Alexa, saproti mani

romāns Muradovs

2012. gada 31. augustā četri Amazon inženieri iesniedza pamatpatentu tam, kas galu galā kļuva par Alexa — mākslīgā intelekta sistēmu, kas izstrādāta, lai mijiedarbotos ar vienu no pasaulē lielākajām un sarežģītākajām datu kopām: cilvēka runu. Inženieriem vajadzēja tikai 11 vārdus un vienkāršu diagrammu, lai aprakstītu, kā tas darbosies. Lietotājs vīrietis klusā istabā saka: Lūdzu, atskaņojiet Bītlu “Let It Be”. Neliela galda iekārta atbild: Nav problēmu, Džon, un sāk atskaņot pieprasīto dziesmu.

Kopš šī pieticīgā sākuma uz balsi balstītais mākslīgais intelekts mājām ir kļuvis par lielu Amazon biznesu un arvien vairāk par stratēģisku kaujas lauku ar saviem tehnoloģiju konkurentiem. Google, Apple, Samsung un Microsoft katrs liek tūkstošiem pētnieku un biznesa speciālistu darbā, cenšoties radīt neatvairāmas versijas viegli lietojamām ierīcēm, ar kurām mēs varam runāt. Līdz šim mēs visi esam centušies pielāgoties tehnoloģijām, rakstot, pieskaroties vai velkot. Tagad jaunās lietotāja saskarnes mums ir piemērotas, norāda Ahmeds Bouzids, Witlingo izpilddirektors, kurš veido visu veidu balss vadītas lietotnes bankām, universitātēm, advokātu birojiem un citiem.

Šis stāsts bija daļa no mūsu 2017. gada septembra numura

• Skatiet pārējo izdevuma daļu
• Abonēt

Amazon tas, kas sākās kā platforma labākam mūzikas automātam, ir kļuvis par kaut ko lielāku: mākslīgā intelekta sistēmu, kas balstīta uz cilvēku datiem un pastāvīgi mācās no tiem. Tā Alexa darbināmais Echo cilindrs un mazākais punkts ir visuresoši palīgi mājsaimniecībā, kas var izslēgt apgaismojumu, stāstīt jokus vai ļaut lasīt ziņas brīvroku režīmā. Viņi arī apkopo daudz datu par saviem lietotājiem, kas tiek izmantoti, lai uzlabotu Alexa un papildinātu tās lietojumus.

Kopš to debijas tirgū 2014. gadā ir pārdoti desmitiem miljonu ar Alexa darbināmu iekārtu. Tiek uzskatīts, ka ASV ar balsi darbināmo AI ierīču tirgū Amazon sasniedz aptuveni 70 procentus no visu vienību pārdošanas apjoma, lai gan konkurence saasinās. Arī Google Home ir pārdevis miljoniem vienību, un Apple un Microsoft drīzumā laidīs klajā savas versijas.

Galīgā atdeve ir iespēja kontrolēt vai vismaz ietekmēt trīs svarīgus tirgus: mājas automatizāciju, mājas izklaidi un iepirkšanos. Grūti zināt, cik daudz cilvēku vēlas runāt ar saviem ledusskapjiem, taču ikdienas dzīves modeļi strauji mainās. Tāpat kā viedtālruņi ir mainījuši visu, sākot no iepazīšanās etiķetes līdz gājēju staigāšanas ātrumam, balss AI sāk mainīt daudzus mājas dzīves aspektus. Kāpēc rūgti aukstā dienā piecelties, lai aizslēgtu priekšējās durvis vai iedarbinātu automašīnas sildītāju, ja Alexa vai viņas radinieki var uzreiz sakārtot lietas?

Pagaidām Amazon nemēģina iekasēt ieņēmumus no uzņēmumiem, kas ražo viedos termostatus, spuldzes un citas ar Alexa savienotas ierīces. Tomēr ir viegli iedomāties veidus, kā ieņēmumu sadales pasākumi vai citi maksājumi varētu tikt galā. Mazākais no šiem trim tirgiem, mājas automatizācija, jau tagad tērē vairāk nekā 5 miljardus USD katru gadu, savukārt mazumtirdzniecības apjoms ASV pagājušajā gadā sasniedza 4,9 triljonus USD. Mūsdienās Amazon pelna naudu ar pašām iekārtām par cenām no 50 USD par Dots līdz 230 USD par augstākās klases Echos ar video ekrāniem, un gūst otro peļņu, ja lietotāji vairāk iepērkas Amazon plašajā tiešsaistes veikalā. (Tomēr Amazon neatklās šos satiksmes skaitļus.)

