Gaming Club
Regístrate
españaESPAÑAméxicoMÉXICOusaUSA
Betech
Ciencia y tecnología

ALEXA

Alexa ya puede predecir qué le pedirás según tus preguntas

El objetivo de Amazon para con su asistente IA es que se adelante a las peticiones de los usuarios/as.

Alexa ya puede predecir qué le pedirás según tus preguntas

El aprendizaje automático es la clave en los asistentes digitales de hoy en día. Gracias a él, un sistema informático con Inteligencia Artificial aprende cada vez más datos, llegando a una situación en que puede hacer la ‘magia’ de adelantarse a la petición de un usuario. En sí parece que adivina lo que queremos, pero es porque lo ha deducido, una deducción básica tipo Sherlock Holmes que Alexa está aprendiendo.

Alexa predice lo que vas a querer

El objetivo de Amazon para Alexa es que los clientes encuentren que interactuar con ella es tan natural como interactuar con otro ser humano. Con este fin, en septiembre anunciaron los turnos de conversación de forma natural, o la conversación con Alexa sin repetir la palabra clave para llamarla. En julio le tocó el turno a la beta pública de Conversaciones con Alexa, que facilita a los desarrolladores la integración de experiencias de conversación más complejas en sus habilidades con Alexa.

Ahora, en Amazon están dando otro paso hacia “la interacción natural" con una capacidad que permite a Alexa predecir objetivos potenciales de los clientes - objetivos que están implícitos en las peticiones de los clientes pero no expresados directamente”. Por ejemplo, si un cliente pregunta: “¿Cuánto tiempo se tarda en hacer el té?", Alexa contestará: "Cinco minutos", y además preguntará: "¿Quieres que establezca un temporizador de cinco minutos?".

Con la nueva capacidad de aprendizaje, Alexa podría responder a esa pregunta, "Cinco minutos es un buen punto de partida", y luego seguir preguntando al usuario, "¿Quieres que ponga un temporizador para cinco minutos?"

La tecnología de aprendizaje de Alexa

Transiciones como esta parecen simples, pero bajo el capó se están ejecutando una serie de sofisticados algoritmos para detectar objetivos latentes, formularlos en acciones que frecuentemente abarcan diferentes habilidades, y presentarlos a los clientes “de una manera que no parezca perturbadora”, como explican en este post técnico oficial.

El primer paso es decidir si se anticipa del todo a una meta potencial: Los primeros experimentos del equipo de Amazon de Alexa mostraron que no todos los contextos de diálogo son adecuados para el descubrimiento de un objetivo latente. Cuando un cliente pedía "recetas para el pollo", por ejemplo, uno de los prototipos iniciales seguía incorrectamente preguntando, "¿Quieres que reproduzca sonidos de pollo?"

Para determinar si sugerir un objetivo en potencia, “utilizamos un modelo de activación basado en el aprendizaje profundo que tiene en cuenta varios aspectos del contexto de diálogo, como el texto de la sesión actual del cliente con Alexa y si el cliente ha participado en el pasado en las sugerencias de Alexa sobre múltiples habilidades”.

Si el modelo de activación encuentra el contexto adecuado, el sistema sugiere una habilidad para servir al objetivo en potencia. Esas sugerencias se basan en las relaciones aprendidas por el modelo de descubrimiento del objetivo potencial. Por ejemplo, el modelo puede haber descubierto que los clientes que preguntan cuánto tiempo debe reposar el té frecuentemente, siguen pidiéndole a Alexa que establezca un temporizador para esa cantidad de tiempo.

Alexa aprende de ti

El modelo de descubrimiento de objetivo latente analiza múltiples características de las declaraciones de los clientes, incluida la información mutua puntual, que mide la probabilidad de un patrón de interacción en un contexto dado en relación con su probabilidad en todo el tráfico de Alexa. Los sub-módulos basados en el aprendizaje profundo evalúan características adicionales, como si el cliente estaba tratando de reformular un comando anterior, emitir un nuevo comando, o "si el objetivo directo y el objetivo latente comparten entidades o valores comunes" -como el valor de tiempo necesario para hacer el té.

Con el tiempo, el modelo de descubrimiento mejora sus predicciones mediante el aprendizaje activo, que identifica las interacciones de la muestra que serían particularmente informativas durante el futuro ajuste. A continuación, el modelo de etiquetado de roles semánticos busca entidades nombradas y otros argumentos de la conversación actual, incluyendo las propias respuestas de Alexa.

Nuestros modelos de arrastre de contexto transforman esas entidades en un formato estructurado que la habilidad de seguimiento puede usar, incluso si se trata de una habilidad de terceros que utiliza su propia ontología, o jerarquía de conceptos”.

Por último, a través de la banda de aprendizaje en la que los modelos de aprendizaje automático rastrean si las recomendaciones están ayudando o no, “las experiencias de bajo rendimiento se suprimen automáticamente”.

Ya disponible, pero de momento en EEUU

Esta capacidad ya está disponible para los clientes de Alexa en inglés en los Estados Unidos. No requiere ningún esfuerzo adicional de los desarrolladores de habilidades para activarla. Sin embargo, los desarrolladores de habilidades pueden hacer sus habilidades más visibles para el modelo de descubrimiento usando el Kit de Herramientas de Interacción Libre sin Nombre.