Alexa, capiscimi

romano muradov

Il 31 agosto 2012, quattro ingegneri Amazon hanno depositato il brevetto fondamentale per quello che alla fine è diventato Alexa, un sistema di intelligenza artificiale progettato per interagire con uno dei set di dati più grandi e intricati del mondo: il linguaggio umano. Gli ingegneri avevano bisogno di sole 11 parole e un semplice diagramma per descrivere come avrebbe funzionato. Un utente maschio in una stanza tranquilla dice: Per favore, suona 'Let It Be' dei Beatles. Una piccola macchina da tavolo risponde: Nessun problema, John, e inizia a riprodurre il brano richiesto.

Da quel modesto inizio, l'IA per la casa basata sulla voce è diventata un grande business per Amazon e, sempre più, un campo di battaglia strategico con i suoi rivali tecnologici. Google, Apple, Samsung e Microsoft stanno mettendo al lavoro migliaia di ricercatori e specialisti aziendali cercando di creare versioni irresistibili di dispositivi facili da usare con cui possiamo parlare. Fino ad ora, tutti noi ci siamo piegati per accogliere la tecnologia, in termini di digitazione, tocco o scorrimento. Ora le nuove interfacce utente si stanno piegando a noi, osserva Ahmed Bouzid, amministratore delegato di Witlingo, che crea app vocali di ogni tipo per banche, università, studi legali e altri.

Questa storia faceva parte del nostro numero di settembre 2017

• Vedi il resto del problema
• sottoscrivi

Per Amazon, quella che era iniziata come una piattaforma per un jukebox migliore è diventata qualcosa di più grande: un sistema di intelligenza artificiale basato sui dati umani che apprende costantemente. Il suo cilindro Echo alimentato da Alexa e il più piccolo Dot sono onnipresenti aiutanti domestici che possono spegnere le luci, raccontare barzellette o farti leggere le notizie a mani libere. Raccolgono anche risme di dati sui loro utenti, che vengono utilizzati per migliorare Alexa e aggiungere ai suoi usi.

Decine di milioni di macchine con tecnologia Alexa sono state vendute dal loro debutto sul mercato nel 2014. Nel mercato statunitense dei dispositivi di intelligenza artificiale con alimentazione vocale, si ritiene che Amazon raggiunga circa il 70 percento di tutte le unità vendute, anche se la concorrenza si sta riscaldando. Anche Google Home ha venduto milioni di unità e Apple e Microsoft lanceranno presto le proprie versioni.

L'ultimo vantaggio è l'opportunità di controllare, o almeno influenzare, tre mercati importanti: domotica, intrattenimento domestico e shopping. È difficile sapere quante persone vogliano parlare con i loro frigoriferi, ma i modelli di vita di tutti i giorni stanno cambiando rapidamente. Allo stesso modo in cui gli smartphone hanno cambiato tutto, dall'etichetta degli appuntamenti alla velocità di camminata dei pedoni, l'IA basata sulla voce sta iniziando a sconvolgere molti aspetti della vita domestica. Perché alzarsi per chiudere a chiave la porta d'ingresso o accendere il riscaldamento dell'auto in una giornata molto fredda, quando Alexa o i suoi parenti possono invece sistemare le cose all'istante?

Per ora, Amazon non sta cercando di raccogliere entrate dalle aziende che producono termostati intelligenti, lampadine e altri dispositivi connessi ad Alexa. Lungo la strada, tuttavia, è facile immaginare in che modo gli accordi di compartecipazione alle entrate o altri pagamenti potrebbero prendere piede. Il più piccolo di questi tre mercati, la domotica, rappresenta già più di 5 miliardi di dollari di spesa all'anno, mentre le vendite al dettaglio negli Stati Uniti lo scorso anno hanno totalizzato 4,9 trilioni di dollari. Oggi Amazon fa soldi con le macchine stesse, a prezzi che vanno da $ 50 per Dots a $ 230 per gli Echo di fascia più alta con schermi video, e raccoglie un secondo profitto se gli utenti finiscono per fare acquisti più pesanti nel vasto negozio online di Amazon. (Amazon non rivelerà questi numeri di traffico, tuttavia.)

