Ajari Asisten Google Cara Mengucapkan Nama Kontak Anda – Asisten virtual hebat, ketika mereka dapat memahami Anda. Jadi, meminta Asisten Google untuk menelepon teman atau mengirim SMS ke anggota keluarga dengan nama unik bisa membuat frustrasi. “Memahami bahasa lisan itu sulit karena sangat kontekstual, dan sangat bervariasi dari orang ke orang,” menurut Yury Pinsky, direktur manajemen produk di Google. “Dan nama dapat memunculkan cegukan bahasa lain misalnya, beberapa nama yang dieja sama diucapkan secara berbeda.
Ajari Asisten Google Cara Mengucapkan Nama Kontak Anda
shareitappforpc – Kompleksitas semacam inilah yang membuat pemahaman yang sempurna tentang cara kita berbicara begitu sulit,” tulis Pinsky dalam sebuah posting blog. Ini adalah sesuatu yang sedang kami kerjakan dengan Asisten, dan kami memiliki beberapa peningkatan baru untuk dibagikan.” Sebuah fitur baru, yang sekarang diluncurkan dalam bahasa Inggris, memungkinkan pengguna mengajari Asisten Google untuk mengucapkan dan mengenali nama kontak seperti Anda mengucapkannya.
Baca Juga : Sideloading Apple App, Aplikasi Yang Menggemparkan Pengguna iOS
AI mendengarkan dan belajar tanpa menyimpan rekaman suara Anda. Salah satu kesenangan besar memiliki speaker pintar adalah menyetel timer, tetapi menyetel lebih dari satu timer pada saat yang sama dapat membingungkan asisten virtual, dan Anda. meraba-raba dan berhenti di tengah kalimat untuk memperbaiki berapa lama pengatur waktu harus disetel, atau mungkin Anda tidak menggunakan frasa yang sama persis untuk membatalkannya seperti yang Anda lakukan untuk membuatnya,” kata blog itu.
“Seperti dalam percakapan apa pun, konteksnya masalah dan Asisten harus fleksibel cukup untuk memahami apa yang Anda maksud ketika Anda meminta bantuan.” Dengan mengingat hal itu, Google membangun kembali model pemahaman bahasa alami (NLU) Asisten untuk mengenali konteks dengan lebih akurat dan mengikuti perintah dengan lebih baik. Jadi sekarang, sekretaris virtual dapat merespon “hampir 100% akurat” untuk alarm dan tugas pengatur waktu. Pembaruan tersedia untuk speaker pintar Google dalam bahasa Inggris di AS, dan akan diperluas ke ponsel dan layar pintar “segera.”
Peningkatan pembelajaran mesin tambahan juga membantu meningkatkan kualitas percakapan. Dengan mengandalkan interaksi sebelumnya dan memahami apa yang sedang ditampilkan di layar, Asisten dapat menjawab pertanyaan lanjutan untuk membuat dialog bolak-balik yang alami. Saat mengobrol tentang kesenangan di bawah sinar matahari di Miami, misalnya, Anda dapat mengatakan, “Tunjukkan pantai terbaik,” dan Asisten tahu maksud Anda garis pantai Florida.
Itu juga dapat memahami kueri yang merujuk pada apa yang Anda lihat di layar ponsel cerdas atau tablet, seperti “Siapa yang membuat yang pertama?” atau pertanyaan yang tampaknya tidak lengkap seperti “Kapan?” atau dimana?” “Ada banyak pekerjaan yang harus diselesaikan,” Pinsky mengakui. “Dan kami berharap untuk terus memajukan kemampuan AI percakapan kami saat kami bergerak menuju interaksi suara yang lebih alami dan lancar yang benar-benar membuat setiap hari sedikit lebih mudah.”
Apa itu pemahaman bahasa alami (NLU)?
Pemahaman bahasa alami adalah cabang dari kecerdasan buatan yang menggunakan perangkat lunak komputer untuk memahami input berupa kalimat menggunakan teks atau ucapan. NLU memungkinkan interaksi manusia-komputer. Ini adalah pemahaman bahasa manusia seperti Inggris, Spanyol dan Perancis, misalnya, yang memungkinkan komputer untuk memahami perintah tanpa sintaks formal bahasa komputer. NLU juga memungkinkan komputer untuk berkomunikasi kembali ke manusia dalam bahasa mereka sendiri.
Tujuan utama NLU adalah membuat bot yang mendukung obrolan dan suara yang dapat berinteraksi dengan publik tanpa pengawasan. Banyak perusahaan IT besar, seperti Amazon, Apple, Google dan Microsoft, dan perusahaan rintisan memiliki proyek NLU yang sedang berjalan. NLU menganalisis data untuk menentukan maknanya dengan menggunakan algoritme untuk mereduksi ucapan manusia menjadi ontologi terstruktur — model data yang terdiri dari definisi semantik dan pragmatik.
Dua konsep dasar NLU adalah niat dan pengenalan entitas. Pengenalan maksud adalah proses mengidentifikasi sentimen pengguna dalam teks input dan menentukan tujuannya. Ini adalah bagian pertama dan terpenting dari NLU karena menetapkan makna teks. Pengenalan entitas adalah jenis NLU spesifik yang berfokus pada pengidentifikasian entitas dalam pesan, kemudian mengekstraksi informasi paling penting tentang entitas tersebut. Ada dua jenis entitas: entitas bernama dan entitas numerik. Entitas yang dinamai dikelompokkan ke dalam kategori seperti orang, perusahaan, dan lokasi. Entitas numerik diakui sebagai angka, mata uang, dan persentase.
