LOGIN
Allenare Alexa affinché interagisca con gli utenti in modo naturale, proprio come se fosse un altro essere umano. Questo è l'obiettivo di Amazon, che sta lavorando a un nuovo sistema di machine learning per il suo assistente virtuale, ad esempio facendo in modo che Alexa sia in grado di dedurre da una domanda iniziale quale sarà la richiesta successiva dell'utente.
Da tempo Amazon lavora per perfezionare Alexa, ad esempio attraverso nuove funzioni che consentano all'assistente virtuale di conversare con l'utente senza che questo debba sempre ripetere le richieste. Il passo successivo verso un'interazione sempre più naturale è rappresentato dalla capacità di Alexa di dedurre gli "obiettivi latenti" nelle richieste degli utenti. In una possibile interazione di questo tipo, all'utente che domanda quanto tempo deve stare in infusione un tè, Alexa potrebbe rispondere con il tempo necessario e continuare la conversazione chiedendo se intende impostare un timer. L'intuizione dell'assistente vocale, sarebbe quella di prevedere l'utilizzo che l'utente farà dell'informazione chiesta e anticipare la domanda successiva.
Creare questo tipo di interazioni non è certo semplice: nasconde l'esecuzione di una serie di algoritmi sofisticati, che abbracciano competenze diverse e che per questo richiedono uno speciale sistema di machine learning da parte dell'algoritmo.
Alexa più intuitiva: come funzionano gli obiettivi latenti
Definire gli obiettivi latenti dell'utente che Alexa possa intuire non è semplice. Il primo passo, spiegano da Amazon nel blog ufficiale, è stato quello di capire quali fossero gli obiettivi latenti da anticipare e quali no. Anticipare il timer per il tempo di infusione di un tè o una tisana è relativamente semplice. Durante la sperimentazione, però, si è notato che questo tipo di anticipazione non può funzionare su tutto. Ad esempio, se un utente cerca "ricette per il pollo", Alexa erroneamente chiedeva: "Vuoi che suoni il pollo?". Un evidente fraintendimento uomo-assistente virtuale.
Gli sviluppatori di Alexa hanno così deciso di implementare un modello di trigger per suggerire gli obiettivi latenti che è basato sul machine learning, così che l'algoritmo di volta in volta tenga conto di diversi aspetti tra cui il contesto del dialogo ed eventuali precedenti interazioni con multi-suggerimenti. Quando il modello trigger trova il contesto adatto, allora proverà a intuire la richiesta successiva, cioè l'obiettivo latente.
Obiettivi latenti: un modello che migliora di volta in volta
Il modello sviluppato per individuare gli obiettivi latenti analizza quindi diversi fattori, come le caratteristiche delle espressioni degli utenti e le informazioni reciproche, confrontando l'interazione con quelle contenute in tutta "l'esperienza" di Alexa, cioè le varie casistiche per cui l'algoritmo è stato preparato.
Inoltre, si basa su sottomoduli di deep learning, cioè apprendimento profondo, che valuta aspetti aggiuntivi dell'interazione. Ad esempio, se l'utente ha cercato di riformulare un comando precedente oppure ha emesso un nuovo comando, se l'obiettivo diretto e quello latente hanno lo stesso valore. Analizzando tutti questi fattori, interazione dopo interazione Alexa impara dalla sua "esperienza" attraverso un modello di machine learning detto bandit learning, che esclude le previsioni non di aiuto e utilizza sono quelle utili per migliorare le previsioni future durante la conversazione con l'utente.
Le nuove funzionalità sono già disponibili per i clienti Alexa negli Stati Uniti, che utilizzano l'assistente virtuale in lingua inglese. Implementare questa nuova abilità rende inevitabilmente Alexa più intuitiva e permetterà all'assistente virtuale basato sull'intelligenza artificiale di Amazon di migliorare costantemente l'interazione con l'uomo. Un valore aggiunto che avvicina Amazon al suo obiettivo: creare tra Alexa e l'utente una interazione che sia il più naturale possibile.
