Alexa, Forstå mig

romerske muradov

Den 31. august 2012 indgav fire Amazon-ingeniører det grundlæggende patent på det, der i sidste ende blev Alexa, et kunstig intelligenssystem designet til at engagere sig med et af verdens største og mest sammenfiltrede datasæt: menneskelig tale. Ingeniørerne havde kun brug for 11 ord og et simpelt diagram til at beskrive, hvordan det ville fungere. En mandlig bruger i et stille rum siger: Please play 'Let It Be' af Beatles. En lille bordplademaskine svarer: Intet problem, John, og begynder at spille den ønskede sang.

Fra den beskedne start er stemmebaseret AI til hjemmet blevet en stor forretning for Amazon og i stigende grad en strategisk slagmark med sine teknologirivaler. Google, Apple, Samsung og Microsoft sætter hver især tusindvis af forskere og forretningsspecialister i gang med at forsøge at skabe uimodståelige versioner af brugervenlige enheder, som vi kan tale med. Indtil nu har vi alle bøjet os for at imødekomme teknologi, hvad angår at skrive, trykke eller swipe. Nu bøjer de nye brugergrænseflader til os, bemærker Ahmed Bouzid, administrerende direktør for Witlingo, som bygger stemmedrevne apps af alle slags til banker, universiteter, advokatfirmaer og andre.

Denne historie var en del af vores september 2017-udgave

Se resten af problemet
Abonner

For Amazon er det, der startede som en platform for en bedre jukebox, blevet til noget større: et kunstig intelligenssystem, der er bygget på og konstant lærer af menneskelige data. Dens Alexa-drevne Echo-cylinder og lille Dot er allestedsnærværende husstandshjælpere, der kan slukke lyset, fortælle vittigheder eller lade dig læse nyhederne håndfrit. De indsamler også mængder af data om deres brugere, som bliver brugt til at forbedre Alexa og tilføje dets anvendelser.

Titusvis af millioner af Alexa-drevne maskiner er blevet solgt siden deres markedsdebut i 2014. På det amerikanske marked for stemmedrevne AI-enheder menes Amazon at optage omkring 70 procent af alt enhedssalg, selvom konkurrencen er ved at blive varmere. Google Home har også solgt millioner af enheder, og Apple og Microsoft lancerer snart deres egne versioner.

Den ultimative gevinst er muligheden for at kontrollere – eller i det mindste påvirke – tre vigtige markeder: hjemmeautomatisering, hjemmeunderholdning og shopping. Det er svært at vide, hvor mange der gerne vil tale med deres køleskabe, men hverdagens mønstre ændrer sig hurtigt. På samme måde som smartphones har ændret alt fra dating etikette til fodgængeres ganghastighed, begynder stemmebaseret AI at ændre mange aspekter af hjemmelivet. Hvorfor stå op for at låse hoveddøren eller starte din bilvarmer på en bidende kold dag, når Alexa eller hendes pårørende øjeblikkeligt kan ordne tingene i stedet?

Indtil videre forsøger Amazon ikke at indsamle indtægter fra virksomheder, der fremstiller smarte termostater, pærer og andre Alexa-forbundne enheder. Undervejs er det dog let at forestille sig måder, hvorpå indtægtsdelingsordninger eller andre betalinger kan slå igennem. Det mindste af disse tre markeder, hjemmeautomatisering, tegner sig allerede for mere end 5 milliarder dollar i udgifter hvert år, mens detailsalget i USA sidste år udgjorde 4,9 billioner dollars. I dag tjener Amazon penge på selve maskinerne, til priser, der spænder fra $50 for Dots til $230 for de bedste Echos med videoskærme, og høster endnu en gevinst, hvis brugerne ender med at handle mere i Amazons store onlinebutik. (Amazon vil dog ikke oplyse disse trafiknumre.)

For at Echos skal blive lige så udbredt som smartphones, bliver de nødt til at gøre mange flere ting. Til det formål opfordrer Amazon uafhængige udviklere til at bygge nye tjenester på platformen, ligesom Apple længe har gjort med app-udviklere. Mere end 15.000 sådanne færdigheder eller apps er blevet bygget indtil videre, og app-building-værktøjer er blevet så nemme at sætte sammen, at det nu er muligt at opbygge en simpel færdighed på omkring en time uden megen programmeringsviden. Blandt de mest populære apps er ride-hailing-muligheder fra Uber og Lyft. Duds inkluderer 48 separate færdigheder, der bombarderer lyttere med fornærmelser.

