Alexa, entiéndeme

romano muradov

El 31 de agosto de 2012, cuatro ingenieros de Amazon presentaron la patente fundamental de lo que finalmente se convirtió en Alexa, un sistema de inteligencia artificial diseñado para interactuar con uno de los conjuntos de datos más grandes y enredados del mundo: el habla humana. Los ingenieros necesitaron solo 11 palabras y un diagrama simple para describir cómo funcionaría. Un usuario masculino en una habitación tranquila dice: Por favor, toque 'Let It Be', de los Beatles. Una pequeña máquina de sobremesa responde: No hay problema, John, y comienza a reproducir la canción solicitada.

Desde ese comienzo modesto, la IA basada en voz para el hogar se ha convertido en un gran negocio para Amazon y, cada vez más, en un campo de batalla estratégico con sus rivales tecnológicos. Google, Apple, Samsung y Microsoft están poniendo a trabajar a miles de investigadores y especialistas en negocios para intentar crear versiones irresistibles de dispositivos fáciles de usar con los que podamos hablar. Hasta ahora, todos nos hemos inclinado para adaptarnos a la tecnología, en términos de escribir, tocar o deslizar. Ahora, las nuevas interfaces de usuario se están adaptando a nosotros, observa Ahmed Bouzid, director ejecutivo de Witlingo, que crea aplicaciones de voz de todo tipo para bancos, universidades, bufetes de abogados y otros.

Esta historia fue parte de nuestra edición de septiembre de 2017

• Ver el resto del número
• Suscribir

Para Amazon, lo que comenzó como una plataforma para una mejor máquina de discos se ha convertido en algo más grande: un sistema de inteligencia artificial basado en datos humanos y que aprende constantemente de ellos. Su cilindro Echo alimentado por Alexa y su pequeño Dot son ayudantes domésticos omnipresentes que pueden apagar las luces, contar chistes o permitirle leer las noticias con las manos libres. También recopilan una gran cantidad de datos sobre sus usuarios, que se utilizan para mejorar Alexa y agregar a sus usos.

Se han vendido decenas de millones de máquinas impulsadas por Alexa desde su debut en el mercado en 2014. En el mercado estadounidense de dispositivos de IA impulsados ​​por voz, se cree que Amazon registra alrededor del 70 por ciento de todas las ventas de unidades, aunque la competencia se está intensificando. Google Home también ha vendido millones de unidades, y Apple y Microsoft lanzarán sus propias versiones pronto.

La recompensa final es la oportunidad de controlar, o al menos influir, en tres mercados importantes: domótica, entretenimiento en el hogar y compras. Es difícil saber cuántas personas quieren hablar con sus refrigeradores, pero los patrones de la vida cotidiana están cambiando rápidamente. De la misma manera que los teléfonos inteligentes han cambiado todo, desde la etiqueta en las citas hasta la velocidad al caminar de los peatones, la IA basada en la voz está comenzando a cambiar muchos aspectos de la vida hogareña. ¿Por qué levantarse para cerrar la puerta principal o encender la calefacción de su automóvil en un día muy frío, cuando Alexa o sus parientes pueden resolver las cosas al instante?

Por ahora, Amazon no está tratando de recaudar ingresos de las empresas que fabrican termostatos inteligentes, bombillas y otros dispositivos conectados a Alexa. Sin embargo, en el futuro, es fácil imaginar formas en que los acuerdos de reparto de ingresos u otros pagos podrían ponerse de moda. El más pequeño de estos tres mercados, la automatización del hogar, ya representa más de $5 mil millones de gastos cada año, mientras que las ventas minoristas en los EE. UU. el año pasado totalizaron $4,9 billones. Hoy, Amazon gana dinero con las propias máquinas, a precios que van desde los 50 dólares por Dots hasta los 230 dólares por los Echos de gama más alta con pantallas de video, y obtiene una segunda recompensa si los usuarios terminan comprando más en la gran tienda en línea de Amazon. (Sin embargo, Amazon no divulgará esos números de tráfico).

