亚马逊Alexa团队语音识别技术最新成果，错误率降低15%

原文选自VentureBeat，ZDNet，CSDN

编译|三七

责编|八列

亚马逊的Alexa最近频频抢镜，采用新开发的AI训练方式，优化在新场景下对话的识别。Alexa Speech小组语音系统专家Ankur Gandhe昨天在Alexa官网发表文章，阐述他们最新的AI研究成果，可将识别错误降低15%。

他和他的同事将在本月晚些时候在希腊雅典举行的Spoken Language Technologies conference上发表论文。（“Scalable Language Model Adaptation for Spoken Dialogue Systems”）

图片|搭载了Alexa的智能音箱Echo

来自互联网

Gandhe解释说，理解对话语境的NLP模型，能很快区分“Red Sox”和“Red sauce”之间的区别，能很快识别前者是棒球队，后者则是厨房配方之一，往往比单识别效率更高。这个是诸多智能音箱的痛点之一，改进用户语音交互时的摩擦，自动从识别的错误中纠正过来。

但是每次引入新功能时都要重新训练，需要大量数据和大量时间。AI研究人员经常从模板生成的随机句子作为样本数据来训练，但Gandhe和他的团队提出了一种分析语法规则的数学表示算法，他们还列出一种技术，其功能是将新训练的NLP模型与现有系统做集成时，不会对系统性能产生负面作用。在更大的数据集可用之前，这个方法可以一天就将新引入的语音识别引入Alexa。

这个生成语言模型基于有穷状态转换器（finite-state transducers，FSTs），Gandhe解释说，如果图形给定节点表示文本字符串“I want”，它可能有两边，need/want替换，另一边是would like/want替换。

图片来自于

http://examples.mikemccandless.com/fst.py

为了将新语言模型和现有语言模型相结合，它还利用一种模型，推断两者中编码概率的最佳平衡。该团队在三种不同的情境下评估系统：查股价、查食谱以及预定机票。在航班预定测试中表现最好——降低了15%的错误率。

近日Alexa更新频繁，本月11日推出的重大更新中，帮助用户更高效完成工作，现在可以创建基于用户位置触发的例程和提醒，例如，“Alexa，当我回到家时，提醒我喂狗。”然后当用户到家时，Alexa会根据手机的位置发送提醒。另一种情况是，“Alexa提醒我到办公室的时候打印报告。”这种情况下，如果办公室没有支持Alexa的设备，手机上的Alexa应用程序将推送通知。

图片|来自互联网

Alexa Answers项目也颇具人性，让内测用户教会Alexa回答问题，目的是为了解决一些尚未有答案的问题，Alexa的相关回答将会标记为来自“Alexa用户”。

Alexa Answers是亚马逊近几个月来第二次尝试对Alexa的问答能力进行优化。今年8月，亚马逊推出了“答案更新”功能。如果用户提出的一个问题Alexa无法回答，那么当Alexa学会这个问题之后，该用户将立即收到通知。

乌镇智库 资讯推荐

英特尔推出颠覆性架构：3D堆叠芯片，10nm制程明年上市

从硬件到框架，30+巨头参与的AI基准竞争结果公布（第一回合）

帮医生看片子这样有意思的事情，怎么能少的了A.I.呢？

推荐阅读

49秒|世界1000所大学走过的1000年

尼克谈人工智能的历史、现实与未来