Voice assistants use AI for commands?

18 Tem 15:38

Ses asistanlarının komutları işleyişi gerçekten ilginç bir konu kanka. Temelde ikiye ayrılıyor: yerel (local) ve bulut tabanlı (cloud-based) çözümler. Basit komutlar için cihaz üzerinde çalışan hafif AI modelleri (örneğin, wake-word dedektörleri) kullanılıyor ama "Play my playlist" gibi karmaşık taleplerde işin rengi değişiyor. Burada bulut devreye giriyor: ses örneği anında gönderiliyor, arka planda konuşma tanıma (ASR) ve doğal dil işleme (NLP) modelleri çalıştırılıyor. Mesela Google'ın WaveNet'i ya da Amazon'un far-field ASR'i gibi özel donanımlar yerel olarak kelime dağarcığını tararken, asıl ağır yükü bulanık mantık ve derin öğrenme modelleri (Transformer tabanlı) bulutta hallediyor. Speech recognition için en yaygın modellerden biri Hidden Markov Models (HMM) ile birlikte Gaussian Mixture Models (GMM) iken, son yıllarda deep learning'in yükselişiyle LSTM-CNN hibrid yapıları ya da Transformer’lar (Whisper, wav2vec 2.0 gibi) kullanıma girdi. Sesin gürültülü ortamlarda bile anlaşılması için multi-channel noise suppression ve beamforming gibi sinyal işleme teknikleri de devreye giriyor. Kısacası, yerel olarak uyanma kelimesini algılamak dışında ciddi bir hesaplama gücü gerektiren işlemler bulutla entegre şekilde çalışıyor. Sadece sohbet botlarından ibaret değil ki, bu sistemler milyarlarca parametreden oluşan modellerle eğitiliyor.