Para que Echos se vuelva tan omnipresente como los teléfonos inteligentes, necesitarán hacer muchas más cosas. Con ese fin, Amazon está alentando a los desarrolladores independientes a crear nuevos servicios en la plataforma, tal como lo ha hecho Apple durante mucho tiempo con los desarrolladores de aplicaciones. Hasta el momento, se han creado más de 15 000 de estas habilidades o aplicaciones, y las herramientas de creación de aplicaciones se han vuelto tan fáciles de combinar que ahora es posible crear una habilidad simple en aproximadamente una hora, sin mucho conocimiento de programación. Entre las aplicaciones más populares se encuentran las opciones de transporte compartido de Uber y Lyft. Los fracasos incluyen 48 habilidades separadas que bombardean a los oyentes con insultos.

Entre los desarrolladores más ambiciosos se encuentran empresas que fabrican hardware o venden servicios que funcionan con Alexa. Capital One, por ejemplo, ofrece pago de facturas basado en Alexa a sus clientes bancarios; Ecobee, con sede en Toronto, es uno de varios fabricantes de termostatos inteligentes que preparan versiones impulsadas por Alexa que permiten a las personas subir o bajar la temperatura de la habitación con solo pronunciar unas pocas palabras. Nuestros clientes tienen vidas ocupadas, dice Stuart Lombard, director ejecutivo de Ecobee, que ahora obtiene aproximadamente el 40 por ciento de las ventas totales de sus dispositivos Alexa, la línea de productos de más rápido crecimiento de la compañía de 10 años. Tienen que luchar contra el tráfico para llegar a casa, y luego tienen que alimentar a los niños, cambiarle los pañales al bebé y quién sabe qué más. Les brindamos una forma manos libres de hacer algo mientras están en medio de otras tareas.

Cuando el habla se encuentra con la IA

Lo que hace que la IA basada en voz sea tan atractiva para los consumidores es su promesa de adaptarse a nosotros, de responder a la forma en que hablamos y pensamos, sin necesidad de que escribamos en un teclado o pantalla. Eso es también lo que lo hace técnicamente tan difícil de construir. No somos nada ordenados cuando hablamos. En cambio, nos interrumpimos a nosotros mismos. Dejamos que los pensamientos cuelguen. Usamos palabras, asentimientos y gruñidos de formas extrañas, y asumimos que tenemos sentido incluso cuando no es así.

Algunas personas dicen No, no, no; otros prefieren Cancelar eso, y un tercer grupo prueba alguna variante de Esperar, en realidad, esto es lo que quiero en su lugar. Alexa no necesita decodificar cada enunciado.

Miles de empleados de Amazon están trabajando en este desafío, incluidos algunos en centros de investigación en Seattle, Sunnyvale, California y Cambridge, Massachusetts. Aun así, la página de carreras de Amazon recientemente ofreció 1100 trabajos más de Alexa repartidos en una docena de departamentos, incluidos 215 espacios para especialistas en aprendizaje automático. Durante una reunión en las oficinas de la empresa en Cambridge, le pregunté al científico principal de Alexa, Rohit Prasad, por qué necesita tanta gente y cuándo podría estar completamente formado su equipo de investigación.

Me estoy riendo de todos los aspectos de su pregunta, respondió Prasad.