Blandt de mest ambitiøse udviklere er virksomheder, der laver hardware eller sælger tjenester, der fungerer med Alexa. Capital One, for eksempel, tilbyder Alexa-baseret regning betaling til sine bankkunder; Toronto-baserede Ecobee er en af en række producenter af smarte termostater til at opbygge Alexa-drevne versioner, der lader folk hæve eller sænke rumtemperaturerne blot ved at ytre et par ord. Vores kunder har travle liv, siger Stuart Lombard, administrerende direktør for Ecobee, som nu får omkring 40 procent af det samlede salg fra sine Alexa-enheder, den 10 år gamle virksomheds hurtigst voksende produktlinje. De skal kæmpe mod trafikken for at komme hjem, og så skal de give børnene mad, ble babyen, og hvem ved hvad ellers. Vi giver dem en håndfri måde at få noget gjort, mens de er midt i andre opgaver.

Når tale møder AI

Det, der gør stemmebaseret AI så tiltalende for forbrugerne, er dets løfte om at rette sig efter os, at reagere på den måde, vi taler - og tænker - på uden at kræve, at vi skriver på et tastatur eller en skærm. Det er også det, der gør det så teknisk svært at bygge. Vi er slet ikke ordentlige, når vi taler. I stedet afbryder vi os selv. Vi lader tankerne dingle. Vi bruger ord, nikker og grynter på mærkelige måder, og vi antager, at vi giver mening, selv når vi ikke er det.

Nogle mennesker siger nej, nej, nej; andre foretrækker Annuller det, og en tredje flok prøver en eller anden variant af Vent, faktisk, her er hvad jeg vil have i stedet. Alexa behøver ikke at afkode hver ytring.

Tusindvis af Amazon-medarbejdere arbejder på denne udfordring, herunder nogle på forskningscentre i Seattle, Sunnyvale, Californien og Cambridge, Massachusetts. Alligevel tilbød Amazons karriereside for nylig 1.100 flere Alexa-job fordelt på et dusin afdelinger, inklusive 215 pladser til maskinlæringsspecialister. Under et møde på virksomhedens Cambridge-kontorer spurgte jeg Alexas chefforsker, Rohit Prasad, hvorfor han har brug for så mange mennesker – og hvornår hans forskerhold måske er fuldt udbygget.

Jeg griner af alle aspekter af dit spørgsmål, svarede Prasad.

Efter et par sekunder, efter at have genvundet sin ro, forklarede Prasad, at han har arbejdet på taleteknologi i 20 år, med frustrerende langsomme resultater i det meste af den periode. I de seneste fem år er der dog åbnet gigantiske muligheder. At skabe en virkelig effektiv stemmeudløst AI er en kompleks og stadig uovervundet opgave (se AI's sprogproblem). Men mens taleforskere før i tiden kæmpede for at bestemme den nøjagtige betydning af til tider kaotiske ytringer i første forsøg, gør nye tilgange til maskinlæring fremskridt ved at tage et andet greb: de arbejder fra ufuldkomne match i starten, efterfulgt af hurtige finjustering af foreløbige gæt. Nøglen er at arbejde gennem store dele af brugerdata og lære af tidligere fejl. Jo mere tid Alexa bruger med sine brugere, jo flere data indsamler den at lære af, og jo smartere bliver den. Med fremskridt kommer flere muligheder og behovet for mere arbejdskraft.

Lad mig give dig et eksempel, sagde Prasad. Hvis du spørger Alexa 'Hvad var Adeles første album?' burde svaret være ' 19 .’ Hvis du så siger, ’Spil det’, ved Alexa nok til at begynde at spille det album. Men hvad nu hvis der er nogle samtale drillerier i midten? Hvad hvis du først spørger Alexa, hvilket år albummet udkom, og hvor mange eksemplarer det solgte? Afslut sådan en udveksling med den kryptiske Play it, og tidligere versioner af Alexa ville have været forbløffet. Nu kan teknologien følge den tankegang, i det mindste nogle gange, og erkende, at det stadig betyder 19 .

Denne forbedring kommer fra maskinlæringsteknikker, der genundersøgte tusindvis af tidligere udvekslinger, hvor Alexa snublede. Systemet lærer, hvilken sangbrugere faktisk ønskede at høre, og hvor de tidligere dele af samtalen først identificerede det stykke musik. Du er nødt til at gøre nogle antagelser i begyndelsen om, hvordan folk vil bede om ting, siger James Glass, leder af den talte--sprog-systemgruppe ved MIT. Så samler du data og tuner dine modeller op.

