Le cloud et l'IA déterminent l'avenir des solutions intelligentes

Le système agit selon des règles logiques prédéterminées ou des modèles de comportement appris afin de décider de ce qu'il fera ensuite. Il a la capacité de recommander un film, de passer une commande de réapprovisionnement ou d'informer une personne.

5. Répondre aux attentes des utilisateurs

Enfin, le système a la capacité de produire une réponse qui peut être transmise par voie vocale, textuelle ou en effectuant une action personnalisée. Habituellement, la réponse est personnalisée en fonction des informations que le système a apprises sur l'utilisateur.

Pourquoi le cloud computing est important

Sans le cloud computing, les systèmes intelligents ne fonctionneraient pas correctement à grande échelle. Voici pourquoi le cloud est si important :

Flexibilité : L'infrastructure cloud offre la possibilité au système d'évoluer en fonction de l'évolution des niveaux de demande. Lorsque plusieurs utilisateurs accèdent au système en même temps, l'infrastructure cloud rend les ressources disponibles à la demande.

Vitesse : Les centres de données dans le cloud sont répartis sur une vaste zone géographique et disposent de capacités opérationnelles accrues, permettant une réactivité instantanée et cohérente.

Stockage : Les plateformes cloud stockent d’énormes quantités de données, nécessaires à la formation des systèmes d’IA. Les services cloud sont hébergés dans plusieurs endroits à travers le monde et sont accessibles via une vaste gamme d'appareils.

Entretien : Les tâches du développeur n'incluent pas la mise à jour et la maintenance du serveur, car celles-ci relèvent de la responsabilité du fournisseur de services cloud.

Comment l'IA alimente l'intelligence

L'intelligence artificielle améliore les capacités des systèmes en ajoutant des capacités de raisonnement, d'apprentissage et d'optimisation, ce qui se traduit par une efficacité opérationnelle accrue. Certaines des utilisations les plus courantes de l'intelligence artificielle incluent

L'apprentissage expérientiel implique que les algorithmes d'intelligence artificielle s'améliorent continuellement à mesure qu'ils absorbent des quantités croissantes de données sur une période donnée.

Comprendre le langage :la PNL permet aux systèmes de comprendre et de répondre aux entrées données sous forme de langage humain. Reconnaissance visuelle et auditive :l'IA peut reconnaître des visages humains, des objets et des signaux auditifs.

L'analyse prédictive a la capacité de prévoir de nombreux résultats possibles ; par exemple, il peut évaluer la probabilité d’un retard d’expédition ou déterminer le produit le plus susceptible d’intéresser ensuite un client. L'intelligence artificielle générative donne aux machines la capacité de générer du contenu écrit, de créer des langages de programmation, ainsi que des formes d'art musicales et visuelles.

Voir aussi : Un chatbot sans personnalisation n’a aucun but. Voici pourquoi !

Technologie d'assistant à commande vocale :un cadre analytique

Prenons par exemple un système intelligent particulier, c'est-à-dire un assistant vocal intégré dans plusieurs systèmes de haut-parleurs intelligents.

Quelqu'un demande :"Quelles sont les conditions météorologiques dominantes à Seattle ?"

L'appareil capte les ondes acoustiques et les envoie à un serveur externe. L’infrastructure de cloud computing retranscrit ensuite les échanges verbaux sous forme écrite. Comprenez l’importance de la déclaration. Fournit les informations météorologiques correctes.

Donne une sortie audio :"Le temps à Seattle est actuellement un ciel clair avec une température de 72 degrés Fahrenheit."

Figure 1 :Architecture du système d'assistance vocale de haut niveau

Le diagramme fournit un aperçu général de l'infrastructure globale d'un système d'assistant vocal intelligent dans le cloud et de la façon dont une simple requête vocale : "Hey Alexa, quel temps fait-il à Seattle ?" - peut être transformée en une réponse naturelle et compréhensible grâce à l'utilisation des technologies du cloud et de l'intelligence artificielle.

Côté utilisateur, l’interface vocale apparaît comme le point de départ de la session utilisateur. L'utilisateur prononce une commande vocale en langage naturel dans un haut-parleur intelligent ou, idéalement, un écran. Il existe dans l'appareil intelligent un microphone ainsi qu'un processeur, et il peut donc écouter le son et rester en état d'écoute pendant un mot de réveil prédéterminé, dans ce cas, le nom «Alexa». Dès qu'il entend le mot d'activation, l'appareil commence à enregistrer la commande de l'utilisateur et transmet le fichier audio via un chemin sécurisé aux serveurs cloud pour traitement.

