Kontext är allt: Hur Amazon gör Alexa mer mänsklig
Alexa har kommit långt på fyra år. Även om Siri kan ha satt digitala röstassistenter på kartan, är Alexa den som har blivit det användbara flaggskeppet – särskilt när det gäller att driva det smarta hemmet.
Alexa är dock inte perfekt. Det är fortfarande uppenbart att det är en lång väg kvar innan röstassistenter är så sömlösa som möjligt och verkligen oumbärliga. Amazon har en färdplan för att komma dit, och den har ett par nyckelidéer som den har i åtanke när den arbetar med att göra Alexa bättre.
Den viktigaste av dem är sammanhanget, något Amazon skrek från hustaken när de tillkännagav den nya Echo Dot and Echo Show redan vid sitt evenemang i september. De första glimtarna av detta är Whisper Mode, som låter Alexa viska till dig när du viskar till det, och Alexa Guard, som kan lyssna efter krossat glas så att det kan fungera som ett säkerhetssystem.
"Man måste liksom sätta sig själv i ett annat tänkesätt och låta tekniken försvinna ett tag och bara tänka på "hur designar vi det här och vad skulle en människa göra i det här fallet?", säger hon.
Att göra Alexa till mänsklig
Om någon viskar till dig förstår du naturligtvis att de gör det av en anledning. Den faktiska orsaken spelar inte så stor roll, men du känner direkt igen sammanhanget och börjar viska tillbaka. Att skapa den mänskliga känslan är vad Amazon vill göra med Alexa.
Men att faktiskt skapa den där mänskliga känslan är svårt. För Whisper Mode var Amazons forskare tvungna att gå in och ta reda på hur mänskliga stämband fungerar när människor viskar. De fick reda på att viskning inte involverar vibrationer från stämbanden, och att det använder mindre energi i de lägre frekvenserna av den mänskliga rösten, enligt Amazons talforskare Zeynab Raeesy. De var tvungna att lära Alexa att räkna ut dessa tecken och anpassa sig till dem.
Problemet är liknande för Alexa Guard, som måste kunna isolera ljud och identifiera dem. Den måste kunna räkna ut att en tappad tallrik eller ett tappat dricksglas inte är detsamma som en krossad fönsterruta. Chieh-Chi Kao och Weiran Wang, Amazons tillämpade forskare, säger att de var tvungna att använda maskininlärning för att analysera 30-sekunders ljudavsnitt för att lära Alexa.
Amazon kan göra Alexa så kontextuell som den vill, men en av de mer frustrerande sakerna med Alexa – och röstassistenter i allmänhet – är hur de kan känna sig stela när de använder färdigheter från tredje part. Du måste ofta säga saker på ett icke-mänskligt sätt, som "Alexa, be iRobot Home att städa köket" när du bara vill säga "Alexa, städa köket." Ett sätt att göra detta är att Amazon ger utvecklare tillgång till Alexas mer avancerade förmågor via API:er, som i grunden är nycklar som gör att utvecklare kan använda ett annat företags teknik.
"Det är superviktigt att få ut dessa API:er och få den upplevelsen distribuerad så att tusentals utvecklare kan uppfinna och få några av de upplevelser som vi gör," säger Reid. Ju mer åtkomst utvecklare har till Alexa och dess kontextuella funktioner, desto bättre färdigheter har de, vilket innebär att Alexa kan låta och agera mindre robotiskt.
Ett sätt Amazon gör detta på är med en uppsättning verktyg som kallas Speech Synthesis Language Markup, som låter utvecklare styra tonhöjden och volymen på Alexas röst. Det betyder att utvecklare kan få Alexa att viska eller pausa för dramatisk effekt, eller sakta ner talhastigheten.
Ett nytt ansvar
Ju mer kontextuell Alexa känner genom upplevelsen – från Amazons egna funktioner till förmågor från tredje part – desto mer mänskligt känns Alexa. Det betyder också att Amazons ansvar växer. Reid säger att folk berättar saker för Alexa om sina liv
"Kunder berättar saker för oss. De är ledsna, de är glada. Och hur vi reagerar på dessa saker – det spelar roll. Vi tar det ansvaret över allt, säger hon. Om någon börjar anförtro sig om hur de är deprimerade eller känner sig ensamma eller till och med suicidal mot Alexa, måste Amazon kunna reagera.
Amazon gör en del av detta. Om du berättar för Alexa att du ska ta livet av dig, kommer det att rekommendera att du ringer en hotline för att förebygga självmord för att få hjälp. Den kan dock inte förstå de mer nyanserade tecknen på depression och självmord. Alexa kan inte förstå känslan bakom det du säger ännu, så den kan inte analysera om du skämtar eller är seriös om du säger något som "Alexa, jag vill inte vakna imorgon."
Läs det här: Denna terapifärdighet hjälper vardagens mentala hälsa
Whisper Modes förmåga att analysera inte vad du säger, utan hur du säger det, är bara ett steg mot Alexas förmåga att analysera känslor, vilket kommer att hjälpa den att förstå avsikter och hjälpa mer än den kan.
Samtidigt är Alexa ett stycke teknik som drivs av en rad algoritmer. Som vi har sett under 2018 kan algoritmer gå fel och ha oavsiktliga biverkningar. Reid säger att oavsett om folk ser Alexa som en medlem av sin familj eller bara en röstdator som använder molnet, måste Amazon vara transparent med hur det gör saker.
“För oss handlar det om att ge kunderna transparens och kontroll. De måste förstå varför saker händer. Så med Hunches borde du kunna säga, ‘varför gjorde du det?' Jag tror verkligen att ju fler människor förstår varför vi gör saker och att de har kontroll över dessa saker är superviktigt, och det gör att den relationen kan utvecklas och superindividualiseras.”