Begrundelsen for en sådan maskinlæringstilgang er almindeligt anerkendt, siger Glass, men at få det til at fungere kræver langt flere data, end universitetsforskere nemt kan mønstre. Med Alexas forbrug stigende, har Amazon nu adgang til et ekspansivt lager af menneske-computer taleinteraktioner – hvilket giver det den slags fordel i finjustering af sin stemmeteknologi, som Google længe har nydt godt af i tekstbaserede søgeforespørgsler. Eksterne data hjælper også: En massiv database med sangtekster indlæst i Alexa i 2016 har for eksempel hjulpet med at sikre, at brugere, der spørger efter sangen med kørte min Chevy til digen, vil blive styret til Don McLean's American Pie.

Et af de nyeste projekter for Prasads gruppe fremhæver fleksibiliteten i denne tilgang. Det indebærer at dechifrere de øjeblikke, hvor brugere går tilbage på deres oprindelige anmodninger. Signalsætninger kan variere enormt. Nogle mennesker siger nej, nej, nej; andre foretrækker Annuller det, og en tredje flok prøver en eller anden variant af Vent, faktisk, her er hvad jeg vil have i stedet. Alexa behøver ikke at afkode hver ytring. Store prøver og semi-overvåget maskinlæring gør det muligt at skitsere en klynge af sandsynlige markører for negeret tale og derefter opfange en sammenhængende ny anmodning efter kursændringen.

Ud over at gøre Alexa til en bedre lytter, bruger Amazons AI-eksperter masser af data til at gøre den til en bedre højttaler, og finjusterer kadencerne af maskinens syntetiske kvindestemme for at øge vedvarende brug. Traditionelle forsøg på talesyntese er afhængige af at sammensmelte mange uddrag af optaget menneskelig tale. Selvom denne teknik kan producere en rimelig naturlig lyd, egner den sig ikke til hvisken, ironi eller andre modulationer, som en engagerende menneskelig højttaler kan bruge. For at skærpe Alexas håndtering af alt fra frække dialoger til rolige oplæsninger, kan Amazons maskinlæringsalgoritmer tage en anden tilgang og træne de ivrige, ængstelige – og klogt klingende – stemmer fra professionelle fortællere. Det hjælper, at Amazon ejer lydbogsforlaget Audible.

Så meget at tale om

Blandt de mest ivrige brugere af stemmebaseret AI er folk, der ikke nemt kan skrive på telefoner eller tablets. Gavin Kerr, administrerende direktør for Philadelphia's Inglis, som leverer boliger og tjenester til mennesker med handicap, har installeret Amazon Echo og Dot-enheder i otte beboeres hjem. Han håber i sidste ende at tilføje dem til alle 300-nogle boliger, når pilottesten er afsluttet. Det er en utrolig velsignelse for beboerne, siger Kerr. De kan være mere komfortable. Det giver dem selvstændighed.

Kerr arbejder med hundredvis af mennesker, der har multipel sklerose eller andre invaliderende tilstande. For dem, der er sengeliggende eller bruger kørestol, kan en svært tilgængelig vægtermostat være en konstant kilde til pine. Deres kroppe har svært ved at regulere temperaturen, forklarer Kerr. Et rum, der er 72 °F, kan føles varmt den ene time og koldt den næste. Med begrænset mobilitet er der ingen nem måde at blive komfortabel på, især hvis hjælp døgnet rundt ikke er tilgængelig.

Med lidt fifleri kan Alexas software tjene selv dem med stærkt begrænset tale. Kerr fortæller om en mand i slutningen af 30'erne, der ønskede at forlade en langtidsplejefacilitet og flytte tilbage til et hverdagssamfund. Han fortalte os: 'Jeg vil aldrig være i stand til at bruge Alexas kommandoer,' husker Kerr. Så vi spurgte ham: ’Hvad kan du sige?’ Så omarbejdede vi softwaren, så han kunne få Alexa til at fungere på sine betingelser. Nu siger han 'mor', når han vil tænde køkkenlyset, og 'John', når han vil tænde badeværelseslyset.

Selvom Inglis giver sine Echo-brugere fire timers træning, er det langt mere almindeligt, at nye brugere famler sig frem. Træk et ekko ud af kassen, og en smule emballage vil fremhæve særligt almindelige applikationer, såsom afspilning af musik, indstilling af alarmer eller opdatering af indkøbslister. Organiserede brugere kan kalde Alexa-kontrolpaneler op på deres smartphones eller bærbare computere for at justere indstillinger, søge efter nye apps eller få vejledning om, hvilke prompter der får en app til at fungere bedst.

Alexas bredere succes ligger i dens evne til at lindre stress i et overbooket liv. Det er ledsageren, der altid er klar til at engagere sig.

I en meget læst blogindlæg i juni skrev Microsofts produktchef Darren Austin, at Alexas bredere succes ligger i dens evne til at lindre stresset i et overbooket liv. Med den enkle handling at spørge, skrev Austin, lindrer Alexa de negative følelser af usikkerhed og frygten for at glemme. Brugere bliver hooked på at bringe alle mulige øjeblikkelige puslespil eller ønsker til Alexa, hævdede han; det er ledsageren, der altid er klar til at engagere sig.

