👨🏽‍🔬 😩 👽 वॉयस असिस्टेंट बढ़ाने में दिक्कतें। एक भाषाविद् और डेवलपर की नज़र 👨🏻‍🎤 🙇🏼 👵

वॉइस असिस्टेंट के साथ काम करना अक्सर बच्चे को बड़ा करने की तुलना में होता है। वह लगातार कुछ सीखता है, "बड़ों" के बाद दोहराता है। धीरे-धीरे भाषा और संचार के निर्माण की क्षमता में महारत हासिल करता है। कभी-कभी वह हर चीज को सचमुच समझ लेता है या कुछ अजीब कर देता है। ऐसा इसलिए है क्योंकि भाषा को संसाधित करना एक जटिल और लंबी प्रक्रिया है जिसमें एक से अधिक विशेषज्ञों का ध्यान आकर्षित करने की आवश्यकता होती है। हमने अपने साथी भाषाविद्-डेवलपर इवान और लीड इंजीनियर बेसल को स्काई वॉयस असिस्टेंट के साथ अपने अनुभव से दिलचस्प मामलों को साझा करने के लिए कहा। हमने दो विशेषज्ञों से एक ही सवाल पूछा कि यह पता लगाने के लिए कि किसी भाषा को संसाधित करते समय अकेले गणित क्यों नहीं जीत सकता है, आवाज सहायक कैसे मजाक करना सीखते हैं और क्यों।

आप किसके लिए जिम्मेदार हैं? आपकी ज़िम्मेदारी के क्षेत्र में क्या शामिल है?

भाषा

सहायक के काम के भाषाई पहलू से जुड़ी हर चीज के लिए मैं जिम्मेदार हूं। यह उपयोगकर्ता के प्रश्नों का विश्लेषण है, और उत्तर के तर्क की योजना बना रहा है, और उसके लिए पाठ खोज रहा है या बना रहा है। इसके अलावा, मैंने कुछ सेवाएँ विकसित कीं जो दृढ़ता से पाठ (मौसम, रिमाइंडर, समाचार, टोस्ट, शब्द खेल सहित) से जुड़ी थीं, और प्रशिक्षण के लिए सामग्री एकत्र की। इसमें शामिल है, उदाहरण के लिए, किसी कॉलम को सक्रिय करने के लिए विभिन्न आवाज़ों को रिकॉर्ड करना।

डेवलपर

मैं हमारे चैटबॉट के मस्तिष्क के लिए जिम्मेदार हूं। मैं उसका तर्क लिख रहा हूं: वह कैसे प्रश्न प्राप्त करता है, कैसे जवाब देता है, उसे कहां से डेटा मिलता है, उसके अंदर कौन सी सेवाएं काम करेंगी। यह एक संचार सेवा और ज्ञान का आधार है ताकि यह किसी भी प्रश्न का उत्तर दे सके। वह उसकी ओर रुख कर सकता है और कह सकता है कि मौसम क्या है, डॉलर विनिमय दर क्या है, आप के लिए एक टैक्सी का आदेश दें, अलार्म सेट करें, आदि।

क्या आपको लगता है कि वॉयस असिस्टेंट के साथ काम करना बच्चे की परवरिश करने जैसा है?

भाषाविद्

बच्चों के बारे में और मशीन सीखने के बारे में Habré पर एक बहुत अच्छा लेख था, और सामान्य तौर पर यह एक लोकप्रिय सादृश्य है।

लेकिन समस्या यह है कि एआई को संदर्भ से संबंधित कोई समझ नहीं है कि प्रशिक्षण सेट में क्या शामिल है, यहां तक कि एक विशिष्ट कार्य के बाहर दुनिया का सबसे बुनियादी ज्ञान और स्वाद और सामान्य ज्ञान के रूप में मूल्यांकन के ऐसे अंतर्निहित तरीके गायब हैं। इस वजह से, परिणाम अक्सर अप्रत्याशित होते हैं।

डेवलपर

हम यह नहीं कह सकते हैं कि आवाज सहायक एक बच्चा है, क्योंकि बच्चे में विश्लेषण और सीखने की क्षमता है। वॉइस असिस्टेंट एक बेवकूफी भरी बात है। आप चाहते हैं कि वह कुछ करे, उसे कार्य निर्धारित करे, और वह सब - वह करेगा।
हम एक न्यूरॉन को भी बच्चा नहीं मान सकते - खुद से, यह नहीं सीख सकते। हमें हमेशा उसे रास्ता दिखाना चाहिए। इस अर्थ में कृत्रिम बुद्धिमत्ता केवल एक भूमिका निभाती है जब न्यूरॉन उन स्थितियों के समान स्थिति पा सकता है जो आपने उसे सिखाई थीं। मुझे नहीं लगता कि यह आमतौर पर खुफिया है, बस महान अवसर हैं।

उसके साथ काम करने की प्रक्रिया में क्या मज़ेदार मामले सामने आते हैं?