Affinché Echos diventi pervasivo come gli smartphone, dovranno fare molte più cose. A tal fine, Amazon sta incoraggiando gli sviluppatori indipendenti a creare nuovi servizi sulla piattaforma, proprio come Apple ha fatto da tempo con gli sviluppatori di app. Finora sono state create più di 15.000 abilità o app di questo tipo e gli strumenti per la creazione di app sono diventati così facili da collegare che ora è possibile creare una semplice abilità in circa un'ora, senza molte conoscenze di programmazione. Tra le app più popolari ci sono le opzioni di ride-hailing di Uber e Lyft. Duds include 48 abilità separate che bombardano gli ascoltatori con insulti.

Tra gli sviluppatori più ambiziosi ci sono le aziende che producono hardware o vendono servizi che funzionano con Alexa. Capital One, ad esempio, offre ai suoi clienti bancari il pagamento delle bollette basato su Alexa; Ecobee, con sede a Toronto, è uno dei numerosi produttori di termostati intelligenti per installare versioni alimentate da Alexa che consentono alle persone di aumentare o ridurre la temperatura ambiente semplicemente pronunciando poche parole. I nostri clienti hanno una vita frenetica, afferma Stuart Lombard, amministratore delegato di Ecobee, che ora ottiene circa il 40% delle vendite complessive dai suoi dispositivi Alexa, la linea di prodotti in più rapida crescita dell'azienda da 10 anni. Devono combattere il traffico per tornare a casa, e poi devono dare da mangiare ai bambini, fasciare il bambino e chissà cos'altro. Diamo loro un modo a mani libere per portare a termine qualcosa mentre sono nel mezzo di altre attività.

Quando la parola incontra l'IA

Ciò che rende l'IA basata sulla voce così attraente per i consumatori è la sua promessa di conformarsi a noi, di rispondere al modo in cui parliamo e pensiamo senza richiederci di digitare su una tastiera o uno schermo. Questo è anche ciò che rende così tecnicamente difficile da costruire. Non siamo affatto ordinati quando parliamo. Invece, ci interrompiamo. Lasciamo penzolare i pensieri. Usiamo parole, cenni del capo e grugniti in modi strani e assumiamo di avere un senso anche quando non lo siamo.

Alcune persone dicono No, no, no; altri preferiscono Annulla quello, e un terzo gruppo prova qualche variante di Wait, in realtà, ecco cosa voglio invece. Alexa non ha bisogno di decodificare ogni espressione.

Migliaia di dipendenti di Amazon stanno lavorando a questa sfida, inclusi alcuni presso centri di ricerca a Seattle, Sunnyvale, in California, e Cambridge, nel Massachusetts. Anche così, la pagina delle carriere di Amazon ha recentemente offerto 1.100 lavori in più su Alexa distribuiti in una dozzina di dipartimenti, inclusi 215 slot per specialisti dell'apprendimento automatico. Durante un incontro negli uffici dell'azienda a Cambridge, ho chiesto al capo scienziato di Alexa, Rohit Prasad, perché ha bisogno di così tante persone e quando il suo team di ricerca potrebbe essere completamente formato.

Sto ridendo per ogni aspetto della tua domanda, ha risposto Prasad.

Dopo pochi secondi, dopo aver riacquistato la calma, Prasad ha spiegato che ha lavorato sulla tecnologia vocale per 20 anni, con risultati frustranti lenti per la maggior parte di quel periodo. Negli ultimi cinque anni, tuttavia, si sono aperte enormi opportunità. La creazione di un'IA attivata dalla voce davvero efficace è un compito complesso e ancora inesplorato (vedi Problema del linguaggio dell'IA). Ma mentre in passato gli scienziati del linguaggio hanno lottato per determinare il significato esatto di espressioni a volte caotiche al primo tentativo, nuovi approcci all'apprendimento automatico stanno facendo progressi prendendo una strada diversa: funzionano da corrispondenze imperfette all'inizio, seguite da rapide messa a punto delle ipotesi provvisorie. La chiave è lavorare su grandi quantità di dati utente e imparare dagli errori precedenti. Più tempo Alexa trascorre con i suoi utenti, più dati raccoglie da cui imparare e più diventa intelligente. Con il progresso arrivano più opportunità e la necessità di più manodopera.

