Google leert Assistent nieuwe trucjes

Behshad Behzadi - een technicus bij Google - gaf een demonstratie van de nieuwe functies tijdens de Google Developer Days in het Poolse Krakau. Hij belooft dat de nieuwe functies 'binnen enkele maanden' of in ieder geval 'volgend jaar' hun weg vinden naar de consument, volgens een verslag op Venturebeat.

Google Lens

Met Google Lens bouwt Google beeldherkenning in de digitale assistent van Android. Door de camera te richten op objecten, zoals bijvoorbeeld een appel, geeft Google Assistent aan dat het een appel is. Dat is niet zo informatief, hoewel er ook informatie over voedingswaarde wordt opgelepeld. Maar Google Assistent kan informatie vanuit de beeldherkenning ook inzetten voor geavanceerde functies. Richt de lens op een theater en de assistent zoekt welke kaartjes er te bestellen zijn voor voorstellingen in dat theater. Of wisselkoersen berekenen bij het registeren van geld.

Real-time vertaling

Behzadi riep tegen zijn telefoon: 'wees mijn Vietnamese tolk' en vervolgens werden alle gesprekken die Google Assistent registreert vertaald, zowel gesproken als geschreven.

Context van een vraag

Google Assistent bewaart informatie over een zojuist gesteld vraag. Bijvoorbeeld als de eerste vraag luidt "Waar staat het Empire State Building" volgt het antwoord. Als dan de tweede vraag is "Wie bouwde het" of "Laat wat foto's zien", 'snapt' Google Assistent dat het nog steeds over het Empire State Building gaat.

Personalisatie

Google Assistent kan binnenkort een aantal persoonlijke voorkeuren onthouden. bijvoorbeeld je favoriete sportclub. Vervolgens snapt Google Assistent bij de vraag: "Hoe doet mijn team het", dat deze club wordt bedoeld en zoekt naar een resultaat. Zo kun je Google Assistent ook trainen bij welke temperatuur je het prettig vindt om te gaan zwemmen. Als je vervolgens vraagt; "Kan ik vandaag in het meer van Genève zwemmen?", kan het antwoord luiden:  "Nee het is te koud"

Omgevingsgeluid

De ontwikkelaars van de spraakherkenning in Google Assistent hebben veel tijd gestoken in het onderscheiden van ingesproken tekst en achtergrondgeluid. Ze hebben dat gedaan door bij het trainen van het machinelearningsysteem veel nepachtergrond geluid toe te voegen, zoals dat van stadions of een rijdende auto.