भाषाविद्

मैं दो का उत्तर दूंगा। एक बार जब हमने अलियास खेल के लिए शब्दों का चयन किया, जो कि शब्द 2vec मॉडल का उपयोग करके समान शब्दों ("संघों") की खोज पर आधारित है। हमने बहुत सावधानी से चुना, यह कल्पना करना असंभव था कि "नाभि" शब्द के संबंध सेंसरशिप की सीमाओं से परे चयनात्मक यौन अभिव्यक्ति हैं। ऐसा लगता है कि यह शब्द बहुत बचकाना है और पूरी तरह से अलग संदर्भों में उपयोग किया जाता है।
जाहिरा तौर पर, हम अपने सहायक के बारे में या उपयोग किए गए मामले के लिए टेक्स्ट कलेक्टर के बारे में कुछ नहीं जानते हैं।

एक और चीज़। एक बार जब हमने रूसी अभिवादन की सूची में शामिल होने का फैसला किया और विभिन्न भाषाओं से उनके एनालॉग को अलविदा किया। अरबी और यहूदी भावों के सामान्य "बोनजौर" से। नए शब्द हमारे खोज एल्गोरिदम द्वारा समान भावों के लिए अनुक्रमित किए गए थे, लेकिन उनके करीब भी कुछ नहीं था! परिणामस्वरूप, कॉलम ने किसी भी समझदार या किसी तरह के विकृत अनुरोध का जवाब दिया: "अस-सलामु अलैकुम वा-रहमतु-ललाह । " जब आप सामान्य रूप से "संयुक्त राज्य अमेरिका कहां है?" के जवाब में एक पीछा मशीन आवाज में यह सुनते हैं, तो यह भ्रामक है।

घरवापसी के बारे में क्या? जब शब्द समान लगते हैं, लेकिन ये दो बिल्कुल अलग शब्द हैं। उदाहरण के लिए, एक क्रिया और एक संज्ञा

भाषाविद्

हाँ, यह भाषा प्रसंस्करण में शामिल सभी के लिए एक दर्द है। यह पूरे वाक्यों के साथ होता है, वे लंबे समय से बस पत्थर में तराशे गए हैं। उदाहरण जैसे "उसने अपने परिवार को अपनी आँखों से देखा।" क्या यह किसी प्रकार का प्राणी है जिसकी सात आँखें हैं, और वह उन्हें देखता है। या तो वह खुद उनके परिवार को देखे। या तो किसी क्षण उसे ऐसा लगे कि वे उसकी सात आँखें हैं।

एक सरल उदाहरण: "इस प्रकार के स्टील कार्यशाला में हैं।" कार्यशाला में या तो कई प्रकार के "स्टील" सामग्री उपलब्ध हैं, या कुछ मैला श्रमिकों ने न केवल कार्यशाला में काम करना शुरू किया, बल्कि मौजूद भी हैं। यही है, न केवल शब्दों के स्तर पर, बल्कि पूरे वाक्यों के स्तर पर भी एक बहुत बड़ी समस्या है। शब्द रूपों की समानता के स्तर पर भी एक समस्या है। कहते हैं, एक शब्द के नाममात्र और उच्चारण के मामले समान हैं। इसलिए, यहां तक कि इस तरह के एक सरल कार्य के रूप में एक शब्द के रूप का निर्धारण करने के लिए विश्लेषण के लिए जटिल संकुल के उपयोग की आवश्यकता होती है। और ये पैकेज कभी निश्चित जवाब नहीं देते हैं। वे केवल एक फॉर्म या किसी अन्य की संभावना दे सकते हैं।

आप इस तरह की समस्याओं को कैसे हल करते हैं? शेयर

भाषाविद्

हाँ, विशेष रूप से कोई चाल नहीं। बहुत सावधानी से उस डेटा का चयन करें जिस पर मॉडल प्रशिक्षित है, और ध्यान से सब कुछ परीक्षण करें।

