Många av oss frågar regelbundet våra smartphones om vägbeskrivning eller att spela musik utan att tänka särskilt mycket på tekniken som gör allt möjligt - vi vill bara ha en snabb, korrekt svar på våra röstkommandon.

Med fler företag som använder artificiell intelligens för olika applikationer och för att interagera med konsumenter, industrin arbetar för att göra dessa interaktioner mer mänskliga, sa Zhu "Drew" Zhang, docent i informationssystem och Kingland Faculty Fellow i Business Analytics i Iowa State University's Ivy College of Business. Zhang bidrar till den insatsen genom att förbättra hur maskiner, som smartphones och datorer, förstå och skapa språk.

"Datorer byggdes inte för att hantera otydligheten i mänskligt språk, " sa Zhang. "Vi har subtila sätt att säga saker med en liknande betydelse, använder olika ord och språkliga strukturer och det är svårt för beräkningsmodeller att förstå och efterlikna. "

Zhang säger i affärsscenarier, till exempel, konsumenter kan uttrycka liknande åsikter med mycket olika språkliga former:

• Första uttalandet:Inget med den här kameran är spännande.
• Andra uttalandet:Jag gillar inte den här produkten.

Att hjälpa maskiner att upptäcka parafrasering är en av de största utmaningarna inom området naturlig språkbehandling. Zhang säger att försök att koda den överväldigande volymen av språkliga regler och tillhörande undantag skulle vara skrämmande orealistiskt. Istället, forskare och branschledare använder metoder för maskininlärning, som använder stora mängder data för att lära datorer att känna igen och förstå språkmönster i verklig användning.

Ny modell väl mottagen

Zhang och Amulya Gupta, en ISU doktorand i datavetenskap, utvecklat en ny beräkningsmodell baserad på djupinlärning för att förbättra noggrannheten, precision och återkallelse för att upptäcka uttalanden med liknande betydelse, men olika i formuleringen, struktur och längd. De testade modellen med 50, 000 exempel på meningspar, liknande exemplet ovan, och fann att det var 80 till 85 procent korrekt.

Det är uppmuntrande, men Zhang säger att det bara tar upp "en liten bit av ett större problem" inom artificiell intelligens. Han och Gupta presenterade nyligen ett papper om deras arbete på årsmötet i Association for Computational Linguistics i Australien. Zhang säger att det är en av de bästa konferenserna för industriaktörer, inklusive Google, Microsoft och Amazon, samt ledande akademiker som arbetar med denna fråga.

"Vår forskning mottogs mycket väl, "Zhang sa." Vi pratade med människor på Microsoft och JD, det största e-handelsföretaget i Kina, och de såg potential i vårt arbete. "

Att få maskiner att känna sig mänskliga

Zhang säger att målet är att fortsätta att förbättra modellen för att göra den mer användbar för en mängd olika affärsscenarier. Kundtjänstbots är ett bra exempel. Istället för att trycka på knappar från en meny med alternativ när du ringer för att fylla på ett recept, de flesta konsumenter föredrar fortfarande att prata med en person. Zhang säger att det inte bara är viktigt att botljudet är mänskligt, men den måste ha flexibiliteten att anpassa sig till individuella uppringare.

"Den här typen av förmåga ger en mänsklig touch, "Zhang sa." Förmågan att manipulera språk är det som får boten eller andra maskiner att känna sig mänskliga. "