如果你曾经使用过数字助理,那么你遇到的问题是很难解决的:他们可能擅长某些有帮助的任务,但他们不是很健谈的人。
如果你曾经使用过数字助理,那么你遇到的问题是很难解决的:他们可能擅长某些有帮助的任务,但他们不是很健谈的人。
很容易理解为什么这可能是像亚马逊(Amazon.com)、Alphabet(谷歌)谷歌、苹果(Apple)等公司和其他公司想要解决的问题。除了那些显而易见的人之外,人们可能更倾向于选择另一种方式,而不是用精心编排的命令,这也会使助手们变得更有用。
一些想法:他们可以更好地理解他们被要求做的事情,从而减少错误。他们可以帮助引导人们了解他们需要的信息,他们可能不知道该如何要求。或者助理可以在关键时刻让人们放松,让人们更有可能使用它们。
周二,《连线》杂志发表了一篇文章,研究了Barron的下一个50个股票,即亚马逊的竞争,以改善语音激活的人工智能。James Vlahos的故事深入到科技公司发现这一重要的原因,人们如何攻击这个问题,以及他们发现的一些幽默和不太幽默的情况。从他的故事:
对会话人工智能的狂热追求让亚马逊、苹果、Facebook、谷歌和微软陷入了争夺两个重要资源的战斗中。第一个是有限的:在计算机科学领域的顶级博士,由于他们的稀缺,现在他们可以很好地把薪水提高到六位数。第二种是无限的,但却很难获得:对话的样本——它们可以被收集、数字化、用来训练AIs系统的数十亿个样本。在这种背景下,亚历克斯奖是亚马逊的杰作。这场比赛既是对世界上最优秀的研究生的一种才艺搜索,也是一次以低廉的价格挑选自己的大脑的机会。它给亚马逊提供了一个机会,可以收集到其他任何一家科技公司都没有的对话数据。
并且:社交机器人的大脑中哪些部分应该是手工制作的,哪些应该使用机器学习?手工制作是一种更为传统的方法,在这种方法中,工程师们费力地编写大量规则来指导人工智能的理解和反应。与此相反,统计驱动的机器学习方法让计算机通过从海量数据中学习而自学。
所有的团队都知道,机器学习是解决所谓分类问题的一种更好的方法,在这种方法中,神经网络可以在大量、嘈杂的数据中找到统一的模式。例如,语音识别是机器学习的一项自然任务。但是说到聊天机器人,不仅要把语音翻译成语言,还要说些什么,机器学习还有很长的路要走。这就是为什么好的老式手工制作仍然具有相当大的影响力,即使是在Alexa和Siri的数字大脑中。因此,竞赛中的每一个团队都发现自己在奋力拼搏——就像科技世界一样,在两种方法之间找到最佳的平衡。
从解决问题的角度来看,现在看来,机器学习和“手工制作”的结合才是最有效的。而且工作还远未结束。
凡本网注明“来源:XXX(非科技狗)”的内容,均转载自其它媒体,转载目的在于传递更多信息,并不代表本网赞同其观点和对其真实性负责。 如有侵权及时联系本网站:yzl_300@126.com 本网将在第一时间删除!
2023-02-11
2023-04-14
从单车智能到车路云协同,Smart Solution 2.0有哪些
4月18日,全球瞩目的第二十届上海车展盛大启幕,作为国际领先的移动出...