Después de unos segundos, después de haber recuperado la compostura, Prasad explicó que ha estado trabajando en tecnología del habla durante 20 años, con resultados frustrantemente lentos durante la mayor parte de ese período. En los últimos cinco años, sin embargo, se han abierto oportunidades gigantes. La creación de una IA activada por voz realmente efectiva es una tarea compleja y aún sin conquistar (consulte el Problema del lenguaje de la IA). Pero mientras que en el pasado, los científicos del habla se esforzaban por determinar el significado exacto de las expresiones a veces caóticas en el primer intento, los nuevos enfoques del aprendizaje automático están progresando al adoptar un rumbo diferente: funcionan a partir de coincidencias imperfectas al principio, seguidas de rápidas ajuste fino de conjeturas provisionales. La clave es trabajar con grandes cantidades de datos de usuarios y aprender de los errores anteriores. Cuanto más tiempo pasa Alexa con sus usuarios, más datos recopila para aprender y más inteligente se vuelve. Con el progreso vienen más oportunidades y la necesidad de más mano de obra.

Déjame darte un ejemplo, dijo Prasad. Si le preguntas a Alexa '¿Cuál fue el primer álbum de Adele?', la respuesta debería ser ' 19 .’ Si luego dices, ‘Tócala’, Alexa sabrá lo suficiente como para comenzar a reproducir ese álbum. Pero, ¿y si hay algunas bromas conversacionales en el medio? ¿Qué pasa si primero le preguntas a Alexa en qué año salió el álbum y cuántas copias vendió? Termina tal intercambio con el críptico Play it, y las versiones anteriores de Alexa se habrían quedado perplejas. Ahora la tecnología puede seguir ese hilo de pensamiento, al menos a veces, y reconocer que todavía significa 19 .

Esta mejora proviene de técnicas de aprendizaje automático que reexaminaron miles de intercambios anteriores en los que Alexa tropezó. El sistema aprende qué canción querían escuchar los usuarios y dónde identificaron por primera vez esa pieza musical en las primeras partes de la conversación. Es necesario hacer algunas suposiciones al principio acerca de cómo la gente pedirá cosas, dice James Glass, director del grupo de sistemas de lenguaje hablado del MIT. Luego recopila datos y ajusta sus modelos.

El caso de un enfoque de aprendizaje automático de este tipo es ampliamente apreciado, dice Glass, pero hacer que funcione requiere muchos más datos de los que los investigadores universitarios pueden reunir fácilmente. Con el aumento del uso de Alexa, Amazon ahora tiene acceso a un amplio repositorio de interacciones de voz entre humanos y computadoras, lo que le otorga el tipo de ventaja en el ajuste fino de su tecnología de voz que Google ha disfrutado durante mucho tiempo en consultas de búsqueda basadas en texto. Los datos externos también ayudan: una base de datos masiva de letras de canciones cargadas en Alexa en 2016, por ejemplo, ha ayudado a asegurar que los usuarios que soliciten la canción con la que conduje mi Chevy al dique serán dirigidos a American Pie de Don McLean.

Uno de los proyectos más nuevos del grupo de Prasad destaca la flexibilidad de este enfoque. Implica descifrar los momentos en que los usuarios retroceden en sus solicitudes iniciales. Las frases de señalización pueden variar enormemente. Algunas personas dicen No, no, no; otros prefieren Cancelar eso, y un tercer grupo prueba alguna variante de Esperar, en realidad, esto es lo que quiero en su lugar. Alexa no necesita decodificar cada enunciado. Las muestras grandes y el aprendizaje automático semisupervisado le permiten delinear un grupo de marcadores probables para el discurso negado y luego recoger una nueva solicitud coherente después del cambio de rumbo.

Además de hacer que Alexa sea un mejor oyente, los expertos en inteligencia artificial de Amazon están utilizando una gran cantidad de datos para convertirlo en un mejor orador, ajustando las cadencias de la voz sintética femenina de la máquina para impulsar el uso sostenido. Los intentos tradicionales de síntesis de voz se basan en la fusión de muchos fragmentos de voz humana grabada. Si bien esta técnica puede producir un sonido razonablemente natural, no se presta a los susurros, la ironía u otras modulaciones que podría usar un hablante humano cautivador. Para agudizar el manejo de Alexa de todo, desde un diálogo enérgico hasta un recital tranquilo, los algoritmos de aprendizaje automático de Amazon pueden adoptar un enfoque diferente, entrenando en las voces ansiosas, ansiosas y sabias de los narradores profesionales. Ayuda que Amazon sea propietario de la editorial de audiolibros Audible.

