Birkaç ay önce Amazon, kullanıcılar belirli TV modellerinde, internet veya radyo reklamlarında sanal asistanı uyandırdığında Alexa'nın doğru yanıtlar vermesini engelleyen bir dizi sorunu ayrıntılarıyla anlatmıştı. Sonuçta buradaki asıl mesele, Amazon'un sesli asistanının, kullanıcılara daha doğru geri bildirim sağlamak için ortamdaki arka plan gürültüsünü etkili bir şekilde nasıl filtreleyebileceğidir. Son zamanlarda, bir blog gönderisinde ve ona eşlik eden Uçtan Uca Bağlantılı Konuşma Tanıma adlı araştırma makalesinde Amazon mühendisleri, Alexa'nın ses tanıma ve komutlarını %15 oranında iyileştirmeye yardımcı olabilecek, yapay zekaya dayalı yeni bir gürültü izolasyon tekniğini özellikle sundular. Sistemin nasıl çalıştığına dair daha detaylı bilgilerin bu yılın sonlarında Brighton'da düzenlenecek Uluslararası Akustik, Konuşma ve Sinyal İşleme Konferansı'nda sunulması bekleniyor.

“Aslında, kendisine yönelik olmayan komutları nasıl "görmezden geleceğini", başka bir deyişle çevreden yayılan sayısız ses arasından komutları nasıl seçeceğini öğreterek Alexa'nın performansını her zaman geliştirmeye çalışıyoruz. Bunu yapmak için, konuşmacının Alexa özellikli bir cihazı belirli bir uyandırma sözcüğü - genellikle "Alexa" - söyleyerek etkinleştirdiğini varsayıyoruz ve bu, sanal asistanın dışarıdan gelen ses kaosunda izole etmesi ve tanımlaması gereken anahtar sözcüktür. çevre. Temel olarak tekniğimiz, uyandırma sözcükleri olabilecek sesleri hızlı bir şekilde "yakalamaya" (genellikle tonlama veya fonemlerdeki benzerliklere dayalı olarak) ve bunları, cümleleri doğru bir şekilde tanımlamak için standart uyanma sözcükleriyle karşılaştırmaya yardımcı olacaktır. Ardından, unsurları standart uyandırma kelimesine en yakın olan cümle Alexa tarafından bir komut olarak anlaşılacak, diğer cümleler ise arka plan gürültüsü olarak değerlendirilecek" dedi projeden sorumlu bilim insanları ekibinin lideri Xin Fan. AI açıklıyor.
Xin Fan ve meslektaşları, arka plan gürültüsü ile uyanık sözcükleri ayırt etmek için ayrı bir yapay zeka sistemi eğitmek yerine, sözcük eşleştirme mekanizmalarını, standart yapay zekaya dayalı bir konuşma tanıma modeliyle birleştirdi. Bilim insanları, kod çözücünün yapay zeka mimarisindeki iki varyasyonu sırayla test etti; yani karşılık gelen bir çıkış dizisi (sesin fonemik olarak işlenmesi) üretmek için giriş verilerini (ses sinyalinin milisaniyelik anlık görüntüleri) işleyen bir mimari kullandılar ve Çoğu geleneksel kodlayıcı-kod çözme tekniğinde olduğu gibi, kodlama bileşeni giriş verilerini sabit uzunlukta bir vektör (bir sayı dizisi) olarak özetler ve bunu çıkış verilerine dönüştürür. Bu arada, çevredeki bir veya daha fazla konuşma dizisindeki uyandırma kelimelerinin bazı temel özelliklerini tespit etmek için "eğitimli" özel bir dikkat mekanizması, sete "rehberlik" yapmaktan sorumlu olacaktır. Kod çözme, vektördeki bu özelliklere daha fazla dikkat eder.
Bir deneyde, araştırmacılar yapay zeka modellerinden birini, önce kelimelerin seslerini çeşitli telaffuzlarla doğrudan karşılaştıran bir bileşen ekleyerek kelime telaffuzu tanımaya daha fazla önem verecek şekilde eğittiler ve ardından elde edilen bu verileri başka bir ayrı telaffuza girdi olarak kullandılar. kodlama vektörünün bitlerini sıkıştırmak için eğitilmiş bileşen. Sonuçlar ilginçti, bu model hata oranını %15'ten %13'e düşürdü.
