今天在亚马逊公司在拉斯维加斯举行的re：MARS会议上，亚马逊表示已开发出一种使用深度学习的新方法，该方法近年来已经在语音和图像识别方面产生了新功能，这将有助于开发人员更轻松地创建更自然的语音体验。亚马逊还承诺，称为Alexa Conversations的方法将使用当前方法的三分之一行代码，并使用少10倍的数据来训练算法模型。
 

该公司表示，结果将是在Alexa的功能或应用程序被调用时，在个人技能范围内的对话更加自然和灵活，并且在一次对话中就可以无缝无缝地使用多种技能。现在可以在开发人员预览中使用它们。

Alexa副总裁兼首席科学家Rohit Prasad在re：MARS的舞台上展示了​​新功能，其中包括一个新的“跨技能动作预测器”。在一个似乎没有现场直播的演示中，一位女士问Alexa附近正在播放什么电影，此后Alexa主动提出预订门票的建议，还轻松地处理所需的电影时间更改，询问她是否要预定餐厅在附近，给她想要的中餐选择，在OpenTable上预订了一个房间，然后问她是否需要出租车或Uber来预订。
 

Prasad说：“对于以客户为中心的AI而言，这是一个巨大的飞跃。” 以前，原本需要48次“用户轮流”或请求，但现在只花费了13次，将认知负担从客户转移到了Alexa。

更具体地说，是由人工智能驱动的“对话管理器”，具有高级对话框模拟引擎，该引擎自动生成合成训练数据。使用开发人员提供的应用程序编程接口来获得技能，再加上带注释的示例对话框，其中包含有关Alexa的提示以及客户可能采取的措施，Alexa Conversations使用循环神经网络生成对话框流程和变体。
 

“在运行时，该神经网络会考虑整个会话的对话历史，并预测对话框中的最佳下一步操作或步骤，从而提高准确性并减少您的设计和代码工作量，”亚马逊在博客中解释道。“经过培训可以解释对话框上下文，以便处理多个用户工作流，适应自然用户的输入(例如乱序信息或更正)，解决常见的业务交易错误并主动推荐其他API功能。”

所有这一切的背景是，客户不断向Alexa询问更多有关诸如乘车预订，购物，购票和预订之类的操作，并且更期望Alexa在多个主题上进行更流畅的交流。