亚马逊表示，面向美国英语用户的Alexa会推断出请求中隐含的目标，比如在被问到“泡茶多长时间”后要求设置一个计时器。

亚马逊今天宣布了一项面向美国英语用户的Alexa新功能，该功能使助手支持的设备能够推断潜在目标，即隐含在请求中但没有直接表达的目标。例如，如果用户问“泡茶需要多长时间？”，Alexa可能会接着问“5分钟是一个很好的起点”，问题是“你想让我设置5分钟的计时器吗？”

根据亚马逊的说法，像这样的对话过渡需要在幕后使用一些人工智能算法。基于机器学习的触发模型通过考虑包括用户会话文本的上下文方面以及用户过去是否参与Alexa的建议来决定是否预期潜在目标。如果模型发现上下文合适，系统会建议使用Alexa应用程序来解决潜在目标。

根据亚马逊的说法，这些建议是基于潜在目标发现模型学习到的关系。(例如，该模型可能会发现，询问茶应该泡多长时间的用户经常会通过设置计时器进行跟进。)。潜在目标发现模型分析了用户话语的几个特征，包括逐点互信息，这是一种衡量上下文中交互的可能性相对于其在Alexa流量上的可能性的度量。基于深度学习的子模块评估其他功能，例如用户是否试图重新措辞或发出命令，或者直接目标和潜在目标是否共享实体或价值观(例如泡茶所需的时间)。

随着时间的推移，发现模型通过主动学习来改进其预测，它识别出在微调过程中特别有用的样本交互作用。

在Alexa潜在目标推理管道的下一部分，语义-角色标签模型从当前对话中寻找命名实体和其他论点，包括Alexa自己的回应。上下文传递模型将这些实体转换为后续应用程序可以理解的结构化格式，即使它是第三方应用程序也是如此。最后，通过强盗学习，机器学习模型跟踪推荐是否有帮助，表现不佳的体验在到达支持Alexa的设备之前会被自动抑制。

亚马逊表示，潜在目标推理不需要应用开发者额外的努力就能激活。然而，开发人员可以通过使用亚马逊的免命名交互工具包(Amazon‘s Name-Free Interaction Toolkit)让他们的应用在发现模型中更容易看到，该工具包为应用之间的交互提供了自然的挂钩。

亚马逊在一篇博客文章中写道：“亚马逊对Alexa的目标是，顾客应该发现与她互动就像与另一个人互动一样自然。”“虽然(应用程序)可能会经历不同的结果，但我们的早期指标显示，潜在目标(推断)增加了客户对一些开发者应用程序的参与度。”

潜在目标推理建立在自然转向转换(Natural Turn Take)的基础上，这是Alexa的一项功能，让用户无需重复唤醒单词就能与助手交谈。(三款人工智能模型与Power Natural Turn Take并行运行，最初只有英文版，明年某个时候推出。)。今年夏天早些时候，亚马逊在Alexa Conversations中推出了另一项对话功能，旨在让开发者更容易将对话体验整合到应用程序中。

初创企业如何扩展沟通： 这场流行病让初创企业开始密切关注如何提升他们的沟通解决方案。学习如何