Alexa ya puede predecir qu¨¦ le pedir¨¢s seg¨²n tus preguntas

El aprendizaje autom¨¢tico es la clave en los asistentes digitales de hoy en d¨ªa. Gracias a ¨¦l, un sistema inform¨¢tico con Inteligencia Artificial aprende cada vez m¨¢s datos, llegando a una situaci¨®n en que puede hacer la ¡®magia¡¯ de adelantarse a la petici¨®n de un usuario. En s¨ª parece que adivina lo que queremos, pero es porque lo ha deducido, una deducci¨®n b¨¢sica tipo Sherlock Holmes que Alexa est¨¢ 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 conversaci¨®n de forma natural, o la conversaci¨®n con Alexa sin repetir la palabra clave para llamarla. En julio le toc¨® el turno a la beta p¨²blica de Conversaciones con Alexa, que facilita a los desarrolladores la integraci¨®n de experiencias de conversaci¨®n m¨¢s complejas en sus habilidades con Alexa.

Ahora, en Amazon est¨¢n dando otro paso hacia ¡°la interacci¨®n natural" con una capacidad que permite a Alexa predecir objetivos potenciales de los clientes - objetivos que est¨¢n impl¨ªcitos en las peticiones de los clientes pero no expresados directamente¡±. Por ejemplo, si un cliente pregunta: ¡°?Cu¨¢nto tiempo se tarda en hacer el t¨¦?", Alexa contestar¨¢: "Cinco minutos", y adem¨¢s preguntar¨¢: "?Quieres que establezca un temporizador de cinco minutos?".

Con la nueva capacidad de aprendizaje, Alexa podr¨ªa 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 tecnolog¨ªa de aprendizaje de Alexa

Transiciones como esta parecen simples, pero bajo el cap¨® se est¨¢n 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 t¨¦cnico 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 di¨¢logo son adecuados para el descubrimiento de un objetivo latente. Cuando un cliente ped¨ªa "recetas para el pollo", por ejemplo, uno de los prototipos iniciales segu¨ªa incorrectamente preguntando, "?Quieres que reproduzca sonidos de pollo?"

Para determinar si sugerir un objetivo en potencia, ¡°utilizamos un modelo de activaci¨®n basado en el aprendizaje profundo que tiene en cuenta varios aspectos del contexto de di¨¢logo, como el texto de la sesi¨®n actual del cliente con Alexa y si el cliente ha participado en el pasado en las sugerencias de Alexa sobre m¨²ltiples habilidades¡±.

Si el modelo de activaci¨®n 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 cu¨¢nto tiempo debe reposar el t¨¦ frecuentemente, siguen pidi¨¦ndole a Alexa que establezca un temporizador para esa cantidad de tiempo.

Alexa aprende de ti

El modelo de descubrimiento de objetivo latente analiza m¨²ltiples caracter¨ªsticas de las declaraciones de los clientes, incluida la informaci¨®n mutua puntual, que mide la probabilidad de un patr¨®n de interacci¨®n en un contexto dado en relaci¨®n con su probabilidad en todo el tr¨¢fico de Alexa. Los sub-m¨®dulos basados en el aprendizaje profundo eval¨²an caracter¨ªsticas 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 t¨¦.

Con el tiempo, el modelo de descubrimiento mejora sus predicciones mediante el aprendizaje activo, que identifica las interacciones de la muestra que ser¨ªan particularmente informativas durante el futuro ajuste. A continuaci¨®n, el modelo de etiquetado de roles sem¨¢nticos busca entidades nombradas y otros argumentos de la conversaci¨®n 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 ontolog¨ªa, o jerarqu¨ªa de conceptos¡±.

Por ¨²ltimo, a trav¨¦s de la banda de aprendizaje en la que los modelos de aprendizaje autom¨¢tico rastrean si las recomendaciones est¨¢n ayudando o no, ¡°las experiencias de bajo rendimiento se suprimen autom¨¢ticamente¡±.

Ya disponible, pero de momento en EEUU

Esta capacidad ya est¨¢ disponible para los clientes de Alexa en ingl¨¦s en los Estados Unidos. No requiere ning¨²n esfuerzo adicional de los desarrolladores de habilidades para activarla. Sin embargo, los desarrolladores de habilidades pueden hacer sus habilidades m¨¢s visibles para el modelo de descubrimiento usando el Kit de Herramientas de Interacci¨®n Libre sin Nombre.