जैसा कि गृहकार्य के लिए, यदि हम अब किसी भी तरह से मॉडल को पुनः बनाए रखने का प्रयास करते हैं ताकि यह एक विशिष्ट शब्द का सही रूप निर्धारित करे, तो यह वर्तमान अपूर्ण समाधान के लिए पैच की स्थापना करेगा। वास्तव में यह जानने के लिए कि कैसे घर का काम करना है, निश्चित रूप से, भाषाई तरीके हैं, लेकिन वे हमेशा और हर जगह उपयोग नहीं किए जाते हैं। और वे अभी भी उन पर काम कर रहे हैं। रूसी भाषा के लिए, स्थिति अंग्रेजी की तुलना में बहुत खराब है, क्योंकि हमारे पास काफी अधिक शब्द रूप हैं।

डेवलपर

हम संवाद, मान्यता के तर्क की समीक्षा कर रहे हैं, हम देखते हैं कि आवाज सहायक ने इसे इतनी अच्छी तरह से नहीं समझा। कभी-कभी आपको एक नया संवाद जोड़ने की आवश्यकता होती है। ऐसी स्थितियाँ हो सकती हैं जब उसने किसी प्रश्न का उत्तर दिया हो, जिसका उत्तर उसे बिल्कुल नहीं पता था। विकास का इतिहास मदद करता है।

क्या यह सच है कि रूस में एलिस अपने पूर्ववर्तियों से बेहतर काम करती है? क्यों?

भाषाविद्

काफी एक व्यक्तिपरक मूल्यांकन: सिरी भी बहुत अच्छी तरह से काम करता है।

हालांकि, ऐलिस अब सबसे अधिक प्रतिस्पर्धी आवाज सहायक है, क्योंकि यैंडेक्स के पास अपनी क्षमता का विस्तार करने के लिए संसाधनों और सेवाओं की एक बड़ी मात्रा है। इसके अलावा, उनके पास पहले से ही तृतीय-पक्ष सेवाओं को जोड़ने की क्षमता है, अर्थात कोई भी डेवलपर या टीम अपने कुछ कार्यों को जोड़ सकती है। यह उसके अवसरों को सही मायने में व्यापक बनाता है।

एक ओर, मामला यांडेक्स के संसाधनों और अनुभव का है: वे बहुत लंबे समय से भाषा प्रसंस्करण में लगे हुए हैं, उन्होंने स्वयं डेटा निष्कर्षण, पार्सिंग और वर्डफॉर्म विश्लेषण के लिए कई संसाधन विकसित किए हैं। कई अच्छे भाषाविद उनके पास आए।

दूसरी ओर, यह एक दूसरे शास्त्रीय और तंत्रिका नेटवर्क एल्गोरिदम को सक्षम रूप से जोड़ता है और पूरक करता है। इसलिए वह स्पष्ट अनुरोधों को समझ सकती है, और किसी भी चीज़ के बारे में बातचीत बनाए रख सकती है।

यह मत भूलो कि यह बहुत अच्छा है, लेकिन बातचीत की नकल है।

डेवलपर

बेशक। क्योंकि Google में मुख्य तर्क अंग्रेजी भाषा पर आधारित है, और हम रूस में हैं। यैंडेक्स में, एक आवाज सहायक पर काम करने वाले लोग, जिनकी मूल भाषा रूसी है। यह मुझे लगता है कि ऐलिस अब बेहतर है और बेहतर होगा। क्योंकि रूसी तर्क पर काम कर रहे हैं।
यहाँ प्रश्न एल्गोरिथ्म में नहीं है, विकास में नहीं है। यहाँ संदर्भ, तर्क और सामान्य रूप से इस विकास की आत्मा है। ऐलिस अधिक प्राकृतिक लगता है।

गणित क्यों नहीं जीत सकता? भाषा कौशल आपकी आवाज़ सहायक के साथ काम करने में आपकी मदद कैसे करते हैं?

