Кто такая алиса от яндекса и что она умеет: обзор возможностей, функций голосового помощника

Что должен знать и уметь разработчик голосовых ассистентов?

Как я и сказал ранее, эта профессия еще очень молодая и лишь зарождается на территории России и других стран СНГ. А, следовательно, и обучиться ей, не зная английский язык, будет проблематично. Так что первым и основополагающим навыком можно выделить именно это. Говоря о специализированных знаниях разработчика голосовых ассистентов, то тут не все так сложно и страшно, как может показаться. Ниже я собрал небольшой список, взгляните сами:

понимание того, что такое дизайн диалога;
умение работать с базами данных, включая их создание с нуля;
знание одного или нескольких языков программирования (например, Python или C++).

Кто-то скажет, что этот список слишком поверхностный. А я не соглашусь. Этих навыков будет вполне достаточно начинающему разработчику голосовых ассистентов для успешного трудоустройства. Главное – это желание развиваться в профессии.

Немного статистики

согласно исследованиям Google, более одного раза в сутки 41% взрослых и 55% пользователей подросткового возраста голосовым помощником пользуется;
примерно 325 млн человек ищут нужную информацию посредством голосового поиска;
20% запросов вводится в Google с помощью голосового помощника, при этом пользователи получают ответы с 95-процентной точностью;
планируется, что в 2020 году на долю всех поисковых запросов 50% будут составлять запросы, вводимые через голосовой поиск.

Первооткрывательницей среди голосовых помощниц стала Siri, система умела не только осуществлять голосовой поиск, но и вела диалоги с пользователем. После появилось множество других виртуальных ассистентов, которые по функциональным возможностям и уровню своего искусственного интеллекта обошли предшественницу. Давайте познакомимся с ними поближе.

Siri

Siri – голосовая помощница, работающая на iOS-устройствах: iPhone, Apple TV, iPad и Apple Watch.

Когда и кем разработана. Разработана компанией Apple, выпущена в 2007 году.

Активация. Долгое нажатие клавиши Home.

Что умеет:

Для пользователей продуктов марки Apple Siri очень эффективная помощница и умеет очень многое. Вот небольшой перечень ее «должностных обязанностей»:

управляет телефоном (настройка громкости, режимов, разных функций и пр.);
управляет коммуникациями (позвонить, отправить СМС);
работает с разными приложениями (будильником, календарем, конвертерами, галереей и пр.);
работает с интернетом (сообщения в Твиттере и др. соц. сетях, поиск в браузере, поиск по Википедии и т.д.);
работает с iTunes;
помогает в жизни. Да-да, с ней вы можете понять, где находитесь, как куда-либо добраться, узнать погоду и т.д. Вы даже можете дать Siri указание запомнить, где припарковались. Лично у меня были случаи, когда приходилось искать машину на парковке, жаль, что тогда я не знала об этой функции.

Иногда она помогает советами и нередко ей удается отлично пошутить.

Минусы:

некорректность с точки зрения русского языка. Часто Siri неправильно ставит ударения, ошибается в окончаниях, произносит слова с неверной интонацией;
недоступна на многих устройствах;
работает медленнее, чем Алиса или Google Ассистент.

Это были самые популярные голосовые помощники на рынке, но расскажу еще о нескольких новых разработках.

Голосовые помощники на ПК

Управление компьютером тоже можно осуществлять при помощи виртуального ассистента – хотя, увы, лишь немногие пользователи знают об этом. Windows 10 оснащена полноценным интеллектуальным ассистентом Cortana, способным выполнять по голосовым запросам пользователя массу задач – искать и запускать файлы на компьютере, делать заметки и примечания в календаре, настраивать систему.