Lascia che ti faccia un esempio, ha detto Prasad. Se chiedi ad Alexa 'Qual è stato il primo album di Adele?', la risposta dovrebbe essere ' 19 .' Se poi dici 'Riproducilo', Alexa ne saprà abbastanza per iniziare a riprodurre quell'album. Ma cosa succede se ci sono delle battute colloquiali nel mezzo? E se prima chiedessi ad Alexa in che anno è uscito l'album e quante copie ha venduto? Finisci uno scambio del genere con il criptico Play it e le versioni precedenti di Alexa sarebbero rimaste perplesse. Ora la tecnologia può seguire quel filo di pensiero, almeno a volte, e riconoscere che significa ancora 19 .

Questo miglioramento deriva dalle tecniche di apprendimento automatico che hanno riesaminato migliaia di scambi precedenti in cui Alexa è inciampata. Il sistema apprende quale canzone gli utenti volevano effettivamente ascoltare e dove le prime parti della conversazione hanno identificato per la prima volta quel brano musicale. All'inizio devi fare alcune ipotesi su come le persone chiederanno le cose, afferma James Glass, capo del gruppo sui sistemi linguistici parlati al MIT. Quindi raccogli i dati e metti a punto i tuoi modelli.

L'argomento per un tale approccio di apprendimento automatico è ampiamente apprezzato, afferma Glass, ma per farlo funzionare richiede molti più dati di quanti ricercatori universitari possano facilmente raccogliere. Con l'aumento dell'utilizzo di Alexa, Amazon ora ha accesso a un ampio repository di interazioni vocali uomo-computer, dandogli quel tipo di vantaggio nella messa a punto della sua tecnologia vocale di cui Google ha a lungo goduto nelle query di ricerca basate su testo. Anche i dati esterni aiutano: un enorme database di testi di canzoni caricato in Alexa nel 2016, ad esempio, ha contribuito a garantire che gli utenti che chiedono la canzone con la mia Chevy sull'argine saranno indirizzati verso American Pie di Don McLean.

Uno dei progetti più recenti per il gruppo di Prasad mette in evidenza la flessibilità di questo approccio. Implica la decifrazione dei momenti in cui gli utenti tornano indietro rispetto alle loro richieste iniziali. Le frasi di segnalazione possono variare enormemente. Alcune persone dicono No, no, no; altri preferiscono Annulla quello, e un terzo gruppo prova qualche variante di Wait, in realtà, ecco cosa voglio invece. Alexa non ha bisogno di decodificare ogni espressione. Campioni di grandi dimensioni e l'apprendimento automatico semi-supervisionato consentono di delineare un gruppo di probabili indicatori per il parlato negato e quindi di raccogliere una nuova richiesta coerente dopo il cambio di rotta.

Oltre a rendere Alexa un ascoltatore migliore, gli esperti di intelligenza artificiale di Amazon stanno utilizzando enormi quantità di dati per renderlo un oratore migliore, mettendo a punto le cadenze della voce femminile sintetica della macchina, al fine di aumentare l'utilizzo prolungato. I tradizionali tentativi di sintesi vocale si basano sulla fusione di molti frammenti di discorsi umani registrati. Sebbene questa tecnica possa produrre un suono ragionevolmente naturale, non si presta a sussurri, ironia o altre modulazioni che un coinvolgente oratore umano potrebbe utilizzare. Per affinare la gestione di Alexa di qualsiasi cosa, dai dialoghi esuberanti al recital calmo, gli algoritmi di apprendimento automatico di Amazon possono adottare un approccio diverso, allenandosi sulle voci desiderose, ansiose e dal suono saggio di narratori professionisti. Aiuta Amazon a possedere l'editore di audiolibri Audible.