Lai Echos kļūtu tikpat izplatīti kā viedtālruņi, tiem būs jādara daudz vairāk. Šim nolūkam Amazon mudina neatkarīgos izstrādātājus platformā izveidot jaunus pakalpojumus, tāpat kā Apple jau sen ir darījis ar lietotņu izstrādātājiem. Līdz šim ir izveidots vairāk nekā 15 000 šādu prasmju jeb lietotņu, un lietotņu veidošanas rīki ir kļuvuši tik viegli savienojami, ka tagad ir iespējams izveidot vienkāršu prasmi aptuveni stundas laikā, neizmantojot daudz programmēšanas zināšanu. Populārākās lietotnes ir Uber un Lyft braucienu iespējas. Duds ietver 48 atsevišķas prasmes, kas bombardē klausītājus ar apvainojumiem.

Starp ambiciozākajiem izstrādātājiem ir uzņēmumi, kas ražo aparatūru vai pārdod pakalpojumus, kas sadarbojas ar Alexa. Piemēram, Capital One saviem banku klientiem piedāvā Alexa balstītu rēķinu apmaksu; Toronto bāzētais Ecobee ir viens no vairākiem viedo termostatu ražotājiem, kas izgatavo ar Alexa darbināmas versijas, kas ļauj cilvēkiem paaugstināt vai pazemināt istabas temperatūru, tikai izrunājot dažus vārdus. Mūsu klientiem ir aizņemta dzīve, saka Stjuarts Lombards, Ecobee izpilddirektors, kurš tagad iegūst aptuveni 40 procentus no kopējā pārdošanas apjoma no Alexa ierīcēm, kas ir 10 gadus vecā uzņēmuma visstraujāk augošā produktu līnija. Viņiem ir jācīnās ar satiksmi, lai nokļūtu mājās, un tad viņiem ir jāpabaro bērni, jāievelk autiņbiksītes un, kas zina, kas vēl. Mēs piedāvājam viņiem brīvroku veidu, kā kaut ko paveikt, kamēr viņi veic citus uzdevumus.

Kad runa satiekas ar AI

Uz balsi balstīto AI tik pievilcīgu patērētājiem padara tā solījums mums pielāgoties, reaģēt uz to, kā mēs runājam un domājam, neprasot mums rakstīt uz tastatūras vai ekrāna. Tas arī padara to tehniski sarežģītu. Mēs nemaz neesam kārtīgi, kad runājam. Tā vietā mēs pārtraucam sevi. Mēs ļaujam domām virmot. Mēs lietojam vārdus, mājam ar galvu un ņirgājamies savādos veidos, un mēs pieņemam, ka mums ir jēga pat tad, ja mums tas nav.

Daži cilvēki saka Nē, nē, nē; citi dod priekšroku Cancel that, un trešā grupa izmēģina kādu Pagaidiet variantu, patiesībā, lūk, ko es gribu. Alexa nav jāatšifrē katrs izteikums.

Tūkstošiem Amazon darbinieku strādā pie šī izaicinājuma, tostarp daži pētniecības centros Sietlā, Saniveilā, Kalifornijā un Kembridžā, Masačūsetsā. Neskatoties uz to, Amazon karjeras lapa nesen piedāvāja vēl 1100 Alexa darbavietas desmit nodaļās, tostarp 215 vietas mašīnmācības speciālistiem. Tikšanās laikā uzņēmuma Kembridžas birojos es jautāju Alexa galvenajam zinātniekam Rohitam Prasadam, kāpēc viņam ir vajadzīgs tik daudz cilvēku un kad viņa pētniecības komanda varētu būt pilnībā izveidota.

Es smejos par katru jūsu jautājuma aspektu, atbildēja Prasads.

Pēc dažām sekundēm, atguvis mieru, Prasads paskaidroja, ka viņš ir strādājis pie runas tehnoloģijas 20 gadus, un lielāko daļu šī perioda rezultāti bija kaitinoši lēni. Tomēr pēdējo piecu gadu laikā ir pavērušās milzīgas iespējas. Patiešām efektīva ar balsi aktivizējama AI izveide ir sarežģīts un joprojām nepārvarēts uzdevums (skatiet AI valodas problēmu). Bet, lai gan agrāk runas zinātnieki pirmajā mēģinājumā centās noteikt precīzu dažkārt haotisku izteikumu nozīmi, jaunas pieejas mašīnmācībai gūst panākumus, izmantojot citu virzienu: tās darbojas no nepilnīgām sakritībām sākumā, kam seko strauja. provizorisku minējumu precizēšana. Galvenais ir strādāt ar lielu lietotāju datu apjomu un mācīties no iepriekšējām kļūdām. Jo vairāk laika Alexa pavada kopā ar saviem lietotājiem, jo ​​vairāk datu tā apkopo, no kā mācīties, un jo gudrāka tā kļūst. Līdz ar progresu rodas vairāk iespēju un nepieciešamība pēc lielāka darbaspēka.