Увы, у Cortana есть большой недостаток: она не понимает русского и не говорит на нём. Cortana на 2019 год владеет всего 8 языками: английским, китайским, немецким, итальянским, испанским, японским, португальским и французским. Естественно, со временем Кортана освоит русский и другие языки — однако, долго ли отечественным пользователям «ждать у моря погоды», никто не знает. Поэтому пока стоит обратиться к сторонним голосовым помощникам для компьютеров – благо, варианты есть. Вот лишь некоторые из тех, которые поддерживают русский язык:

Способы повысить качество работы ассистента

Пересортировка ответов в выходном буфере
Можно ввести параметр очередности интентов и соответственно вариантов ответа по приоритетам. Это значит, что сообщения из выходного буфера озвучиваются в порядке приоритета. Например, запрашиваемое местоположение банкомата следует озвучить до информации о доступном в нем операциях (снятие/внесение наличных, открытие депозита и т.д.) или наоборот.
Настройки «перебивания»
Под этим усовершенствованием понимается возможность определять для некоторых интентов включение «перебивание» собеседника, когда содержимое выходного буфера начинает озвучиваться до того, как пользователь закончил свой рассказ

Данная настройка хорошо работает с предыдущей опцией, когда «перебивающий» ответ получает максимальный приоритет для озвучания из выходного буфера.
Важно отметить, что режим «перебивания» следует включать не для всех интентов, а лишь для некоторого, достаточно ограниченного набора.
Настройки категоричности
Возможно, что имеет смысл выделить некоторые интенты, которые имеют признак максимальной категоричности. Т.е

в случае обнаружения категоричного интента, ответы для остальных интентов удаляются из выходного буфера, оставляя в нем только этот, категоричный ответ. Возможно, что при этом дополнительно еще включается режим перебивания, когда ассистент начинает озвучивать ответ, не дослушав до конца сообщение пользователя. Примером могут выступать высказывания, которые система классифицирует как нарушающие моральные нормы и т.п.
Выявление противоречивых ответов
Очень желательно выявлять в выходном буфере ответы, которые противоречат друг-другу. В этом случае следует ответ с меньшим приоритетом просто удалять из выходного буфера.
Дополнительно имеет смысл при выявлении подобной ситуации, в сообщение, которое было оставлено в выходном буфере добавить предсообщение «Если я Вас правильно понял». Причина желательности такого добавления – наличие противоречивых данных в выходном потоке, как правило всегда является следствием противоречивости данных во входном потоке. Поэтому имеет смысл дать человеку понять, что присутствует некоторый элемент неуверенности, который может подтолкнуть его к необходимости дать дополнительные уточнения.
Определение пола собеседника
Если наделить ассистента возможностью определения гендерной принадлежности по голосу, то это позволит реализовать более близкий к естественному сценарий обработки. Таким образом появляется возможность реализовать различные ветки обслуживания, в т.ч. используя различную лексику при формировании одних и тех же ответов.
Анализ эмоционального состояния
В обычном разговоре двух и более людей, собеседники, как правило довольно точно могут определить эмоциональное состояние друг друга. Причем делается это не только по содержанию используемой лексики, например, факту наличия или отсутствия в речи ругательств, но и по тембру и скорости речи. Будет просто отлично, если ассистент сможет особым образом обслужить рассерженного пользователя.
Современные системы речевой аналитики достаточно хорошо справляются с задачей определения гендерной принадлежности и эмоционального состояния человека. Осталось только приспособить их к анализу разговора в режиме online.

Дуся

Developer:

Price: Free

Главная особенность русскоязычного интеллектуального помощника «Дуся» — полное отсутствие интерфейса. Ассистент постоянно работает в фоне и при этом не занимает ни единого дюйма экрана мобильного гаджета. Запустить приложение «Дуся» можно голосом, взмахом, встряхиванием и множеством других способов.

К числу недостатков программы «Дуся» можно отнести то, что она является платной. Пользователю даётся неделя на знакомство с интеллектуальной помощницей – по истечении этого срока придётся приобрести подписку.

Плюсы и минусы работы разработчиком голосовых ассистентов

Не забыл я и про преимущества профессии. Среди основных плюсов работы в сфере голосового дизайна можно выделить:

востребованность на зарубежных рынках труда и в перспективе очень высокий спрос на специалистов в рядах отечественных компаний;
хорошие перспективы карьерного роста;
заработную плату – об этом я расскажу ниже;
интересный рабочий процесс;
возможность пообщаться с результатом своих трудов.

