Алекса, научи меня разговаривать с тобой | Тим Баджарин

Когда в 1992 году Apple представила свой первый персональный цифровой помощник (PDA), Newton, с самого начала было ясно, что это недолго для этого мира.

Как концепция, Ньютон был поворотником, но его дизайн и функции были слабыми, если не сказать больше.

Его самой большой проблемой была глубоко испорченная технология распознавания рукописного ввода. Мобильные процессоры, доступные в то время, были неспособны справиться с этой задачей с любым уровнем точности или точности, в то время как программное обеспечение было плохо выполнено.

Я помню, как летел в Чикаго для запуска Newton по просьбе тогдашнего генерального директора Apple Джона Скалли, который руководил этим проектом с самого начала. Но во время демонстрации на сцене распознавание рукописного текста не удавалось. Нам сказали, что это была ранняя версия программного обеспечения, но у меня было сильное чувство, что Apple слишком многообещала.

В первые годы существования Newton основатель Palm Computing Джефф Хокинс начал работать над собственной версией КПК. Пока это устройство еще находилось в разработке, Хокинс пригласил меня в свой офис, чтобы посмотреть макет, представляющий собой деревянный блок, который выглядел как то, что в итоге стало PalmPilot.

Я спросил Хокинса, почему он думал, что Ньютон потерпел неудачу. Он указал на свое время в Grid Systems, которая в 1989 году представила первый настоящий ноутбук с перьевыми вычислениями под названием GridPad. Он также имел низкоуровневый процессор и не мог справиться с истинным распознаванием символов. Но это научило Хокинса, что когда дело доходит до ручного ввода и распознавания символов, нужно следовать точной формуле и писать символы, как указано в руководстве.

Вот почему в PalmPilot была включена система письма Graffiti, которая научила пользователя писать числа, буквы алфавита или специальные символы (например, #, $) так, чтобы PalmPilot мог их понять. Я был одним из первых, кто протестировал PalmPilot и нашел Graffiti очень интуитивно понятным. Можно было бы назвать это формой обратного программирования, так как машина учила меня, как использовать ее на понятном ей языке.

Перенесемся в будущее, и я считаю, что с цифровыми помощниками у нас происходит то же самое.

На этот раз большое отличие состоит в том, что вычислительная мощность, наряду с искусственным интеллектом и машинным обучением, делает этих цифровых помощников намного умнее, но не всегда точными.

В том, что я считаю движением в стиле граффити, Amazon отправляет мне еженедельные электронные письма, содержащие более десятка новых вопросов, на которые может ответить Alexa. Это тоже своего рода обратное программирование, так как учит меня задавать Алексе правильные вопросы.

Из недавнего электронного письма вот несколько новых вещей, на которые Alexa может ответить:

• «Алекса, что у тебя на уме?»

• «Алекса, что еще означает« счастливый »?»

• «Алекса, что я могу сделать с курицей и шпинатом?»

• «Алекса, позвони маме».

• «Алекса, проверь мои орфографические навыки».

• «Алекса, разбуди меня утром».

• «Алекса, как долго длится фильм« Черная пантера » ?»

• «Алекса, говори в пентаметре ямба».

• «Алекса, сколько дней до Дня памяти?»

Эти еженедельные подсказки позволяют мне и другим владельцам Echo понять, как правильно задать вопрос Алексе, и укрепляют нашу уверенность во взаимодействии с платформой.

Я не сомневаюсь, что по мере того, как более быстрые процессоры, машинное обучение и ИИ будут применяться к цифровым помощникам, они станут умнее. Но я подозреваю, что все больше и больше компаний, которые создают цифровых помощников, также начнут использовать модель обучения Amazon, как задавать вопросы, которые в большей степени соответствуют тому, как их цифровые помощники хотят, чтобы был задан запрос.