भाषाविद्

प्रोग्रामर, दार्शनिकों की तरह, शायद एक समझ में आता है, लेकिन कभी-कभी खतरनाक भ्रम है कि वे अपने ज्ञान तंत्र की मदद से किसी अन्य क्षेत्र को समझ सकते हैं। यही है, यह उनके लिए कुछ भाषा प्रसंस्करण मॉड्यूल के लिए प्रलेखन पढ़ने के लिए पर्याप्त है, और वे सीखेंगे कि इसके साथ कैसे काम करना है। दुर्भाग्य से, यह पूरी तरह से सच नहीं है, क्योंकि भाषा बहुत जटिल है। यहां तक कि स्वयं भाषाविद् भी अब खराब तरीके से समझते हैं कि यह कैसे काम करता है।

यदि हम अनुसंधान में तल्लीन हो जाते हैं, तो यह स्पष्ट हो जाता है कि संज्ञानात्मक पहलू में भाषा (जिस तरह से यह आमतौर पर सिर में काम करता है, विचारों को हमारे भाषण में कैसे बदल दिया जाता है) अन्य सभी स्तरों से अलग करना बहुत मुश्किल है। वास्तव में स्मार्ट प्रोसेसिंग सिस्टम बनाने के लिए, हमें किसी तरह इस पक्ष और अन्य को भी औपचारिक रूप से सीखने की आवश्यकता होगी।

हमें अक्सर विशुद्ध रूप से भाषाई शोध को आकर्षित करना पड़ता था। उदाहरण के लिए, हमने एक टाइम-प्रोसेसिंग मॉड्यूल पर काम किया, जब कोई व्यक्ति कहता है: "मुझे पहली मंजिल पर ऐसा करने के लिए याद दिलाएं।" आधी रात शब्द को संसाधित करने में कठिनाइयाँ उत्पन्न हुईं। कल आधी रात को कल ० बजे है या कल २४ बजे? भाषाविज्ञान या भाषाविज्ञान की विधियों का सहारा लिए बिना इस प्रश्न का उत्तर खोजना असंभव है। कोई केवल कॉफी के आधार पर अनुमान लगा सकता है। वे कहते हैं कि नहीं। अध्ययन में इस तथ्य को शामिल किया गया था कि मैंने रूसी भाषा के नेशनल कॉर्प्स को "मध्यरात्रि" शब्द का उपयोग करने के सभी मामलों को अलग-अलग समय संदर्भों के साथ देखा, जो कि आज / कल है। लोगों के मन में क्या था, इसे देखा। मार्जिन 40% के मुकाबले 60% था, जो आज आधी रात को - कल 0 बजे है।

यह असंभव है, बस कुछ उपयोग के मामलों को देखते हुए, न जाने कैसे भाषा काम करती है, एक नियम बनाने के लिए और कुछ कहने के तरीकों की अंतिम सूची। किसी भी कारण से, आप अनंत प्रस्तावों की संख्या कह सकते हैं। कुछ परिमित एल्गोरिदम के साथ यह सब सेट करने की कोशिश करना बहुत मुश्किल है। जो सिस्टम भाषाई विश्लेषण का उपयोग नहीं करते हैं वे कभी भी 100% सटीकता नहीं देंगे।

डेवलपर

भाषाविद बहुत मदद करते हैं। वह बड़ी संख्या में विकल्प पा सकता है कि लोग किसी चीज के बारे में कैसे पूछते हैं। इसके अलावा, ऑपरेटिंग मशीनरी एक खतरनाक चीज है। हम किसी भी अनुरोध को स्वीकार नहीं कर सकते। भाषाविद् हमें यह निर्धारित करने में मदद करता है कि ये प्रश्न किस रूप में होंगे, यह सही उत्तरों को व्यवस्थित करने में मदद करता है। वह पाठ का विश्लेषण भी करता है, उसमें से उन विषयों को हटाता है जो इस बारे में बात करने लायक नहीं हैं: राजनीति, जातिवादी टिप्पणी आदि।

, ? , ?