Идеальных профессий попросту не существует. Поэтому ниже я привел минусы работы с голосовыми ассистентами:

не зная английского языка, освоить профессию достаточно сложно;
успешное трудоустройство на территории нашей страны может быть проблематичным из-за молодости самой профессии, но это вопрос времени;
работа очень кропотливая и бывает монотонной и утомительной.

Голосовой помощник Алиса от Яндекса

Алиса – российская разработка. Голосовая помощница, созданная на базе специальной нейронной сети. Сегодня Алиса достигла невероятных высот и считается самой популярной среди виртуальных ассистентов.

Когда и кем разработана. Создана компанией Яндекс, на рынке появилась в октябре 2017 года.

Среди своих конкурентов Алиса наиболее человечная, она может поддерживать разговоры на любые темы, причем помощница отвечает не заранее подготовленными шаблонными фразами, а каждый раз импровизирует, так что ее легко принять за настоящего человека и решить, что сейчас с вами общается женщина с высоким интеллектом и неплохим чувством юмора.

Что умеет:

базовые навыки голосового помощника (расскажет о погоде, курсе валют, укажет местонахождение и пр.);
умеет строить оптимальные маршруты;
активно взаимодействует с сервисами Яндекса (включает музыку, видео на Youtube, вызывает Яндекс.Такси и т.д.);
помогает в планировании;
помогает находить ответы на нужные вопросы в интернете;
эффективна в роли справочника;
ведет интересные диалоги, иногда с ней разговор может очень затянуться;
любит поиграть. Отличная функция, когда не знаешь, чем себя развлечь.

Минусы:

порой не отвечает на заданный вопрос, дает общие ответы.

Алиса – та еще язва: она нередко грубит, настаивает на своем мнении, периодически кокетничает с пользователями. Вот несколько забавных заголовков с помощницей.

На каких устройствах можно использовать Алису

Алису можно использовать на ряде устройств:

смартфон или планшет (Android и iOS). Алиса устанавливается вместе с приложениями «Яндекс», «Яндекс.Браузер» и «Яндекс.Навигатор»

Обратите внимание — если на вашем телефоне в качестве системного языка установлен не русский, то Алиса появится только в приложении «Яндекс». В браузере и навигаторе её не будет;
компьютер и ноутбук под управлением Windows

Алиса устанавливается вместе с «Яндекс.Браузером». Для MacOS и Linux разработчики выпустили браузер без Алисы;
«Яндекс.Станция». Это домашняя мультимедиа-платформа с голосовым управлением (через Алису, конечно же). Умная колонка поступила в продажу летом 2018 года;

Irbis A. Это умный домашний помощник, который способен выполнять массу функций: засекать время, включать музыку, ставить будильник, а также отвечать на голосовые поисковые запросы — всё при помощи Алисы;

Elari KidPhone 3G. Это часы-телефон, созданные специально для детей. Алиса интегрирована в них вместе с системой.

Как работает Алиса

Алиса — первый голосовой помощник, использующий в своей работе нейронные сети и глубокое обучение (Deep Learning). Это позволяет ей воспринимать не только заготовленные команды, но и более произвольную речь, а также самостоятельно обучаться.

Немного о нейросетях

В работе искусственного интеллекта ключевую роль играют три категории — входные данные, правила обработки и ответ. Самые простые алгоритмы машинного обучения подразумевают передачу программе входных данных и правил. Машина обрабатывала запросы в соответствии с установленным человеком порядком, а затем выдавала предсказуемый результат. Нейронные сети же подразумевают, что программист не задаёт правил алгоритма. Вместо этого он даёт машине огромное количество правильно составленных пар «входные данные — ответ». Программа обрабатывает их и выводит свои собственные правила, по которым она в дальнейшем способна выдать более или менее правильный результат на запрос.