NLU vs. NLP vs. NLG
NLU adalah bagian dari pemrosesan bahasa alami (NLP). NLP mencoba untuk menganalisis dan memahami teks dari dokumen yang diberikan, dan NLU memungkinkan untuk melakukan dialog dengan komputer menggunakan bahasa alami. Sementara keduanya memahami bahasa manusia, NLU berkomunikasi dengan individu yang tidak terlatih untuk belajar memahami maksud mereka.
Selain memahami kata dan menafsirkan makna, NLU diprogram untuk memahami makna meskipun ada kesalahan manusia yang umum, seperti salah pengucapan atau transposisi huruf dan kata. Bagian lain dari NLP adalah generasi bahasa alami (NLG).
NLG memungkinkan komputer untuk secara otomatis menghasilkan teks bahasa alami, meniru cara manusia berkomunikasi secara alami – keberangkatan dari teks yang dihasilkan komputer tradisional. Umumnya, konten yang dihasilkan komputer tidak memiliki fluiditas, emosi, dan kepribadian yang membuat konten buatan manusia menarik dan menarik. Namun, NLG dapat menggunakan NLP sehingga komputer dapat menghasilkan teks seperti manusia dengan cara yang meniru penulis manusia. Ini dilakukan dengan mengidentifikasi topik utama dokumen, dan kemudian menggunakan NLP untuk menentukan cara yang paling tepat untuk menulis dokumen dalam bahasa asli pengguna.
Teks dihasilkan berdasarkan keputusan ini. Misalnya, dengan menggunakan NLG, komputer dapat secara otomatis menghasilkan artikel berita berdasarkan kumpulan data yang dikumpulkan tentang peristiwa tertentu atau menghasilkan surat penjualan tentang produk tertentu berdasarkan serangkaian atribut produk. Berikut adalah contoh aplikasi yang dirancang untuk memahami bahasa seperti yang dilakukan manusia, bukan sebagai daftar kata kunci. NLU adalah dasar dari perangkat lunak pengenalan suara — seperti Siri di iOS — yang bekerja untuk mencapai pemahaman manusia-komputer.
IVR dan perutean pesan. Interactive Voice Response (IVR) digunakan untuk layanan mandiri dan perutean panggilan. Iterasi awal sangat menyentuh dan tidak melibatkan AI. Namun, seiring kemajuan teknologi IVR, fitur seperti NLP dan NLU telah memperluas kemampuannya dan pengguna dapat berinteraksi dengan sistem telepon melalui suara. Sistem memproses suara pengguna, mengubah kata menjadi teks, dan kemudian mem-parsing struktur gramatikal kalimat untuk menentukan kemungkinan maksud penelepon. Dukungan dan layanan pelanggan melalui asisten pribadi yang cerdas.
NLU adalah teknologi di balik chatbots, yang merupakan program komputer yang berkomunikasi dengan manusia dalam bahasa alami melalui teks atau suara. Chatbots mengikuti skrip dan hanya dapat menjawab pertanyaan dalam skrip itu. Asisten pribadi yang cerdas ini dapat menjadi tambahan yang berguna untuk layanan pelanggan. Misalnya, chatbot digunakan untuk memberikan jawaban atas pertanyaan yang sering diajukan. Mencapai ini melibatkan lapisan proses yang berbeda dalam teknologi NLU, seperti ekstraksi fitur dan klasifikasi, menghubungkan entitas dan manajemen pengetahuan.
Mesin penerjemah. Pembelajaran mesin (ML) adalah cabang AI yang memungkinkan komputer untuk belajar dan mengubah perilaku berdasarkan data pelatihan. Algoritma pembelajaran mesin juga digunakan untuk menghasilkan teks bahasa alami dari awal. Dalam hal penerjemahan, algoritme pembelajaran mesin menganalisis jutaan halaman teks katakanlah, kontrak atau dokumen keuangan untuk mempelajari cara menerjemahkannya ke bahasa lain. Semakin banyak dokumen yang dianalisis, semakin akurat terjemahannya.
Baca Juga : Google Diam-Diam Mengaktifkan Metrik Kinerja Web Terbaru
Misalnya, jika pengguna menerjemahkan data dengan alat bahasa otomatis seperti kamus, ia akan melakukan substitusi kata demi kata. Namun, saat menggunakan terjemahan mesin, itu akan mencari kata-kata dalam konteks, yang membantu mengembalikan terjemahan yang lebih akurat.
Pengambilan data. Pengambilan data adalah proses mengumpulkan dan merekam informasi tentang suatu objek, orang, atau peristiwa. Misalnya, jika perusahaan e-commerce menggunakan NLU, ia dapat meminta pelanggan untuk memasukkan informasi pengiriman dan penagihan mereka secara lisan. Perangkat lunak akan memahami apa yang dimaksud pelanggan dan memasukkan informasi secara otomatis.
Antarmuka percakapan. Banyak perangkat yang diaktifkan dengan suara — termasuk Amazon Alexa dan Google Home memungkinkan pengguna berbicara secara alami. Dengan menggunakan NLU, antarmuka percakapan dapat memahami dan merespons bahasa manusia dengan mengelompokkan kata dan kalimat, mengenali tata bahasa, dan menggunakan pengetahuan semantik untuk menyimpulkan maksud.