La véritable intelligence se produit dans la section de traitement du cloud illustrée sur le côté droit du diagramme. Reconnaissance vocale automatique ou ASR , lors de la première étape du pipeline dans le cloud, transforme le flux audio brut en texte. C’est beaucoup plus compliqué qu’il n’y paraît; il doit écouter différents accents, éliminer les bruits de fond et entendre la subtilité de la voix en temps réel. Les modèles ASR sont entraînés sur des séries massives d'enregistrements de nombreuses voix différentes afin de capturer les mots prononcés aussi précisément que possible et de les traduire sous forme de texte :"Comment est le temps à Seattle ?"

Par la suite, le système progresse vers la Compréhension du langage naturel (NLU). phase, au cours de laquelle l’intention de l’utilisateur est déchiffrée. Convertir la voix de l’utilisateur en texte ne suffit pas; l'assistant doit également comprendre l'intention de la requête et les informations ou les entités mentionnées, c'est-à-dire la ville « Seattle ». Les modèles d’intelligence artificielle formés au traitement du langage naturel sont chargés de comprendre l’intention de l’utilisateur lorsqu’il demande la météo à « Seattle » comme ville souhaitée. L'assistant doit également prendre en compte le flou des mots, les synonymes et le contexte pour que la demande soit interprétée de la manière correcte.

Une fois que le système a acquis une compréhension complète de la requête, il passe au niveau Connaissance et raisonnement. phase. Désormais, dans cette phase, l'assistant sélectionne la manière dont il accédera aux informations météorologiques correctes, le plus naturellement en interrogeant un service externe faisant autorité, c'est-à-dire une base de données météo ou une API. Le système applique des algorithmes appris ou un comportement établi dans le traitement des informations reçues ; par exemple, il peut conclure qu’il fait actuellement jour à Seattle et construire une réponse basée sur cette inférence. Si l'utilisateur pose la question « Quel temps fait-il ? », le système peut utiliser les informations de géolocalisation ou les préférences passées qui y sont stockées afin de déduire « Seattle » comme l'emplacement le plus probable.

Après avoir rassemblé les informations requises, l'assistant passe à la Génération du langage naturel (NLG). étape, au cours de laquelle les informations sous une forme structurée sont traduites en un texte grammaticalement correct et lisible sous une forme acceptable pour les humains. Les informations brutes, par exemple, {température : 72 °F, condition :ensoleillée est réécrit en « Le temps à Seattle est de 72 degrés et ensoleillé. » Le système peut utiliser la phraséologie correcte, suivre les exigences grammaticales et ajouter de belles variations dans la phrase à chaque répétition dans le but de la rendre aussi naturelle que possible. Avant qu'une réponse puisse être envoyée à l'utilisateur, le système utilise également la Text-to-Speech (TTS) technologie pour tenter de convertir le texte résultant en forme sonore. Cela implique la création d'une sortie audible, normalement avec un profil vocal donné de conversation amicale et de bonne énonciation. Le fichier audio est ensuite diffusé sur Internet dans le but de fournir à l'utilisateur une réponse claire et naturelle quelques secondes après l'émission de la déclaration originale.

La base technologique de cette expérience réside dans les technologies cloud. Le cloud prend en charge l’évolutivité de l’assistant vocal, dans le sens où il peut gérer des millions de requêtes simultanées depuis n’importe où dans le monde. Il fournit la puissance de calcul nécessaire pour exécuter des algorithmes d’apprentissage profond pour la parole et le langage, interroger des bases de données externes et répondre en temps réel. Il fournit des fonctionnalités de sécurité telles que le transport crypté des données et des contrôles d'accès, de sorte que les informations vocales sensibles soient traitées avec la plus grande prudence. Ce système intelligent s’améliore également avec l’expérience car il apprend au fil du temps. Il peut apprendre des interactions passées avec les utilisateurs afin de le rendre plus personnalisé, connaître les préférences des utilisateurs et faire pratiquement des recommandations avant que l'utilisateur ne les demande.

Conclusion

Les solutions Intelligent Cloud et IA permettent aux entreprises d’aller bien au-delà de l’automatisation. Les systèmes intelligents écoutent, apprennent et agissent, créant ainsi une réelle valeur dans les domaines de la santé, de la finance et de l'industrie, ainsi que dans la vie quotidienne.

Le cloud aide ces solutions avec la puissance, la flexibilité et la portée dont elles ont besoin. L'intelligence artificielle fournit l'intelligence nécessaire à la réflexion, à l'apprentissage et à l'optimisation. Ensemble, ils créent un environnement mondial plus intelligent et hautement interconnecté :un système à la fois.