बेशक, भाषा प्रसंस्करण एक अंतःविषय समस्या है। और अब, और हमेशा मनोविज्ञान और मनोविज्ञान के विशेषज्ञों को आकर्षित करना आवश्यक था, जो निर्धारित करते हैं कि कोई व्यक्ति भाषा को कैसे समझता है। गहन स्तर पर, संज्ञानात्मक अनुसंधान की भी आवश्यकता है। क्योंकि अब केवल हमारे पास ऐसी तकनीकें हैं जो हमें ट्रैक करने की अनुमति देती हैं कि वाक्य रचना में त्रुटियों को संसाधित करते समय मानव मस्तिष्क कैसे काम करता है जैसे कि गलत शब्द क्रम और अर्थ संबंधी त्रुटियां, जब कुछ अप्रत्याशित कहा जाता है, अर्थ में पूरी तरह से अनुचित। और इन अध्ययनों के परिणामों ने उन सभी चीजों पर संदेह व्यक्त किया जो पहले भाषा विज्ञान में सार्वभौमिक रूप से मान्यता प्राप्त थीं। क्योंकि यह पता चलता है कि इन त्रुटियों को बहुत ही समान तरीके से नियंत्रित किया जाता है, दोनों भाषा के लिए, अर्थात्, आवाज की जानकारी, और वीडियो या कॉमिक्स के लिए,या यहां तक कि संगीत और किसी भी ध्वनि अनुक्रम के लिए। यही है, संरचना और अर्थों में त्रुटियों की खोज करने का तंत्र उन सभी सूचनाओं के लिए सार्वभौमिक है जो एक व्यक्ति मानता है। इससे पता चलता है कि भाषा के ढांचे के भीतर नहीं, बल्कि सूचना के सामान्य बोध के ढांचे के भीतर वाक्य रचना और शब्दार्थ के विश्लेषण पर काम करना आवश्यक है।

डेवलपर

ट्यूरिंग ने कहा: "एक कंप्यूटर बुद्धिमान कहलाने के योग्य होगा यदि वह किसी मानव को यह विश्वास दिलाने में धोखा दे सकता है कि वह मानव था" - एक कंप्यूटर को केवल तभी स्मार्ट कहा जा सकता है यदि आप यह नहीं समझते कि यह एक मशीन है, व्यक्ति नहीं।

यह इस में है कि मनोवैज्ञानिक भविष्य में मदद करेंगे। हम केवल शब्दों पर निर्भर नहीं हैं। भावनाएँ ... एक व्यक्ति कैसे समझता है यह भी महत्वपूर्ण है। एक व्यक्ति के पास पांच इंद्रियां हैं, कम से कम दो का उपयोग बातचीत के दौरान किया जाता है। और आवाज सहायक का एक स्रोत है। ये उसके "कान" हैं।
मनोवैज्ञानिक डेवलपर्स के साथ काम कर सकते हैं जो ऑडियो सिग्नल का विश्लेषण करते हैं और आवाज से भावनाओं को निर्धारित करने में हमारी मदद करते हैं, यह समझने के लिए कि व्यक्ति गुस्से में है या अच्छे मूड में है। और इसके आधार पर, यह निर्धारित करें कि आवाज सहायक को कब मजाक करना चाहिए, और कब - गंभीर होने के लिए। प्रोग्रामर के रूप में, हम इसे नियंत्रित नहीं कर सकते। अगर हम कार को "मजाक" कहते हैं, तो यह किसी भी अजीब स्थिति में करेगा। उदाहरण के लिए, उसे प्रश्न सिखाएं "क्या करना है?" जवाब "अपनी पैंट उतारो और दौड़ो।" अगर इस सवाल से पहले उपयोगकर्ता ने कहा कि उसके पिता की मृत्यु हो गई या उसने लड़की के साथ संबंध तोड़ लिया, तो वह मूड में नहीं है, मशीन इस सारी जानकारी को ध्यान में नहीं रखेगी और मजाक उड़ाएगी।

चूंकि हम चुटकुलों के बारे में बात कर रहे हैं, आवाज सहायक में हास्य की भावना कैसे विकसित करें?

भाषाविद्

हास्य की भावना एक अंतर्निहित मानवीय घटना है जो परिवर्तनों को अनुकूलित करने, कठिनाइयों को सहन करने, सामाजिक संपर्क को मजबूत करने और बहुत कुछ करने में मदद करती है। अपने सटीक रूप में, यह, मुझे लगता है, एआई के लिए शायद ही आवश्यक है। इस क्षेत्र में अनुसंधान जारी है, लेकिन यह हास्य को समझने और अनुकरण करने के बारे में है। हमें किसी तरह कार को समझाना चाहिए कि चमड़े के बैग कभी-कभी उसके लिए समझ से बाहर के काम करते हैं - वे मजाक करते हैं - और बदले में चुटकुले की उम्मीद करते हैं।

समझ के साथ, सब कुछ बहुत जटिल है, इसलिए मैं नकल के बारे में जवाब दूंगा। दो तरीके हैं:

