Kontekst jest wszystkim: jak Amazon czyni Alexę bardziej ludzką
Alexa przeszła długą drogę w ciągu czterech lat. Podczas gdy Siri mogła umieścić cyfrowych asystentów głosowych na mapie, Alexa stała się użytecznym okrętem flagowym – zwłaszcza jeśli chodzi o zasilanie inteligentnego domu.
Alexa nie jest jednak idealna. Nadal jest jasne, że jest jeszcze długa droga, zanim asystenci głosowi będą tak bezproblemowi, jak to tylko możliwe i naprawdę niezastąpieni. Amazon ma plan, aby się tam dostać, i ma kilka kluczowych pomysłów, o których pamięta, pracując nad ulepszeniem Alexy.
Najważniejszym z nich jest kontekst, coś, co Amazon wykrzykiwał z dachów, ogłaszając nowe Echo Dot i Echo Show podczas wrześniowej imprezy. Pierwsze przebłyski tego to Tryb szeptu, który pozwala Alexie szeptać do ciebie, gdy do niego szepczesz, oraz Alexa Guard, który może nasłuchiwać rozbitego szkła, aby mógł działać jako system bezpieczeństwa.
„Trzeba w pewnym sensie zmienić sposób myślenia i pozwolić technologii odejść na jakiś czas i po prostu pomyśleć o tym, jak to zaprojektujemy i co zrobiłby człowiek w tym przypadku?", mówi.
Czyniąc Alexę człowiekiem
Jeśli ktoś do ciebie szepcze, naturalnie rozumiesz, że robi to z jakiegoś powodu. Rzeczywisty powód nie ma większego znaczenia, ale natychmiast rozpoznajesz kontekst i zaczynasz szeptać. Tworzenie tego ludzkiego uczucia jest tym, co Amazon chce zrobić z Alexą.
Ale w rzeczywistości stworzenie tego ludzkiego wrażenia jest trudne. W przypadku trybu szeptu naukowcy Amazon musieli wejść i dowiedzieć się, jak działają ludzkie struny głosowe, gdy ludzie szepczą. Odkryli, że szeptanie nie wiąże się z wibracją strun głosowych i zużywa mniej energii w niższych częstotliwościach ludzkiego głosu, według naukowca zajmującego się mową z Amazonii, Zeynab Raeesy. Musieli nauczyć Alexę rozpoznawania tych znaków i dostosowywania się do nich.
Podobny problem dotyczy Alexa Guard, który musi być w stanie izolować dźwięki i je identyfikować. Musi być w stanie zrozumieć, że upuszczony talerz lub upuszczona szklanka to nie to samo, co rozbita szyba. Chieh-Chi Kao i Weiran Wang, naukowcy Amazona, twierdzą, że musieli użyć uczenia maszynowego do analizy 30-sekundowych fragmentów dźwięku, aby pomóc uczyć Alexę.
Amazon może uczynić Alexę tak kontekstową, jak chce, ale jedną z bardziej frustrujących rzeczy na temat Alexy – i ogólnie asystentów głosowych – jest to, że mogą czuć się sztywni, gdy korzystają z umiejętności stron trzecich. Często musisz mówić rzeczy w sposób inny niż ludzki, na przykład „Alexa, poproś iRobot Home o posprzątanie kuchni”, kiedy chcesz po prostu powiedzieć „Alexa, posprzątaj kuchnię”. Jednym ze sposobów na to jest umożliwienie programistom dostępu do bardziej zaawansowanych możliwości Alexy za pośrednictwem interfejsów API, które są w zasadzie kluczami umożliwiającymi programistom korzystanie z technologii innej firmy.
„To bardzo ważne, aby udostępnić te interfejsy API i rozpowszechnić to doświadczenie, aby tysiące programistów mogło wymyślać i korzystać z niektórych doświadczeń, które robimy” — mówi Reid. Im większy dostęp programiści mają do Alexy i jej funkcji kontekstowych, tym lepsze są ich umiejętności, co oznacza, że Alexa może brzmieć i działać mniej jak robot.
Jednym ze sposobów, w jaki Amazon to robi, jest zestaw narzędzi o nazwie Speech Synthesis Language Markup, który pozwala programistom kontrolować wysokość i głośność głosu Alexy. Oznacza to, że programiści mogą zmusić Alexę do szeptania lub pauzy w celu uzyskania dramatycznego efektu lub spowolnienia tempa mowy.
Nowa odpowiedzialność
Im bardziej kontekstowa Alexa czuje się w tym doświadczeniu – od własnych funkcji Amazon po możliwości stron trzecich – tym bardziej czuje się Alexa jak człowiek. Oznacza to również, że rośnie odpowiedzialność Amazona. Reid mówi, że ludzie opowiadają Alexie różne rzeczy o swoim życiu
„Klienci mówią nam różne rzeczy. Są smutni, są szczęśliwi. A jak na te rzeczy reagujemy – to ma znaczenie. Bierzemy tę odpowiedzialność za wszystko” – mówi. Jeśli ktoś zaczyna zwierzać się Alexie z tego, jak bardzo jest przygnębiony, czuje się samotny, a nawet myśli samobójcze, Amazon musi być w stanie zareagować.
Amazon robi coś z tego. Jeśli powiesz Alexie, że zamierzasz się zabić, zaleci ona skontaktowanie się z infolinią zapobiegania samobójstwom w celu uzyskania pomocy. Jednak nie może zrozumieć bardziej szczegółowych objawów depresji i samobójstwa. Alexa nie może jeszcze zrozumieć emocji stojących za tym, co mówisz, więc nie może przeanalizować, czy żartujesz, czy mówisz poważnie, jeśli powiesz coś w stylu: „Alexa, nie chcę się jutro obudzić”.
Przeczytaj to: Ta umiejętność terapeutyczna pomaga w codziennym zdrowiu psychicznym
Zdolność trybu szeptu do analizowania nie tego, co mówisz, ale tego, jak to mówisz, to tylko jeden krok w kierunku zdolności Alexy do analizowania emocji, co pomoże jej zrozumieć intencje i pomóc bardziej niż może.
Jednocześnie Alexa jest technologią zarządzaną przez szereg algorytmów. Jak widzieliśmy w 2018 roku, algorytmy mogą się nie udać i mieć niezamierzone skutki uboczne. Reid mówi, że bez względu na to, czy ludzie postrzegają Alexę jako członka swojej rodziny, czy tylko komputer głosowy korzystający z chmury, Amazon musi być przejrzysty, jeśli chodzi o to, jak to robi.
„Dla nas chodzi o zapewnienie klientom przejrzystości i kontroli. Muszą zrozumieć, dlaczego coś się dzieje. Tak więc w przypadku przeczuć powinieneś być w stanie powiedzieć: „dlaczego to zrobiłeś?” Naprawdę, myślę, że im więcej ludzi rozumie, dlaczego robimy różne rzeczy i że mają nad nimi kontrolę, to jest to bardzo ważne, a to pozwala na rozwijanie i superindywidualizowanie tej relacji”.