Глубокое обучение — это маленький подраздел нейросетей, который подразумевает многоступенчатую обработку данных (отсюда и термин «глубокое»)

Главное преимущество нейросети — самообучаемость. Каждый ответ Алисы можно оценить («палец вверх» или «палец вниз»). Таким образом пользователь указывает программе, правильным ли был ответ на команду. Собранные данные обрабатываются и выводятся в новые алгоритмы распознавания речи и реакции на запросы. Чем больше разных людей общается с Алисой, тем лучше, точнее и правильнее становятся её ответы на самые разнообразные запросы.

Алгоритм работы Алисы

Работу Алисы с произвольной речью можно представить таким упрощённым алгоритмом:

Устройство слышит специальную команду, например, «Привет, Алиса», либо реагирует на нажатие кнопки. Это сигнал для программы, который говорит о том, что пришло время слушать и распознавать речь. Кстати, распознавание производится через написанный «Яндексом» алгоритм SpeechKit.
Дальнейшие слова пользователя тщательно фиксируются устройством и начинается распознавание речи.
Из голосового сообщения, преобразованного в текст, помощник вычленяет так называемые именованные объекты. Это своеобразные маркеры, которые указывают Алисе, что именно мы от неё хотим. Например, если во фразе присутствовало слово «погода», то помощник понимает, что нужно выдать прогноз погоды. Город и дата в таком запросе тоже будут именованными объектами. Таким образом, запросы «какая погода завтра в Питере», «что завтра с погодой в Петербурге» и «покажи завтрашнюю погоду в Санкт-Петербурге» будут расцениваться помощником как одинаковые, ведь в каждом присутствует один и тот же набор маркеров.
Далее Алиса действует по уже заготовленному скрипту. Каждый именованный объект определяет действие или условие, согласно которому помощник выдаст ответ.

Важное преимущество Алисы — умение работать в контексте. Она помнит предыдущие реплики и способна вести диалог

Так общение с ней становится более «живым» и естественным, привычным для человека. Мы можем опускать некоторые слова, упомянутые в предыдущей реплике (это явление называется эллипсис), заменять существительные на местоимения (а это — кореференция).

К примеру, если спросить у помощника, где находится Эльбрус, а после ответа задать вопрос о его высоте, не упоминая при этом название горы, Алиса укажет правильный ответ.

Без понимания контекста Алиса не поняла бы вторую реплику

Аналогичным образом Алиса поймёт нас, если мы вначале спросим прогноз на сегодня, а затем на завтра — уже без упоминания слова «погода».

Благодаря этому умению Алиса выглядит как живой собеседник

Яндекс Алиса

Developer:

Price: Free

Один из лучших голосовых помощников среди функционирующих на русском языке. Это приложение адекватно реагирует на русскоязычные фразы пользователя. При этом программа создавалась скорее для развлечения, чем для реальной пользы. Нет, «Алиса» вполне способна подсказать о том, какая погода за окном, либо проложить маршрут до нужного места, но в первую очередь этот голосовой помощник предназначен для всяческих игр. В частности, с «Алисой» можно поиграть в «Города», «Угадай актера», «Угадай песню» и разные другие игры. И процесс может не на шутку увлечь!

Необходимо помнить, что голосовой помощник разработан самым популярным в России поисковиком. Это значит, что приложение отлично справляется с функциями, которыми чаще всего пользуются посетители сайта «Яндекс». Например, «Алиса» моментально подскажет курс определенной валюты к рублю. Не составит труда программе и пересчитать какое-то количество долларов, переведя его в российскую валюту. Вообще, проще всего использовать голосовой помощник именно в качестве конвертера. Или советника — «Алиса» вполне может посоветовать какое-то заведение для посещения, будь то ресторан, театр, развлекательный клуб или кинотеатр.

Многие пользователи любят узнавать о самой «Алисе». Необходимо заметить, что голосовой помощник ведет себя, как настоящая женщина. То есть, приложение в любой момент может начать кокетничать или говорить загадками. В конце концов, начинаешь убеждаться, что у этого помощника есть логика. Женская логика.