लोगों द्वारा बनाए गए चुटकुलों का उपयोग करें - विशेष रूप से या ग्रंथों के कोष से सिस्टम द्वारा स्वयं प्राप्त;
यह समझने की कोशिश करें कि लोगों को हंसी (छिपी, समानांतर और अप्रत्याशित अर्थ संबंधी संबंध, विभिन्न अर्थ क्षेत्रों से शब्दों का संयोजन, केस उलटा और अर्थ) क्या है, और यह एहसास है।

पहले से ही तकनीकी समाधान हैं: समान दंड अक्षरों के सामान्य अनुक्रमों के आधार पर बनाए जाते हैं। समस्या हमेशा काम के परिणाम का मूल्यांकन करने और किसी तरह हास्यास्पद उदाहरणों की 5-10% की सीमा को पार करने के लिए होती है।

एक नियम के रूप में, एआई मजाक नहीं कर रहा है या मजाकिया नहीं है, और स्थिति को बदलने के लिए जटिल शोध आवश्यक है।
वॉयस असिस्टेंट के लिए हास्य जोड़ने का सबसे आसान और सबसे विश्वसनीय तरीका केवल स्क्रिप्ट लिखना है या चरम मामलों में, कुछ प्रकार के मजाक पैटर्न। फिर हम समझदारी से उन्हें एक कारण या किसी अन्य के लिए उत्पन्न कर सकते हैं। मुझे यकीन है कि यैंडेक्स एलिस में यह अक्सर इस तरह से काम करता है। कई लोगों ने देखा कि एलिस सीरिज़ द विचर के गानों और चुटकुलों को समझता है। आप उससे कुछ पूछ सकते हैं जैसे "चुड़ैल का भुगतान कैसे करें?" और वह बदले में कुछ मजाक करेगी। ये चीजें मैन्युअल रूप से पंजीकृत होने की संभावना है।

डेवलपर

एक भाषाविद् उत्तर एकत्र करने में शामिल होता है जो मजाकिया हो सकता है। वह भाषा के बाड़े में उन्हें खोजता है, फिर वे आवाज सहायक डेटाबेस में समाप्त हो जाते हैं। और, जब हम उसे मजाक करने के लिए कहते हैं, तो वह डेटाबेस में सही पाता है और मजाक करता है। वह अनायास मजाक भी कर सकता है यदि वह उन परिस्थितियों के समान देखता है जिन पर वह प्रशिक्षित था। यह सब संदर्भ पर निर्भर करता है।

आपको क्या लगता है कि लोग एक वॉयस असिस्टेंट जोक करना चाहते हैं?

भाषाविद्

मुझे ऐसा लगता है कि ऐसे बहुत से कारण हैं, जिससे लोग इसमें हास्य देखना चाहते हैं। हास्य की भावना विशुद्ध रूप से मानवीय गुण है। जो हमें मानव बनाता है। चैटबॉट में मानवता को ढूंढना चाहते हैं, वे इसमें हास्य की भावना की तलाश करते हैं। यह देखा जा सकता है, भले ही आप संस्कृति में कृत्रिम बुद्धि के सभी उदाहरणों को देखें: फिल्म से कोई भी सही मायने में स्मार्ट रोबोट मजाक करेगा।

आपको लगता है कि कौन सी आवाज सहायक सबसे वयस्क है?

भाषाविद्

यदि कोई वयस्क पुराना है, तो यह कहना मुश्किल है। 18 वीं शताब्दी में वॉयस कंट्रोल भाषण संश्लेषण के रूप में लगभग एक ही प्राचीन चीज है, जिसका आविष्कार किया गया है, अजीब तरह से पर्याप्त है। वे 20 वीं शताब्दी की शुरुआत से इसके साथ काम कर रहे हैं, और 1960 के दशक में पहला काम करने वाले समाधान दिखाई दिए और तब से विकसित हो रहे हैं। 90 के दशक में आईबीएम में स्मार्ट वॉयस असिस्टेंट बनाए गए, और 2011 में स्मार्टफोन तक पहुंचे।