Ļaujiet man sniegt jums piemēru, sacīja Prasads. Ja jūs jautājat Alexa 'Kas bija Adeles pirmais albums?', atbildei vajadzētu būt ' 19 .’ Ja pēc tam sakāt: “Atskaņojiet”, Alexa zinās pietiekami daudz, lai sāktu atskaņot šo albumu. Bet ko tad, ja pa vidu ir kāda sarunvalodas ņirgāšanās? Ko darīt, ja vispirms pajautātu Alexa, kurā gadā albums iznāca un cik eksemplāru tas tika pārdots? Pabeidziet šādu apmaiņu ar noslēpumaino Play it, un iepriekšējās Alexa versijas būtu satriektas. Tagad tehnoloģija vismaz dažreiz var sekot šim domu gājienam un atzīt, ka tas joprojām nozīmē 19 .

Šis uzlabojums izriet no mašīnmācīšanās metodēm, kas atkārtoti pārbaudīja tūkstošiem iepriekšējo apmaiņu, kurās Alexa paklupa. Sistēma uzzina, kādu dziesmu lietotāji patiesībā gribēja dzirdēt un kur iepriekšējās sarunas daļas pirmo reizi identificēja šo mūzikas gabalu. Sākumā ir jāizdara daži pieņēmumi par to, kā cilvēki prasīs lietas, saka Džeimss Glass, MIT runāto valodu sistēmu grupas vadītājs. Pēc tam jūs apkopojat datus un pielāgojat savus modeļus.

Glass saka, ka šādas mašīnmācības pieejas izmantošana ir plaši novērtēta, taču, lai tā darbotos, ir nepieciešams daudz vairāk datu, nekā universitātes pētnieki var viegli savākt. Pieaugot Alexa lietojumam, Amazon tagad var piekļūt plašai cilvēka un datora runas mijiedarbības krātuvei, kas tai sniedz tādas priekšrocības balss tehnoloģiju precizēšanā, kādu Google jau sen izmanto teksta meklēšanas vaicājumos. Palīdz arī ārējie dati: piemēram, masveida dziesmu tekstu datubāze, kas tika ielādēta programmā Alexa 2016. gadā, ir palīdzējusi nodrošināt, ka lietotāji, kas lūdz dziesmu, braucot ar manu Chevy līdz dabai, tiks novirzīti uz Dona Maklīna amerikāņu pīrāgu.

Viens no jaunākajiem Prasad grupas projektiem izceļ šīs pieejas elastību. Tas ietver brīžu atšifrēšanu, kad lietotāji atkāpjas no sākotnējiem pieprasījumiem. Signalizācijas frāzes var būt ļoti dažādas. Daži cilvēki saka Nē, nē, nē; citi dod priekšroku Cancel that, un trešā grupa izmēģina kādu Pagaidiet variantu, patiesībā, lūk, ko es gribu. Alexa nav jāatšifrē katrs izteikums. Lieli paraugi un daļēji uzraudzīta mašīnmācīšanās ļauj ieskicēt iespējamo noliegtās runas marķieru kopu un pēc kursa maiņas saņemt jaunu saskaņotu pieprasījumu.

Papildus tam, lai padarītu Alexa par labāku klausītāju, Amazon AI eksperti izmanto daudz datu, lai padarītu to labāku, precīzi noregulējot mašīnas sintētiskās sieviešu balss ritmus, lai veicinātu ilgstošu lietošanu. Tradicionālie runas sintēzes mēģinājumi balstās uz daudzu ierakstītas cilvēka runas fragmentu sapludināšanu. Lai gan šis paņēmiens var radīt samērā dabisku skaņu, tas nav piemērots čukstiem, ironijai vai citām modulācijām, ko varētu izmantot saistošs runātājs. Lai uzlabotu Alexa izturēšanos pret visu, sākot no trakulīga dialoga līdz mierīgam koncertam, Amazon mašīnmācības algoritmi var izmantot citu pieeju, apmācot profesionālu stāstītāju dedzīgās, satrauktās un gudri skanošās balsis. Tas palīdz, ka Amazon pieder audiogrāmatu izdevējs Audible.