mucho de que hablar

Entre los usuarios más fervientes de la IA basada en voz se encuentran las personas que no pueden escribir fácilmente en teléfonos o tabletas. Gavin Kerr, director ejecutivo de Inglis de Filadelfia, que brinda vivienda y servicios para personas con discapacidades, instaló dispositivos Amazon Echo y Dot en los hogares de ocho residentes. Él espera eventualmente agregarlos a las 300 residencias una vez que se complete la prueba piloto. Es una bendición increíble para los residentes, dice Kerr. Pueden ser más cómodos. Les da independencia.

Kerr trabaja con cientos de personas que tienen esclerosis múltiple u otras condiciones debilitantes. Para aquellos que están postrados en cama o usan sillas de ruedas, un termostato de pared difícil de alcanzar puede ser una fuente constante de tormento. Sus cuerpos tienen dificultades para regular la temperatura, explica Kerr. Una habitación que está a 72 °F puede sentirse caliente una hora y fría a la siguiente. Con movilidad limitada, no hay una manera fácil de sentirse cómodo, especialmente si no hay asistencia disponible las 24 horas.

Con un poco de retoques, el software de Alexa puede servir incluso a aquellos con un habla severamente restringida. Kerr habla de un hombre de unos 30 años que quería dejar un centro de atención a largo plazo y regresar a una comunidad cotidiana. Nos dijo: 'Nunca podré usar los comandos de Alexa', recuerda Kerr. Así que le preguntamos: '¿Qué puedes decir?' Luego rediseñamos el software para que pudiera hacer que Alexa trabajara en sus términos. Ahora dice 'mamá' cuando quiere encender las luces de la cocina y 'Juan' cuando quiere encender las luces del baño.

Aunque Inglis brinda a sus usuarios de Echo cuatro horas de capacitación, es mucho más común que los nuevos usuarios busquen a tientas. Saque un Echo de la caja y un poco de empaque resaltará aplicaciones especialmente comunes, como reproducir música, configurar alarmas o actualizar listas de compras. Los usuarios organizados pueden llamar a los paneles de control de Alexa en sus teléfonos inteligentes o computadoras portátiles para ajustar la configuración, buscar nuevas aplicaciones u obtener orientación sobre qué indicaciones harán que una aplicación funcione mejor.

El éxito más amplio de Alexa reside en su capacidad para aliviar el estrés de una vida sobrecargada. Es el compañero que siempre está listo para participar.

en un entrada de blog muy leída en junio, el gerente de producto de Microsoft, Darren Austin, escribió que el éxito más amplio de Alexa reside en su capacidad para aliviar el estrés de una vida sobrecargada. Con la simple acción de preguntar, escribió Austin, Alexa alivia las emociones negativas de la incertidumbre y el miedo al olvido. Los usuarios se enganchan en traer todo tipo de perplejidades o deseos momentáneos a Alexa, afirmó; es el compañero que siempre está listo para participar.

Cada semana, a veces con más frecuencia, el gerente general de Alexa, Rob Pulciani, escanea datos agregados sobre las expresiones más comunes de los usuarios de Alexa y Dot. Por lo general, la parte superior de la lista está dominada por solicitudes de música, noticias, clima, tráfico y juegos. La primavera pasada, sin embargo, un recién llegado estaba creciendo rápidamente. La frase de tendencia: Alexa, ayúdame a relajarme.

