普拉萨德说：“让我举个例子。如果你问Alexa：‘Adele的第一张专辑是什么？’回答应该是‘19’。如果你说：‘播放它。’Alexa足够聪明，知道播放那张专辑。”如果你在中间加入其它一些话，如果你问Alexa这张专辑是哪年发行的，卖了多少张，会怎样呢？将问题替换“播放它”这个命令，早先的Alexa处理不了。现在技术可以跟着思考前进，至少某些时候是可以的，它知道“它”指的是“19”。

这是一个重要进步，进步归功于机器学习，之前 Alxea也被无数的交换难住，机器学习可以从失败中学习经验。系统知道用户不想听什么歌曲，知道之前的对话最早在何时谈到这首音乐。MIT口语语言系统研究团队的主管James Glass说：“人们会以何种方式要求获得一些东西，你最开始时要做出假定。然后你要收集数据，调校模型。”

Glass说，这种类型的机器学习方法得到了广泛的认可，不过要让它运行需要大量数据，远不是大学研究人员轻易就能获得的。由于Alexa的崛起，亚马逊现在可以获得大量的人机语音交互信息。2016年，Alexa引进一个庞大的数据库，里面全是歌曲歌词，有了这个数据库，当用户要求播放歌词中带‘drove my Chevy to the levee’的歌曲时，系统知道用户要的是Don McLean的歌曲《American Pie》。

普拉萨德正在推行一个新项目，这个项目的关注重点就是新方法的灵活性。具体来讲就是用户撤销最初的请求时，系统要正确识别。用户使用的“信号短语”是大不相同的。一组人说：“不，不，不。”还有一组说：“取消它。”第三组人说的话类似于“等等，atv，实际上我想要的是……”，形式有所变化。Alexa没有必要破解每一种表达。有了大量的样本和半监督机器学习技术，系统可以为否定语音找到大量可能的标记，请求改变之后能挑选出明确的新请求。

为了让Alexa成为更好的倾听者，亚马逊AI专家首先用大量数据训练系统，让它成为更好的说话者，atv，他们对机器合成的女性声音进行优化，让节奏更完美，这样就可以刺激用户持续使用。如果使用的是传统方法，一般会录制大量的人类语音片段，然后依赖片段合成语音。使用这种技术可以生成更自然的声音，但是无法低语、无法讽刺、无法调整，而人类许多时候会这样说话。为了让Alxea可以处理一切任务，既可以进行活跃的对话，也可以完成平静的朗诵，亚马逊机器学习算法采用了不同的方法，它用专业解说员的声音训练系统，这些声音有的焦急、有的充满忧虑。亚马逊旗下有一家公司Audible，它是有声读物出版商，这家公司帮了大忙。

有些人是语音AI的热心用户，那就是无法在平板手机上轻松输入的人。Gavin Kerr是Inglis的CEO，这家公司向残疾人提供住房和服务，公司已经在8户居民的家中安装了Echo和Dot设备。如果测试完成，Gavin Kerr希望300多位居民全能安装，这是公司的全部客户。Kerr说：“它为居民带来了难以置信的好处，他们可以过得更舒适，可以获得独立性。”

Kerr与几百人合作，这些人患有硬化症或者其它日渐让人衰弱的疾病。有些人卧床不起，或者坐在轮椅上，因为很难碰到墙壁上的恒温器，他们深感苦恼。Kerr解释说：“他们的身体难以适应温度。呆在华氏72度的房间内，前一小时可能会觉得太热了，后一小时又觉得太冷了。”因为移动能力受到限制，他们很难让自己过得舒服，如果没有全天候援助，他们会过得更困难。

稍加修改，Alexa软件可以用特定语音提供服务。有一名男子，快40岁了，他想离开长期看护机构，回到日常社区生活。Kerr回忆说：“他告诉我：‘我没有办法使用Alexa语音命令。’我问他：‘你能说什么？’然后我们就修改了软件，可以让他按自己的方式用语音控制设备。现在他如果要打开厨房灯泡会说‘Mom’，如果想打开浴室灯会说‘John’。”

Inglis为自己的Echo用户提供培训，时间只有4小时，许多新用户会进一步探索。从盒子里拿出Echo，包装会告诉用户一些常见的操作指令，比如播放音乐、设置闹钟、更新购物清单。用户可以在智能手机、平板上调用Alexa控制面板，调整设置，还可以下载新App，面板还会引导用户，看看哪种提示音能让App的工作变得更好。