Snocciolando uno per uno i progressi fatti negli ultimi mesi nell’ambito delle attività di ricerca e sviluppo su intelligenza artificiale e machine learning, Amazon evidenzia come il contributo dei suoi scienziati e dei team di ricercatori universitari stia permettendo al gruppo di affinare la propria proposition nei diversi settori di competenza.
Nuove leve per Alexa e per l’evoluzione del Machine learning
Tra i tanti annunci fatti da Amazon, il Team Alquist della Czech Technical University di Praga ha vinto l’Alexa Prize SocialBot Grand Challenge 4. Il gruppo di lavoro ha ricevuto un premio di 500 mila dollari per il punteggio più alto nella competizione finale, ottenendo una valutazione media di 3,28 e una conversazione nella competizione media delle finali durata di 14 minuti e 14 secondi. La squadra della Stanford University è arrivata al secondo posto, guadagnando un premio di 100 mila, e la squadra dell’Università di Buffalo è arrivata al terzo posto, con un riconoscimento da 50 mila dollari.
Gli studenti di dottorato di ricerca Usc Chaoyang He e Ninareh Mehrabi sono stati selezionati come borsisti di Amazon machine learning per il 2021-2022 presso l’Usc + Amazon Center on Secure and Trusted Machine Learning. Il centro è stato istituito nel gennaio 2021 per supportare la ricerca fondamentale e lo sviluppo di nuovi approcci alla privacy, alla sicurezza e all’affidabilità del machine learning.
Amazon ha inoltre annunciato i vincitori della Last Mile Routing Research Challenge, in cui i team sviluppano software di pianificazione per la flotta di consegna di Amazon. Il team comprendeva tre professori: William Cook, Stephan Held e Keld Helsgaun che hanno guadagnato 100 mila. La sfida è stata annunciata per la prima volta a febbraio in collaborazione con il Center for Transportation & Logistics del Mit per sviluppare modelli Machine learning per prevedere i percorsi di consegna scelti da autisti Amazon esperti.
I progressi degli scienziati di Amazon
A luglio, diversi scienziati di Amazon hanno presentato ricerche alla Conferenza internazionale sull’apprendimento automatico. Tra i lavori più interessanti c’è un’indagine su un nuovo metodo per la previsione gerarchica delle serie temporali per migliorare la precisione. L’approccio metodo impone la coerenza in cui i valori a ciascun livello della gerarchia sono somme dei valori al livello inferiore. Sono stati poi divulgati i risultati una ricerca presso l’Associazione per la linguistica computazionale e la Conferenza congiunta internazionale sull’elaborazione del linguaggio naturale su un nuovo approccio all’aggiornamento del modello senza regressione nell’elaborazione del linguaggio naturale, che consente agli scienziati di costruire nuovi modelli neurali che non solo offrono prestazioni migliori in termini di accuratezza, ma preservano costantemente le corrette classificazioni dei modelli legacy.
I ricercatori di Amazon hanno poi presentato alla conferenza Computer Vision and Pattern Recognition (Cvpr) ShotCoL, un nuovo algoritmo auto-supervisionato per il rilevamento dei confini delle scene che identifica automaticamente i confini delle scene in film e programmi Tv. ShotCoL migliora del 13% il precedente rilevamento dei confini della scena sul set di dati MovieNet ed è più piccolo del 90% e più veloce dell’84% rispetto ai modelli precedenti.
Il ricercatore del gruppo Matthias Petri ha pubblicato un articolo su un nuovo metodo di elaborazione delle query che evita squilibri di carico distribuendo i dati in modo più uniforme, pur limitando la quantità di dati da considerare, il che significa che si adatta dinamicamente alle mutevoli richieste degli utenti.
Gli scienziati di Amazon hanno pubblicato una ricerca che propone un sistema di raccomandazione di applicazioni vocali in due fasi per l’espressione non gestita in assistenti personali intelligenti. A causa della complessità e dell’ambiguità delle richieste vocali, alcune richieste non vengono gestite correttamente dal componente standard di comprensione del linguaggio naturale, quindi questo approccio di sistema utilizzerebbe un elenco di competenze per recuperare le competenze dei candidati dal catalogo delle competenze calcolando sia lessicali che somiglianza semantica tra competenze e richieste degli utenti.
Eugene Yan, un altro scienziato applicato di Amazon, il cui ambito di ricerca all’interno del gruppo è quello che prevede l’utilizzo dei dati sul comportamento dei clienti per consigliare i prodotti migliori, ha discusso del suo sito personale in cui tratta argomenti come i sistemi di apprendimento automatico, la metodologia della scienza dei dati, la gestione della sindrome dell’impostore e costruire team di data science.
Guru Nayak, uno scienziato applicato di Amazon, ha condiviso la sua esperienza offrendo sessioni di consulenza professionale e educativa di 30 minuti ogni domenica nel suo tempo libero in cambio di contributi a enti di beneficenza nel suo paese d’origine, l’India, incentrati sull’assistenza al Covid-19.
Verso un’intelligenza artificiale sempre più robusta
Lo scienziato di Aws Dan Roth ha condiviso i suoi pensieri sulla crescente popolarità della ricerca sul ragionamento automatico, un argomento che sta studiando da oltre 25 anni. In base ai suoi studi, sostiene che molta intelligenza artificiale continuerà a concentrarsi sul ragionamento della macchina.
Amazon ha annunciato infine una nuova serie di attività di ricerca dal titolo Knowledge-Grounded Task-Oriented Dialogue Modeling on Spoken Conversations, che mira a migliorare la robustezza dell’Ia conversazionale in scenari realistici che coinvolgono input vocali rumorosi.
