亞馬遜的工程師正在調(diào)整Alexa的算法，以幫助虛擬助手猜出用戶(hù)的請(qǐng)求，并在需求完全解決之前提出解決方案。

例如，在被詢(xún)問(wèn)要沖泡一杯茶的時(shí)間后，Alexa將能夠建議為建議的分鐘數(shù)設(shè)置一個(gè)計(jì)時(shí)器。

Alexa工程師Anjishnu Kumar和Anand Rathi在博客中解釋說(shuō)，改進(jìn)是繼續(xù)努力，使與虛擬助手的交互盡可能自然。

工程師說(shuō)，與Alexa聊天應(yīng)該和與其他人聊天一樣自然，并且使該技術(shù)能夠預(yù)測(cè)對(duì)話(huà)中接下來(lái)將發(fā)生的事情對(duì)于確保對(duì)話(huà)的順利進(jìn)行至關(guān)重要。

Kumar和Rathi寫(xiě)道：“現(xiàn)在，我們正在向自然互動(dòng)邁出新的一步，該功能可以讓Alexa推斷客戶(hù)的潛在目標(biāo)，這些目標(biāo)隱含在客戶(hù)請(qǐng)求中，但不能直接表達(dá)。”

對(duì)于虛擬助手而言，要達(dá)到這種智能程度是困難的，并且需要許多復(fù)雜的算法。為了弄清楚潛在目標(biāo)是什么，Alexa必須分析用戶(hù)請(qǐng)求中的多個(gè)功能，并將其與以前的交互模式進(jìn)行比較。該模型必須從客戶(hù)的行為中學(xué)習(xí)，例如要記住，詢(xún)問(wèn)茶要煮多長(zhǎng)時(shí)間的用戶(hù)通常會(huì)隨后要求為該時(shí)間設(shè)置一個(gè)計(jì)時(shí)器。

基于A(yíng)lexa在第一個(gè)請(qǐng)求中標(biāo)識(shí)的信息創(chuàng)建后續(xù)建議的過(guò)程同樣具有挑戰(zhàn)性。該算法必須收集用戶(hù)說(shuō)出的單詞的上下文理解，以便以結(jié)構(gòu)化的方式傳遞信息以供下一個(gè)技能使用。亞馬遜的工程師已經(jīng)開(kāi)發(fā)了一種所謂的“上下文轉(zhuǎn)移模型”來(lái)實(shí)現(xiàn)過(guò)渡。

最艱巨的任務(wù)之一是弄清楚虛擬助手是否應(yīng)該完全猜測(cè)用戶(hù)的意圖。Kumar和Rathi說(shuō)：“我們的早期實(shí)驗(yàn)表明，并非所有對(duì)話(huà)環(huán)境都非常適合潛在目標(biāo)的發(fā)現(xiàn)。”

“例如，當(dāng)客戶(hù)要求'雞肉食譜'時(shí)，我們最初的原型之一會(huì)錯(cuò)誤地跟進(jìn)，問(wèn)'你要我演奏雞的聲音嗎?'”

工程師使用深度學(xué)習(xí)模型，該模型考慮了與客戶(hù)對(duì)話(huà)中的各種元素，然后才決定是否觸發(fā)建議。該算法基于各種因素進(jìn)行評(píng)估，這些因素包括對(duì)話(huà)文本，用戶(hù)以前對(duì)虛擬助手的行為，包括他們與Alexa的多技能建議互動(dòng)的頻率。

亞馬遜工程師說(shuō)：“我們對(duì)這項(xiàng)發(fā)明感到興奮，因?yàn)樗兄诎l(fā)現(xiàn)Alexa的技能并為我們的客戶(hù)提供更多的實(shí)用性。”

但是，盡管Alexa的工程師堅(jiān)持認(rèn)為該算法僅在找到合適的上下文時(shí)才建議采取后續(xù)措施，但可以輕松想象如果該技術(shù)存在缺陷，侵入性Alexa可能會(huì)變成什么樣。如果Alexa錯(cuò)誤地理解了客戶(hù)的問(wèn)題，并開(kāi)始對(duì)不相關(guān)的要求進(jìn)行第二次猜測(cè)，則該技術(shù)可能會(huì)對(duì)用戶(hù)造成困擾。