Cuando los usuarios hacen esta solicitud, son dirigidos a una colección de sonidos relajantes. los pájaros cantan; olas lejanas golpean la orilla; los trenes de carga retumban en la noche. Dichos bucles de ruido ambiental pueden seguir reproduciéndose durante horas si los usuarios así lo desean. Pulciani había considerado estas aplicaciones como rarezas menores cuando aparecieron por primera vez en la plataforma Alexa, en 2015. Pero rápidamente obtuvieron muchos seguidores. Los adultos estresados ​​usan los sonidos para conciliar el sueño. Los padres los convierten en sustitutos de canciones de cuna para bebés malhumorados. Durante las próximas semanas después de su descubrimiento, Pulciani y sus colegas ajustaron la arquitectura interna de Alexa para que los nuevos compradores de Echo pudieran descubrir rápidamente sonidos relajantes si pedían sugerencias sobre qué nuevas habilidades probar.

conversación sostenida

En los estudios, las plataformas de IA de Google, Apple, Microsoft y Amazon muestran puntos fuertes diferentes. El Asistente de Google es el mejor en comandos de búsqueda de amplio alcance. Siri de Apple y Cortana de Microsoft tienen otros talentos. A Alexa le va particularmente bien con los comandos de compras.

El triunfo final de la IA basada en voz sería mantener una conversación realista de varios minutos con los usuarios. Tal hazaña requerirá grandes saltos en la capacidad de las máquinas para discernir la intención de los hablantes humanos, incluso cuando no haya una solicitud obvia. Los humanos pueden darse cuenta de que un amigo que dice que no he ido al gimnasio en semanas probablemente quiera hablar sobre el estrés o la autoestima. Para el software de IA, ese es un salto difícil. Los cambios repentinos de tema, o las alusiones oblicuas, también son difíciles.

Ansioso por fortalecer los lazos con la próxima generación de investigadores de IA y del habla, hace un año Amazon invitó a estudiantes de ingeniería de una docena de universidades de todo el mundo a construir bots de voz que puedan mantener una conversación de 20 minutos. El campus que logre el mayor progreso para la fecha límite de noviembre ganará un premio de $500,000. Hice una audición con media docena de estos bots un fin de semana, pasando cada vez de preguntas simples a declaraciones de opinión abiertas más complicadas que invitaban a todo tipo de respuestas posibles. Tuvimos un buen comienzo cuando un bot me preguntó: ¿Has visto alguna película reciente? Sí, respondí, vimos Figuras ocultas . En lugar de imitar las reseñas de los periódicos de esta conmovedora película sobre los primeros años de la NASA, el robot social respondió: Pensé Figuras ocultas era muy escaso en las matemáticas reales de todo. No es mi opinión sobre la película, pero parecía algo encantadoramente apropiado para que lo dijera un programa de IA. Nuestra conversación se estancó poco después, pero al menos tuvimos ese breve y hermoso momento.

Historia relacionada

Historia relacionada Las máquinas que realmente entienden el lenguaje serían increíblemente útiles. Pero no sabemos cómo construirlos.

Por desgracia, ninguno de los otros robots pudo acercarse. El más confundido soltó frases como ¿Te gusta el servicio en la acera? cuando pensé que estábamos tratando de hablar sobre sitios de Internet. Dije algo quizás un poco agudo sobre las limitaciones del bot, solo para que me preguntaran: ¿Puedes negociar colectivamente?

Unos días después, cuando le pregunté a Prasad de Amazon por su opinión sobre los bots sociales, ninguno de sus primeros errores le molestó. Es un área súper importante, me dijo. Es donde Alexa podría ir en términos de ser muy inteligente. Pero esto es mucho más difícil que jugar juegos como Go o ajedrez. Con esos juegos, aunque tienen muchos movimientos posibles, sabes cuál es el objetivo final. Con una conversación, ni siquiera sabes lo que la otra persona está tratando de lograr. Cuando Alexa pueda darse cuenta de eso, realmente estaremos hablando.

George Anders ha cubierto Amazon para publicaciones nacionales desde finales de la década de 1990. Su último libro es Tu puedes hacer cualquier cosa.

esconder