यदि कोई वयस्क उबाऊ है, लेकिन विश्वसनीय है, तो सिरी। ऐसा लगता है कि रूसी भाषा के उत्तर के ग्रंथ हाल ही में इसमें अपडेट किए गए हैं, और यह प्रतिष्ठा के लिए सबसे सही और सुरक्षित उत्तर देता है। एक बड़ी कंपनी के लिए सुविधाजनक है, लेकिन यह भी नहीं खेलता है। ऐलिस की तरह प्रशंसनीय संवादों को चैट करने और इकट्ठा करने का कोई तरीका नहीं है। लेकिन उसके पास ऐसा कोई लक्ष्य नहीं है, क्योंकि यह एक स्मार्टफोन (या किसी भी उपकरण) में बनाया गया एक वॉयस असिस्टेंट है। इसमें मुख्य रूप से सब कुछ नियंत्रित करने का एक उपयोगितावादी कार्य है। मुझे याद है कि पहले के उत्तर अब से भी अधिक रोचक और विवादास्पद थे। लेकिन, जाहिरा तौर पर, उन्होंने फैसला किया कि लोगों ने पहले से ही एक आवाज सहायक के साथ पर्याप्त रूप से खेला था, और यह उनके लिए गंभीर होने का समय था। बस अपना काम करो।

ऐलिस या तो अनुप्रयोग में या एक अलग उत्पाद में मौजूद है - एक कॉलम में। वहाँ और वहाँ दोनों में एक व्यक्ति को दिलचस्पी लेना महत्वपूर्ण है ताकि वह एक कॉलम खरीदना या एक आवेदन खोलना चाहता है। बस सूखी आवाज नियंत्रण उबाऊ लगेगा।

डेवलपर

कोई वयस्क नहीं। सभी आवाज सहायकों को बहुत कम ज्ञान था, और अब और भी बहुत कुछ है। उन्होंने खुद नहीं सीखा। मुझे याद है कि एलिस ने लगभग 3-4 साल पहले कितना बेवकूफ काम किया था। लेकिन हर दिन वह बेहतर होती गई। डेवलपर्स ने विशिष्ट स्थितियों की निगरानी की और त्रुटियों को ठीक किया, नए मामले, स्क्रिप्ट बनाए। उपयोगकर्ताओं ने उनकी मदद की, कुछ बारीकियों को नोट किया। यांडेक्स के पास महान संसाधन हैं: एक खोज इंजन है, डेटा स्टोर करने के लिए सर्वर और सब कुछ हैं।

फिर भी, एक राय है कि सिरी सबसे अधिक वयस्क है, क्योंकि यह जानकारीपूर्ण है, लेकिन इसमें चुटकुले, खेल आदि कम हैं। क्या आप सहमत हैं?

हाँ। क्योंकि वे उसी के साथ खेलते हैं जो विश्वसनीय है। यह 100 सवालों के जवाब देने से बेहतर है, लेकिन उनमें से 40 गलत हैं। वे डिजाइन में बहुत साफ हैं। वे चाहते हैं कि सहायक हमेशा कुछ सही कहें और पहले की तरह मूर्खतापूर्ण न हों।

संक्षेप में

हर कोई मशीन लर्निंग और पेरेंटिंग के बीच समानता का समर्थन नहीं करता है।
भाषा अंतहीन है। एक देशी वक्ता एक ही विचार को अनंत संख्या में व्यक्त कर सकता है। भाषाई विश्लेषण के तरीकों का उपयोग किए बिना, आपको 100% सटीकता नहीं मिलेगी।

अन्य क्षेत्रों का ज्ञान भी मशीन सीखने में मदद करता है। संज्ञानात्मक और मनोवैज्ञानिक अनुसंधान यह समझने में मदद करेंगे कि मस्तिष्क कैसे सूचना प्रसंस्करण को संसाधित करता है, विशेष रूप से, कैसे एक व्यक्ति इस भाषा को मशीन सीखने के लिए स्थानांतरित करने के लिए एक भाषा को समझता है। और नैतिक मुद्दों को हल करने में, मनोवैज्ञानिक बचाव में आएंगे।
आमतौर पर एआई मजाक नहीं या मजाक नहीं करता है, लेकिन लोगों को चुटकुले की जरूरत है! इसलिए, इस क्षेत्र में अनुसंधान जारी है।

रूस में सबसे शक्तिशाली और प्रतिस्पर्धी आवाज सहायक एलिस है। उसके साथ एक बातचीत एक व्यक्ति के साथ बातचीत के करीब है। और सबसे वयस्क (इस शब्द से हमारा मतलब गेमिंग के क्षणों पर नहीं बल्कि प्रसंस्करण अनुरोधों में विश्वसनीयता और सटीकता पर जोर है) - सिरी।

वॉयस असिस्टेंट बढ़ाने में दिक्कतें। एक भाषाविद् और डेवलपर की नज़र