Hver uge – nogle gange oftere – scanner Alexas generaldirektør Rob Pulciani samlede data om de mest almindelige ytringer fra Alexa- og Dot-brugere. Typisk er toppen af listen domineret af anmodninger om musik, nyheder, vejr, trafik og spil. Det sidste forår steg en nykommer dog hurtigt. Den populære sætning: Alexa, hjælp mig med at slappe af.

Når brugere fremsætter denne anmodning, bliver de styret ind i en samling af beroligende lyde. Fugle kvidrer; fjerne bølger rammer kysten; godstog buldrer natten igennem. Sådanne omgivende støjsløjfer kan blive ved med at spille i timevis, hvis brugerne vælger det. Pulciani havde betragtet disse apps som mindre mærkværdigheder, da de først dukkede op på Alexa-platformen i 2015. Men de har hurtigt fået en stor tilhængerskare. Stressede voksne bruger lydene til at falde i søvn. Forældre forvandler dem til vuggeviserstatninger for sur spædbørn. I løbet af de næste par uger efter hans opdagelse finjusterede Pulciani og kolleger Alexas interne arkitektur, så nye Echo-købere hurtigt kunne opdage beroligende lyde, hvis de bad om råd om, hvilke nye færdigheder de skulle prøve.

Vedvarende samtale

I undersøgelser viser AI-platforme fra Google, Apple, Microsoft og Amazon alle forskellige styrker. Google Assistant er den bedste til vidtfavnende søgekommandoer. Apples Siri og Microsofts Cortana har andre talenter. Alexa klarer sig særligt godt med indkøbskommandoer.

Den ultimative triumf for stemmebaseret AI ville være at føre en realistisk samtale på flere minutter med brugerne. En sådan bedrift vil kræve store spring i maskinernes evne til at skelne menneskelige højttaleres hensigt, selv når der ikke er en åbenlys anmodning. Mennesker kan finde ud af, at en ven, der siger, at jeg ikke har været i fitnesscenteret i flere uger, nok gerne vil tale om stress eller selvværd. For AI-software er det et hårdt spring. Pludselige skift i emne - eller skrå hentydninger - er også svære.

Ivrig efter at styrke båndene til den næste generation af AI- og taleforskere inviterede Amazon for et år siden ingeniørstuderende på et dusin universiteter verden over til at bygge stemme-bots, der kan opretholde en 20-minutters samtale. Det campus, der gør størst fremskridt inden novembers deadline, vil vinde en præmie på $500.000. Jeg prøvede et halvt dusin af disse bots en weekend, hvor jeg hver gang flyttede fra simple forespørgsler til vanskeligere åbne meningserklæringer, der inviterede alle mulige mulige svar. Vi kom godt fra start, da en bot spurgte mig: Har du set nogle nyere film? Ja, svarede jeg, vi så Skjulte figurer . I stedet for at efterligne avisanmeldelser af denne gribende film om NASAs tidlige år, skød den sociale bot tilbage: Jeg tænkte Skjulte figurer var meget tynd på den egentlige matematik af det hele. Ikke min holdning til filmen, men det virkede som en charmerende passende ting for et AI-program at sige. Vores samtale gik i stå kort efter, men vi havde i det mindste det korte, smukke øjeblik.

Relateret historie Maskiner, der virkelig forstår sprog, ville være utrolig nyttige. Men vi ved ikke, hvordan vi bygger dem.

Ak, ingen af de andre bots kunne komme i nærheden. Den mest forvirrede udbrød sætninger som Kan du lide kantstensservice? da jeg troede, vi prøvede at tale om internetsider. Jeg sagde noget måske lidt skarpt om bottens begrænsninger, blot for at blive spurgt: Kan du forhandle kollektivt?

Et par dage senere, da jeg spurgte Amazons Prasad om hans bud på de sociale bots, generede ingen af deres tidlige fejl ham. Det er et supervigtigt område, fortalte han mig. Det er der, Alexa kunne gå hen med hensyn til at være meget smart. Men dette er langt sværere end at spille spil som Go eller skak. Med disse spil, selvom de har mange mulige træk, ved du, hvad slutmålet er. Med en samtale ved du ikke engang, hvad den anden person forsøger at opnå. Når Alexa er i stand til at finde ud af det, vil vi virkelig tale.

George Anders har dækket Amazon for nationale publikationer siden slutningen af 1990'erne. Hans nyeste bog er Du kan gøre alt.

skjule

211service.com