Wie Alexa die Wünsche ihrer Nutzer antizipiert

Der Sprachassistent Alexa, der in Amazons vernetzten Lautsprechern Echo und zahlreichen Geräten anderer Marken, einschliesslich Autos, zum Einsatz kommt, erledigt immer mehr Dinge, ohne dass der Benutzer ihn dazu aufgefordert hat. Im Bereich der Heimautomatisierung werden heute laut Amazon 30 Prozent der Interaktionen direkt von Alexa ausgelöst. Für die Firma ist diese Fähigkeit, proaktiv zu handeln und Nutzeranfragen zu antizipieren, ein Schlüsselelement der "Umgebungsintelligenz", also einer Umgebung, in der die KI überall ist, um sich auf unsere Bedürfnisse einzustellen.

Routinen und Vorahnungen

"Routinen" sind die häufigste Art, wie Alexa von sich aus handelt. Die Nutzer legen eine Abfolge von Aktionen fest, die zu einem bestimmten Zeitpunkt (Kaffeemaschine einschalten und Musik abspielen zu einer bestimmten Uhrzeit) oder aufgrund eines bestimmten Ereignisses (Temperatur zu Hause anpassen, wenn ich mein Büro verlasse) automatisiert werden sollen, und die KI kümmert sich darum.

Amazon hat dieses Tool 2018 mithilfe von künstlicher Intelligenz erweitert, sodass Alexa nicht nur "vom Nutzer programmierte" Routinen ausführen, sondern diese auch korrigieren kann. Diese Funktion mit dem Namen Hunches (übersetzt: "Vorahnung") kann erkennen, was sie für eine Anomalie hält, und den Nutzer darauf aufmerksam machen. Beispielsweise kann der Nutzer darauf hingewiesen werden, dass das Licht in der Garage eingeschaltet ist, und gefragt werden, ob er es ausschalten möchte. Noch fortschrittlicher ist das Hunches-Tool, das ein häufiges Interaktionsmuster erkennen und dem Nutzer vorschlagen kann, eine Routine daraus zu machen, oder sogar direkt eine solche Routine einrichten kann. Wenn Alexa zum Beispiel feststellt, dass ich an Tagen, an denen ich arbeite, eine Reihe von Handlungen ausführe, wenn ich mein Haus verlasse, kann sie mir vorschlagen, diese Sequenz zu automatisieren.

Das klingt einfach, ist es aber technisch gesehen nicht, da es in einem Haus mit vielen vernetzten Geräten unzählige Kombinationsmöglichkeiten gibt. Ausserdem hat das System keine Ahnung, ob ein bestimmtes Gerät ins Badezimmer gehört oder welche Geräte während eines Fernsehabends ein- und ausgeschaltet sind. Die Funktion beruht daher auf einer Kombination von Algorithmen, die Geräte und ihren Status gruppieren (Cluster), die gewünschte Kombination vorhersagen und bestimmen, ob es sinnvoll ist, dem Benutzer einen Routinevorschlag zu senden.

(Source: Amazon)

Bedürfnisse antizipieren

Wenn ein Nutzer zum Beispiel fragt: "Wie lange dauert es, Tee zu kochen?", kann Alexa davon ausgehen, dass der Nutzer sich einen Tee zubereiten möchte und nicht nur "Fünf Minuten" antworten, sondern auch "Soll ich einen Timer für fünf Minuten einstellen?".

(Source: Amazon)

Auch hier ist diese Interaktion nicht trivial und erfordert mehrere ausgeklügelte Algorithmen, so Amazon. Der erste Schritt besteht darin, zu entscheiden, ob der Nutzer tatsächlich ein latentes Ziel hat. Dazu verwendet das System ein auf Deep Learning basierendes Triggermodell, das mehrere Aspekte des Kontexts des Dialogs zwischen dem Nutzer und Alexa berücksichtigt.

Wenn das System der Meinung ist, dass es ein latentes Ziel gibt, wird es versuchen, dieses Ziel zu bestimmen, indem es insbesondere die Wahrscheinlichkeit analysiert, dass die beiden Interaktionen im gegebenen Kontext im Vergleich zu allen möglichen Situationen übereinstimmen. Da der Benutzer die Vorschläge annimmt oder ablehnt, lernt das System aktiv und verbessert sich nach und nach, indem es die Ziele des Benutzers besser erkennt und besser entscheidet, welche Vorschläge ihm unterbreitet werden sollen und welche nicht.

Lesen Sie auch: Amazons Alexa soll die Stimmen verstorbener Angehöriger imitieren.