Tik daudz par ko runāt

Starp dedzīgākajiem balss AI izmantotājiem ir cilvēki, kuri nevar viegli rakstīt tālruņos vai planšetdatoros. Gevins Kers, Filadelfijas Inglis izpilddirektors, kas nodrošina mājokļus un pakalpojumus cilvēkiem ar invaliditāti, astoņās iedzīvotāju mājās ir uzstādījis Amazon Echo un Dot ierīces. Viņš cer, ka beidzot tos pievienos visām 300 dažām dzīvesvietām, kad būs pabeigta izmēģinājuma pārbaude. Tas ir neticami svētīgs iedzīvotājiem, saka Kers. Tie var būt ērtāki. Tas dod viņiem neatkarību.

Kers strādā ar simtiem cilvēku, kuriem ir multiplā skleroze vai citi novājinoši apstākļi. Tiem, kas ir piekalti pie gultas vai izmanto ratiņkrēslus, grūti sasniedzams sienas termostats var būt pastāvīgs moku avots. Viņu ķermenim ir grūti regulēt temperatūru, skaidro Kers. Telpā, kurā ir 72 °F, vienu stundu var šķist karsts, bet nākamajā – auksts. Ar ierobežotām pārvietošanās spējām nav vienkārša veida, kā justies ērti, it īpaši, ja diennakts palīdzība nav pieejama.

Ar nelielu piepūli Alexa programmatūra var kalpot pat tiem, kuriem ir ļoti ierobežota runa. Kers stāsta par vienu vīrieti, kuram bija 30 gadu, kurš vēlējās pamest ilgtermiņa aprūpes iestādi un atgriezties ikdienas sabiedrībā. Viņš mums teica: 'Es nekad nevarēšu izmantot Alexa komandas,' atceras Kers. Tāpēc mēs viņam jautājām: 'Ko jūs varat teikt?' Pēc tam mēs pārstrādājām programmatūru, lai viņš varētu likt Alexa strādāt saskaņā ar viņa noteikumiem. Tagad viņš saka “Mamma”, kad vēlas ieslēgt virtuves apgaismojumu, un “Jānis”, kad vēlas ieslēgt vannas istabas apgaismojumu.

Lai gan Inglis saviem Echo lietotājiem nodrošina četru stundu apmācību, jauni lietotāji daudz biežāk sāk taustīties. Izvelciet Echo no kastes, un nedaudz iepakojuma tiks izceltas īpaši izplatītas lietojumprogrammas, piemēram, mūzikas atskaņošana, modinātāju iestatīšana vai iepirkumu sarakstu atjaunināšana. Organizēti lietotāji var izsaukt Alexa vadības paneļus savos viedtālruņos vai klēpjdatoros, lai pielāgotu iestatījumus, meklētu jaunas lietotnes vai saņemtu norādījumus par to, kādi norādījumi ļaus lietotnei darboties vislabāk.

Alexa plašākie panākumi slēpjas tās spējā mazināt stresu, ko rada pārpildīta dzīve. Tas ir kompanjons, kas vienmēr ir gatavs iesaistīties.

Iekšā plaši lasīts emuāra ieraksts jūnijā Microsoft produktu vadītājs Darens Ostins rakstīja, ka Alexa plašākie panākumi ir saistīti ar tās spēju mazināt pārpildītās dzīves radīto stresu. Ar vienkāršu jautāšanas darbību, rakstīja Ostins, Aleksa mazina negatīvās nenoteiktības emocijas un bailes aizmirst. Viņš apgalvoja, ka lietotāji aizraujas ar visu veidu īslaicīgu neskaidrību vai vēlmju rašanos Alexa; tas ir pavadonis, kas vienmēr ir gatavs iesaistīties.

Katru nedēļu — dažreiz biežāk — Alexa ģenerālmenedžeris Robs Pulčāni skenē apkopotus datus par Alexa un Dot lietotāju izplatītākajiem izteikumiem. Parasti saraksta augšdaļā dominē mūzikas, ziņu, laikapstākļu, satiksmes un spēļu pieprasījumi. Tomēr pagājušajā pavasarī strauji pieauga jaunpienācējs. Populārā frāze: Alexa, palīdzi man atpūsties.

