете или на радио. В конце концов, главная проблема здесь заключается в том, как голосовой помощник Amazon может эффективно фильтровать фоновый шум из окружающей среды, чтобы обеспечить более точную обратную связь для пользователей. Недавно в блоге и сопроводительной исследовательской работе под названием «Сквозное распознавание речи с привязкой» инженеры Amazon специально представили новую технику шумоизоляции, основанную на искусственном интеллекте, которая может помочь улучшить распознавание голоса и команд Alexa на 15%. Ожидается, что более подробная информация о том, как работает система, будет представлена ​​на Международной конференции по акустике, речи и обработке сигналов, которая состоится в Брайтоне позднее в этом году.

• Модель искусственного интеллекта Диснея генерирует анимационные эпизоды из сценариев

«На самом деле мы всегда стараемся улучшить производительность Алексы, обучая ее «игнорировать» команды, которые ей не предназначены, иными словами, уметь выбирать команды среди бесчисленного множества шумов, исходящих из окружающей среды. Для этого мы предполагаем, что говорящий активирует устройство с поддержкой Alexa, произнося определенное слово для пробуждения — обычно «Alexa» — и это ключевая фраза, которую виртуальный помощник должен выделить и идентифицировать в хаосе звуков извне. среда. По сути, наша методика поможет быстро «уловить» звуки, которые могут быть будящими словами (обычно на основании сходства в интонации или фонемах), и сравнить их со стандартными бодрствующими словами для точной идентификации предложений. Тогда предложение, элементы которого наиболее точно соответствуют стандартному слову пробуждения, будет восприниматься Alexa как команда, а остальные предложения будут считаться фоновым шумом», — сказал Синь Фань, руководитель группы ученых, отвечающих за проект. Alexa ИИ объясняет.

• Искусственный интеллект OpenAI победил команду действующего чемпиона мира по Dota 2

Вместо того, чтобы обучать отдельную систему искусственного интеллекта различать фоновый шум и слова бодрствования, Синь Фань и его коллеги объединили свой механизм сопоставления слов с моделью распознавания речи на основе интеллекта, стандартной искусственной. Ученые последовательно протестировали два варианта архитектуры искусственного интеллекта декодера, то есть использовали архитектуру, которая обрабатывает входные данные (моментальные снимки аудиосигнала длительностью в миллисекунды) для создания соответствующей выходной последовательности (фонематический рендеринг звука) и Как и в большинстве традиционных методов кодирования-декодирования, компонент кодирования суммирует входные данные в виде вектора фиксированной длины (строки чисел) и преобразует их в выходные данные. Между тем, за «направление» набора будет отвечать специальный механизм внимания, «обученный» обнаруживать некоторые основные характеристики пробуждающих слов в одной или нескольких речевых цепочках из окружающей среды. Декодирование уделяет больше внимания этим характеристикам в векторе.

• ЕС: системы искусственного интеллекта должны создаваться и внедряться прозрачным и ответственным образом

В ходе эксперимента исследователи обучили одну из своих моделей искусственного интеллекта уделять больше внимания распознаванию произношения слов, сначала добавив компонент, который напрямую сравнивал звуки слов. компонент, который был обучен сжимать биты вектора кодирования. Результаты оказались интересными: эта модель снизила уровень ошибок до 13% по сравнению с 15%.