Чем занимаются разработчики голосовых ассистентов?

Говорят, что краткость – сестра таланта. Итак, разработчики голосовых ассистентов:

придумывают;
изучают;
анализируют;
прогнозируют;
моделируют;
программируют;
тестируют;
вновь анализируют;
снова тестируют;
дорабатывают;
интегрируют;
сопровождают созданный продукт после релиза, отвечают за его техническую поддержку и своевременную модернизацию.

А так как повторение – мать ученья, пройдемся еще раз по процессу разработки голосового ассистента. Первым делом, специалист, на плечи которого легла такая ноша, придумывает свой продукт. Далее он исследует рынок и целевую аудиторию, продумывает наперед решения и реакции пользователей. Когда креативная часть практически закончена, разработчик переходит к технической составляющей. Здесь он прописывает все возможные и не очень сценарии (да, на один ваш вопрос у большинства голосовых помощников найдется не одна сотня ответов). Интерпретирует получившийся скрипт в код и тестирует его. Если все работает как задумано, и нареканий выявлено не было – ассистент выходит в свет. Замечены какие-то ошибки – разработчик их исправляет, вновь тестирует и дальше отправляет в массы. После релиза голосового ассистента за специалистом закрепляется ответственность за сбор и анализ обратной связи от пользователей, техническое сопровождение и поддержку. Разумеется, всю документацию ведет он же.

Тайные умения голосового помощника

Разработчики добавили в Алису множество скрытых функций, запустить которые можно точной голосовой формулировкой. Работают они в мобильном приложении «Яндекс» и на ПК. Рассмотрим некоторые из них:

«Алиса, расскажи секреты российских блогеров». Услышав эту фразу, Алиса запускает сценарий, в котором можно расспросить её о тайнах и секретах самых популярных видео-блогеров. Она также упоминает, что не может отличить блогера от рэпера;
«Алиса, подбрось монетку!» Если под рукой нет монетки (только карточки да электронный кошелёк), то можно попросить Алису подбросить её. Вы услышите звон подброшенной монеты, а голосовой ассистент выдаст результат;
«Алиса, давай поболтаем». Эта голосовая команда выключит у помощника выполнение команд и скриптов и оставит только функцию собеседника. Алиса будет шутить, иронизировать, жаловаться, сочувствовать пользователю. При этом она помнит предыдущие реплики — диалог получается довольно живым;
«Алиса, давай поиграем». У голосового помощника от «Яндекс» в запасе есть несколько интерактивных игр. Самые интересные — «Что было раньше» и «Угадай песню», но Алиса также умеет играть в города, «Верю — не верю», «Угадай актёра». Чтобы запустить сценарий, нужно произнести кодовое «Алиса, давай поиграем в» и назвать игру;
предсказания. Они относятся к категории игр, поэтому для запуска нужно сказать кодовую фразу «Алиса, давай поиграем». Можно сыграть в «Шар судьбы» или «Гадание»;
«Алиса, произнеси тост». Растерялись на застолье? Попросите Алису произнести тост за вас. У голосовой помощницы есть в запасе несколько остроумных и торжественных реплик.

Алиса — один из крупнейших проектов «Яндекса», которая объединяет в себе важные разработки: распознавание речи, понимание сложных семантических конструкций, работа в контексте, «живой» синтезированный голос. Остаётся надеяться, что она продолжит развиваться и научится ещё массе полезных и занятных вещей.

Что же делать?