Tanto di cui parlare

Tra i più accaniti utilizzatori dell'IA basata sulla voce ci sono persone che non riescono a digitare facilmente su telefoni o tablet. Gavin Kerr, amministratore delegato di Inglis di Filadelfia, che fornisce alloggi e servizi per persone con disabilità, ha installato dispositivi Amazon Echo e Dot nelle case di otto residenti. Spera di aggiungerli a tutte le 300 residenze una volta completati i test pilota. È un incredibile vantaggio per i residenti, dice Kerr. Possono essere più comodi. Dà loro indipendenza.

Kerr lavora con centinaia di persone che hanno la sclerosi multipla o altre condizioni debilitanti. Per chi è costretto a letto o usa una sedia a rotelle, un termostato a parete difficile da raggiungere può essere una costante fonte di tormento. I loro corpi hanno difficoltà a regolare la temperatura, spiega Kerr. Una stanza a 22 °C può essere calda un'ora e fredda quella successiva. Con mobilità ridotta, non esiste un modo semplice per mettersi a proprio agio, soprattutto se non è disponibile assistenza 24 ore su 24.

Con un po' di armeggiare, il software di Alexa può servire anche a chi ha un linguaggio molto limitato. Kerr racconta di un uomo sulla trentina che voleva lasciare una struttura di assistenza a lungo termine e tornare in una comunità di tutti i giorni. Ci ha detto: 'Non sarò mai in grado di usare i comandi di Alexa', ricorda Kerr. Quindi gli abbiamo chiesto: 'Cosa puoi dire?' Quindi abbiamo rielaborato il software in modo che potesse far funzionare Alexa alle sue condizioni. Ora dice 'Mamma' quando vuole accendere le luci della cucina e 'John' quando vuole accendere le luci del bagno.

Sebbene Inglis offra ai suoi utenti Echo quattro ore di formazione, è molto più comune che i nuovi utenti si facciano strada a tentoni. Estrai un Echo dalla scatola e un po' di confezione metterà in evidenza applicazioni particolarmente comuni, come la riproduzione di musica, l'impostazione di sveglie o l'aggiornamento delle liste della spesa. Gli utenti organizzati possono richiamare i pannelli di controllo di Alexa sui loro smartphone o laptop per regolare le impostazioni, cercare nuove app o ottenere indicazioni su quali suggerimenti faranno funzionare al meglio un'app.

Il successo più ampio di Alexa risiede nella sua capacità di alleviare lo stress di una vita in overbooking. È il compagno sempre pronto a impegnarsi.

In un post del blog ampiamente letto a giugno, il product manager Microsoft Darren Austin ha scritto che il successo più ampio di Alexa risiede nella sua capacità di alleviare lo stress di una vita in overbooking. Con la semplice azione di chiedere, scriveva Austin, Alexa allevia le emozioni negative dell'incertezza e la paura dell'oblio. Gli utenti sono entusiasti di portare ogni sorta di perplessità o desideri momentanei ad Alexa, ha affermato; è il compagno sempre pronto a impegnarsi.

Ogni settimana, a volte più spesso, il direttore generale di Alexa Rob Pulciani analizza i dati aggregati sulle espressioni più comuni degli utenti di Alexa e Dot. In genere, la parte superiore dell'elenco è dominata da richieste di musica, notizie, meteo, traffico e giochi. La scorsa primavera, tuttavia, un nuovo arrivato stava crescendo rapidamente. La frase di tendenza: Alexa, aiutami a rilassarmi.

Quando gli utenti fanno questa richiesta, vengono guidati in una raccolta di suoni rilassanti. Cinguettano gli uccelli; onde lontane colpirono la riva; i treni merci rimbombano nella notte. Tali loop di rumore ambientale possono continuare a suonare per ore se gli utenti lo desiderano. Pulciani aveva considerato queste app come piccole stranezze quando sono apparse per la prima volta sulla piattaforma Alexa, nel 2015. Ma hanno rapidamente raccolto un grande seguito. Gli adulti stressati usano i suoni per addormentarsi. I genitori li trasformano in sostituti della ninna nanna per i bambini irritabili. Nelle settimane successive alla sua scoperta, Pulciani e colleghi hanno messo a punto l'architettura interna di Alexa in modo che i nuovi acquirenti di Echo potessero scoprire rapidamente suoni rilassanti se chiedessero indicazioni su quali nuove abilità provare.

Conversazione sostenuta

Negli studi, le piattaforme AI di Google, Apple, Microsoft e Amazon mostrano tutti punti di forza diversi. Google Assistant è il migliore con i comandi di ricerca ad ampio raggio. Siri di Apple e Cortana di Microsoft hanno altri talenti. Alexa funziona particolarmente bene con i comandi di acquisto.

Il trionfo definitivo per l'IA basata sulla voce sarebbe portare avanti una conversazione realistica di più minuti con gli utenti. Un'impresa del genere richiederà enormi salti nella capacità delle macchine di discernere l'intento degli oratori umani, anche quando non c'è una richiesta ovvia. Gli esseri umani possono capire che un amico che dice che non vado in palestra da settimane probabilmente vuole parlare di stress o di autostima. Per il software AI, questo è un duro salto. Anche i cambi di argomento improvvisi o le allusioni oblique sono difficili.

Desideroso di rafforzare i legami con la prossima generazione di ricercatori di intelligenza artificiale e del linguaggio, un anno fa Amazon ha invitato studenti di ingegneria in una dozzina di università in tutto il mondo a costruire robot vocali in grado di sostenere una conversazione di 20 minuti. Il campus che farà più progressi entro la scadenza di questo novembre vincerà un premio di $ 500.000. In un fine settimana ho fatto il provino a una mezza dozzina di questi robot, passando ogni volta da semplici domande a dichiarazioni di opinione aperte e complicate che invitavano a tutti i tipi di risposte possibili. Siamo partiti bene quando un bot mi ha chiesto, hai visto qualche film recente? Sì, ho risposto, abbiamo visto Figure nascoste . Piuttosto che imitare le recensioni dei giornali su questo toccante film sui primi anni della NASA, il social bot ha risposto: ho pensato Figure nascoste era molto sottile sulla matematica reale di tutto. Non la mia opinione sul film, ma sembrava una cosa affascinante e appropriata da dire in un programma di intelligenza artificiale. La nostra conversazione si è interrotta poco dopo, ma almeno abbiamo avuto quel breve e bellissimo momento.

Storia correlata

Storia correlata Le macchine che capiscono veramente il linguaggio sarebbero incredibilmente utili. Ma non sappiamo come costruirli.

Purtroppo, nessuno degli altri robot potrebbe avvicinarsi. Il più confuso sbottò frasi come Ti piace il servizio di marciapiede? quando pensavo stessimo cercando di parlare di siti Internet. Ho detto qualcosa forse un po' tagliente sui limiti del bot, solo per chiedermi: puoi contrattazione collettiva?

Alcuni giorni dopo, quando ho chiesto a Prasad di Amazon la sua opinione sui social bot, nessuno dei loro primi fallimenti lo ha infastidito. È un'area importantissima, mi disse. È dove Alexa potrebbe andare in termini di essere molto intelligente. Ma questo è molto più difficile che giocare a giochi come Go o scacchi. Con quei giochi, anche se hanno molte mosse possibili, sai qual è l'obiettivo finale. Con una conversazione, non sai nemmeno cosa sta cercando di ottenere l'altra persona. Quando Alexa sarà in grado di capirlo, parleremo davvero.

George Anders ha seguito Amazon per pubblicazioni nazionali dalla fine degli anni '90. Il suo ultimo libro è Puoi fare qualsiasi cosa.

nascondere