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。
免责声明：科技狗对文中陈述、观点判断保持中立，不对所包含内容的准确性、可靠性或完整性提供任何明示或暗示的保证。请读者仅作参考，并请自行承担全部责任。 本网站转载图片、文字之类版权申明，本网站无法鉴别所上传图片或文字的知识版权，如果侵犯，请及时通知我们，本网站将在第一时间及时删除：yzl_300@126.com