Сервис ASR анализирует речь в потоковом режиме, отдавая на следующий шаг результат по отдельным словам. На выходе данного шага мы всегда имеем одно единственное слово.
Результат:
a) «где»
b) «находится»
c) «ближайший»
d) «банкомат»
Происходит накопление слов, поступивших на вход, во входном буфере
Результат:
a) «где»
b) «где находится»
c) «где находится ближайший»
d) «где находится ближайший банкомат»
Накопленный результат передается на обработку текстовому ассистенту, с поддержкой NLU, для выявления интентов и сущностей.
Результат:
a) Запрос: «где». Результат: намерение не определено
b) Запрос: «где находится». Результат: интент «Расположение отделения» с вероятностью 50%, «Расположение банкомата» с вероятностью 50%
c) Запрос: «где находится ближайший». Результат: интент «Расположение отделения» с вероятностью 50%, «Расположение банкомата» с вероятностью 50%, сущность «Точка привязки» = «Текущее местоположение»
d) Запрос: «где находится ближайший банкомат». Результат: интент «Расположение банкомата» с вероятностью 100%, сущность «Точка привязки» = «Текущее местоположение»Алгоритм работы голосового ассистента
Если добавление нового слова, полученного на 1 шаге, не просто изменяет веса вероятности определенных ранее интентов, а меняет их состав либо за счет увеличения количества выявленных интентов, либо за счет полной замены их набора, то выполняются следующие действия:
- из набора интентов предыдущей итерации выбирается вариант с наибольшей вероятностью и соответствующий ответ добавляется в выходной буфер;
- входной буфер сбрасывается и туда заново вносится только это новое слово;
- делается новый анализ, т.е. снова переходим на шаг 3.
Всегда, по мере добавления слов в накопленное для анализа сообщение, должно изменяться значение вероятностей в уже выявленных интентах (фактически исключение интента из списка – равноценно заданию ему вероятности = 0%).
Это значит, что постоянно должно происходить уточнение запроса. Если же наблюдается обратная ситуация, то это значит, что во входном сообщении есть несколько интентов, которые необходимо обрабатывать по отдельности, и мы сейчас перешли к слову, которое относится к новому интенту.
Как только будет выявлено, что пользователь закончил свое сообщение (определяется по задержке во входном потоке), сбрасываем в выходной буфер ответ, соответствующий наиболее вероятному выявленному интенту. Еще лучше, для оптимизации по скорости, держать в выходном буфере не текстовое представление ответа, а сразу аудио-фрагмент, полученный от TTS, накапливая тем самым полный вариант ответного аудио-сообщения.
Озвучиваем пользователю содержимое выходного буфера.

Amazon Alexa

Developer:

Price: To be announced

Компания Amazon содержит едва ли не самое большое количество интернет-серверов в мире. Такое дисковое пространство грех не использовать для обработки каких-то серьезных задач. Именно поэтому однажды на свет появился голосовой помощник Amazon Alexa. В то время это был единственный ассистент, который не просто отвечал пользователю на заученные фразы, а разговаривал с ним.

Сейчас Alexa считается одним из самых умных голосовых помощников. Работает приложение в основном на флагманских девайсах, да и то не на всех. В основном голосовой помощник создавался для смарт-динамиков — отдельных устройств, приобретающихся для установки в гостиной или где-нибудь на кухне. К сожалению, на русском языке этот ассистент тоже разговаривать не хочет. Если вспоминать об ограниченных ресурсах американской компании Amazon, то вряд ли стоит ждать в ближайшем будущем появления русского языка.

Robin

Developer:

Price: To be announced

Приложение «Робин» считается лучшим голосовым помощником для водителя. Автомобилисту не придётся отрывать руки от «баранки», чтобы написать СМС-сообщение, совершить звонок или узнать прогноз погоды. Интеллектуальный ассистент прекрасно справляется с такими задачами, как поиск актуальных новостей и проверка непрочитанных сообщений в соцсетях.

К русификации помощника «Робин» приложили руку подразделения сразу 2-х поисковых гигантов – Google Moscow и Yandex Labs. Результаты превзошли ожидания: «Робин» говорит на русском так, как будто этот язык для него родной.

«Изюминкой» интеллектуального ассистента Robin является его незаурядное чувство юмора. Помощник всегда готов порадовать автомобилиста анекдотом, а в плане забавных ответов даст фору даже «яблочной» Siri. Маркетологи фирмы Audioburst, распространяющей Robin – тоже юморные ребята, ведь иначе они бы точно не смогли создать такой вот шедевральный трейлер: