Tecno

Amazon utiliza machine learning en Alexa para romper barreras del lenguaje

single-image

Un desafío que debe enfrentar cada programador que detecta funciones por voz es el siguiente: cada país habla distinto. Existe la mala percepción que solo porque dos países hablan el mismo idioma hablan igual, un ejemplo claro, en ningún país que habla español se llama igual los plásticos para sorber: se puede llamar pitillo, popote, pajarilla, pajilla y más. Al parecer Amazon tiene la solución a este problema, utilizando machine learning.

Para ayudar a lograr eso, se ha reentrenado a Alexa por completo para cada variante necesaria, una actividad que implica mucho tiempo y recursos. Pero un nuevo método basado en el aprendizaje automático para entrenar el reconocimiento de voz creado por el equipo de inteligencia artificial de Alexa podría significar mucho menos trabajo en la construcción de modelos para nuevas variantes de idiomas existentes.

En un documento presentado al Capítulo Norteamericano de la Asociación de Lingüística Computacional, el Gerente Senior de Ciencias Aplicadas de Amazon Alexa AI Young-Bum Kim y sus colegas presentaron un nuevo sistema que pudo demostrar mejoras en la precisión del 18%, 43%, 115% y 57%, respectivamente, en cuatro variantes de inglés (de EE. UU., Reino Unido, India y Canadá) utilizadas en el ensayo.

El equipo logró esto mediante la implementación de un medio a través del cual puede ajustar su algoritmo de aprendizaje para centrar su atención más en un modelo específico de la localidad cuando sabe de antemano que las respuestas a las solicitudes de los usuarios realizadas en ese dominio son altamente específicas de la región ( es decir, cuando se solicita encontrar un buen restaurante cercano) en lugar de cuándo los resultados serán relativamente similares, independientemente de dónde se realice la solicitud.

El equipo de Alexa luego combinó sus modelos específicos de local en uno y también agregó su modelo de ubicación independiente para el idioma, y ​​encontró las mejoras medidas anteriormente.

Básicamente, esto significa que pueden ahorrar trabajo aprovechando una base común y solo enfocándose en agregar diferenciación para las cosas que cambian significativamente en términos del tipo de respuestas que incitarán a Alexa a dar región a región, lo que debería hacer que Alexa sea más inteligente. Más rápido y más flexible lingüísticamente con el tiempo.


Did you like this?
Tip Jean Pierre Oliveros with Cryptocurrency

Donate Bitcoin to Jean Pierre Oliveros

Scan to Donate Bitcoin to Jean Pierre Oliveros
Scan the QR code or copy the address below into your wallet to send some bitcoin:

Donate Bitcoin Cash to Jean Pierre Oliveros

Scan to Donate Bitcoin Cash to Jean Pierre Oliveros
Scan the QR code or copy the address below into your wallet to send bitcoin:

Donate Ethereum to Jean Pierre Oliveros

Scan to Donate Ethereum to Jean Pierre Oliveros
Scan the QR code or copy the address below into your wallet to send some Ether:

Donate Litecoin to Jean Pierre Oliveros

Scan to Donate Litecoin to Jean Pierre Oliveros
Scan the QR code or copy the address below into your wallet to send some Litecoin:

Donate Monero to Jean Pierre Oliveros

Scan to Donate Monero to Jean Pierre Oliveros
Scan the QR code or copy the address below into your wallet to send some Monero:

Donate ZCash to Jean Pierre Oliveros

Scan to Donate ZCash to Jean Pierre Oliveros
Scan the QR code or copy the address below into your wallet to send some ZCash:

The following two tabs change content below.
Avatar

Jean Pierre Oliveros

Soy estudiante de economía, interesado en la innovación y desarrollo tecnológico, siempre fiel a que mañana será un mejor día.
Avatar

Latest posts by Jean Pierre Oliveros (see all)

Deja un comentario

Loading data ...
Comparison
View chart compare
View table compare