Kad lietotāji iesniedz šo pieprasījumu, viņi tiek novirzīti nomierinošu skaņu kolekcijā. Putni čivina; tālu viļņi skāra krastu; kravas vilcieni kursē pa nakti. Šādas apkārtējās vides trokšņu cilpas var turpināt atskaņot stundām ilgi, ja lietotāji to izvēlas. Pulčāni šīs lietotnes uzskatīja par nelielām dīvainībām, kad tās pirmo reizi parādījās Alexa platformā 2015. gadā. Taču tās ātri ieguva lielu sekotāju skaitu. Saspringti pieaugušie izmanto skaņas, lai aizmigtu. Vecāki tās pārvērš par šūpuļdziesmu aizstājējiem kaprīziem zīdaiņiem. Dažu nākamo nedēļu laikā pēc viņa atklāšanas Pulciani un kolēģi precīzi noregulēja Alexa iekšējo arhitektūru, lai jaunie Echo pircēji varētu ātri atklāt nomierinošas skaņas, ja viņi lūgtu norādījumus par to, kādas jaunas prasmes izmēģināt.

Ilgstoša saruna

Pētījumos Google, Apple, Microsoft un Amazon AI platformām ir dažādas stiprās puses. Google palīgs ir labākais plaša diapazona meklēšanas komandām. Apple Siri un Microsoft Cortana ir citi talanti. Alexa īpaši labi tiek galā ar iepirkšanās komandām.

Uz balsi balstīta mākslīgā intelekta galīgais triumfs būtu reālistiskas, vairāku minūšu ilgas sarunas ar lietotājiem. Šāds varoņdarbs prasīs milzīgus lēcienus mašīnu spējā saskatīt cilvēku runātāju nodomus, pat ja nav acīmredzama pieprasījuma. Cilvēki var saprast, ka draugs, kurš saka, ka neesmu bijis sporta zāli nedēļām ilgi, iespējams, vēlas runāt par stresu vai pašcieņu. AI programmatūrai tas ir smags lēciens. Arī pēkšņas tēmas maiņas vai slīpi mājieni ir smagi.

Vēloties stiprināt saites ar nākamās paaudzes AI un runas pētniekiem, pirms gada Amazon uzaicināja inženierzinātņu studentus duci universitāšu visā pasaulē izveidot balss robotus, kas var uzturēt 20 minūšu sarunu. Studentu pilsētiņa, kas līdz šī novembra termiņam būs sasniegusi vislielāko progresu, iegūs 500 000 USD balvu. Vienu nedēļas nogali es noklausījos pusduci šo robotprogrammu, katru reizi pārejot no vienkāršiem vaicājumiem uz sarežģītākiem, atklātiem viedokļu paziņojumiem, kas aicināja sniegt visu veidu iespējamās atbildes. Mums bija labs sākums, kad viens robots man jautāja: vai redzējāt kādas nesenas filmas? Jā, es atbildēju, mēs redzējām Slēptās figūras . Tā vietā, lai atdarinātu laikrakstu apskatus par šo skaudro filmu par NASA agrīnajiem gadiem, sociālais robots atšāva: es domāju Slēptās figūras bija ļoti vājš par faktisko matemātiku par to visu. Ne mana uztvere par filmu, taču AI programmai tā šķita burvīgi piemērota lieta. Drīz pēc tam mūsu saruna apstājās, bet vismaz mums bija šis īsais, skaistais brīdis.

Saistīts stāsts

Saistīts stāsts Mašīnas, kas patiesi saprot valodu, būtu neticami noderīgas. Bet mēs nezinām, kā tos izveidot.

Diemžēl neviens no citiem robotiem nevarēja pietuvoties. Visvairāk apmulsušais izplūda tādus teikumus kā Vai jums patīk serviss? kad es domāju, ka mēs mēģinām runāt par interneta vietnēm. Es teicu kaut ko, iespējams, nedaudz asu par robotprogrammatūras ierobežojumiem, bet man tika jautāts: vai jūs varat slēgt koplīgumus?

Dažas dienas vēlāk, kad es jautāju Amazon's Prasad par sociālo robotu izmantošanu, neviena no to agrīnajām kļūmēm viņu neuztrauca. Tā ir ļoti svarīga joma, viņš man teica. Šeit Alexa varētu būt ļoti gudra. Bet tas ir daudz grūtāk nekā spēlēt tādas spēles kā Go vai šahs. Ar šīm spēlēm, lai gan tajās ir daudz iespējamo gājienu, jūs zināt, kāds ir gala mērķis. Sarunas laikā jūs pat nezināt, ko otrs cilvēks cenšas paveikt. Kad Alexa to sapratīs, mēs patiešām runāsim.

Džordžs Anderss ir publicējis Amazon nacionālajām publikācijām kopš 90. gadu beigām. Viņa jaunākā grāmata ir Jūs varat darīt jebko.

paslēpties