Як чат-боти можуть розмовляти, як люди

Інтерес до чат-ботів зростає з кожним днем. Оскільки все більше людей знайомиться з чат-ботами, запит на якісних ботів лише збільшується. Боти більше не можуть бути автовідповідачами. Вони повинні бути справді хорошими. Тепер, як визначити, хороший чи поганий бот. Ну, можна сказати, хороший бот поводиться більше як людина. Це правда, однак, існує необхідність кількісно визначити поведінку бота, подібну до людини.

Ось спроба кількісно визначити людську поведінку бота. Хоча може бути багато інших факторів, перераховані тут, як вважають, є основними. Ботом має бути:

Стабільний

Розумні

Залучення

Вчіться на ходу

Майте Персону

Вони не піддаються кількісній оцінці як такі. Нам доведеться копати трохи глибше, щоб розбити кожен з них на менші фактори, а потім спробувати кількісно визначити.

Стабільний

Коли ви вважаєте бота стабільним? Коли він не дає неправильної відповіді / коли не дає неправильного вказівки користувачеві?

Як можна створити стабільного бота? Кілька вказівок (я збирався називати їх правилами, але стримувався, оскільки мені потрібно більше впевненості, щоб називати їх правилами):

Визначте правильний намір і побудуйте наміри. Як правило, хтось схиляється до того, щоб спростити процес створення ботів. Але це лише призведе до нестабільності в міру зростання бота.

Уникайте додавання двох подібних намірів до одного і того ж бота (наприклад: «купити яблуко», «купити гамбургер» – два подібних наміри). Подібні наміри додають нестабільності

Не завантажуйте бота понад його потужність. Більше намірів означає, що ймовірність досягти правильного наміру менша. Спробуйте вразити найкращу кількість намірів.

Як ми вимірюємо стабільність бота? На перший погляд, це складна проблема, справді така. Для оцінки стійкості бота потрібен хороший набір загальних та конкретних тестових кейсів. Загальні тестові приклади є типовими для будь-якого бота, і це хороша практика створювати та використовувати загальні тестові приклади. Конкретні тестові кейси розроблені виключно для бота. Результат конкретних тестових випадків може бути використаний для вимірювання стабільності бота. Хороші тести роблять стабільних ботів. Отже, дотримуйтесь найкращих практик у створенні цих тестових кейсів.

Розумні

Коли ви вважаєте бота розумним? Коли це поводиться не по-дурному. Це правильно! Бот не повинен повторюватися; воно не повинно задавати очевидних питань; в деяких випадках бот повинен запам’ятати деяку інформацію навіть протягом різних сеансів. Чи не занадто це запитувати бота? Це не! Боти, яких середня людина вважає дурними, незабаром перестануть існувати. Таким чином, важливо відповідати розумності ботів розуму середньої людини.

Обробка контексту – це один із важливих способів переконатись, що боти розумні. Є багато способів, з якими можна обробити контекст. Часто застосовується кластеризація за намірами. У цьому підході наміри згруповані в кластери, які мають деякі спільні слоти. Загальні слоти називаються однаково за намірами. Слоти, що мають однакову назву в кластері, мають однакове значення. Ми також можемо визначити загальні слоти, які є загальними для всіх намірів. Це можуть бути такі слоти, як ідентифікатор працівника, ім’я тощо.

Зміщення контексту також є важливим аспектом під час створення бота. Він повинен мати можливість розглянути простий випадок, коли він перемішується між двома контекстами. Потрібно пояснити у користувача більше двох контекстів. Це має бути досить справедливим способом подолання двозначності.

Припущення, пов’язані з контекстом, повинні гарантувати стабільність без порушення. Таким чином, гарною практикою є включення до відповіді повних деталей.

Залучення

Скільки взаємодій має типова розмова двох людей? У разі спілкування двох друзів розмови можуть бути нескінченними (тобто взаємодії можуть тривати навіть кілька тисяч). Оскільки такий розмова є дуже неоднозначним і складною для моделювання моделлю, давайте спочатку розглянемо випадок професійних взаємодій, які є більш структурованими і настільки простими для моделювання. Кількість взаємодій у професійній розмові може становити близько 10-20. Якщо ми навіть націлюємося на 10 взаємодій за розмову, бот повинен зробити деякі активні кроки, щоб вести розмову. Мало того, активність повинна бути значущою. Якщо ні, це був би компроміс щодо розумності ботів.

Щоб бути розумно ініціативним, бот повинен ідентифікувати інтереси користувача та відповідно викликати значущий наступний набір взаємодій після виконання наміру. Це схоже на механізм рекомендацій, який працює за кадром на веб-сайті Amazon – Коли ви купуєте книгу, ваші сліди фіксуються, перекладаються у вектор, а рекомендації виводяться шляхом перегляду паралельних векторів. Подібним чином, коли користувач взаємодіє з ботом, він повинен ідентифікувати вектор розмови, шукати паралельні вектори і відповідно передбачити наступний можливий намір чи наміри та керувати розмовою.

Тут можна використовувати підсилювальні методи навчання, щоб передбачити наступний можливий намір, який може зацікавити користувача. Визначення винагороди для моделі було б критичним у цьому підході. Нагорода – це наступні кроки, які робить користувач, це може бути натискання кнопки, негативна реакція на передбачення бота тощо. Хороший розрахунок винагороди призводить до кращої моделі навчання

Майте персону

Ботам потрібна особистість, щоб вони були схожі на людину та мали індивідуальність. Кожен бот повинен мати свою власну ідентичність і уникати потрапляння у загальний сегмент. У наші дні більшість ботів позначені як якісь помічники. Боти можуть вийти за рамки цього. Боти можуть бути фахівцями в певній галузі, аналітиками, спостерігачами тощо. І все це лише в просторі підприємства. Якщо розробники ботів ігнорують надання особистості боту, дуже скоро вони вийдуть з перегонів.

Вчіться на ходу

Люди вчаться під час їхніх розмов. Візьмемо випадок із дітьми, де вони знають мову, але не мають знань. Коли вони взаємодіють із дорослими, інформація надходить від дорослих до дітей. Наприклад, дорослий каже дитині, що люди вдихають кисень і видихають вуглекислий газ. Тепер, враховуючи рівень довіри дитини до дорослого, дитина буде зберігати інформацію як факт, або як просту інформацію для перевірки, або може навіть відкинути інформацію. Припускаючи, що дитина має значну впевненість у дорослому, він / вона може сприйняти це як факт і записати, як правило, у свій мозок. Наступного разу ви задасте дитині те саме питання, вона витягує інформацію з бази знань і відповідає. Подібним чином бот повинен мати здатність вчитися на розмовах та покращувати свою базу знань.

Як тільки дитина підросте і набере більше знань, вона / навіть кидає виклик іншим людям під час розмови. Футуристичний бот також повинен спрямовуватись на розвиток навички, коли він може кинути виклик знанням користувача на основі власних знань та логічного мислення. Дивлячись на темпи розвитку, боти, які стверджують, здаються не надто далекими в майбутньому.

Спочатку ця публікація була опублікована за адресою https://www.linkedin.com/pulse/how-can-chatbot-converse-like-humans-jayaprakash-kommu/.

Jayaprakash Kommu (JP) люб’язно дозволив нам перекласти і опублікувати цю статтю.

Leave a Reply

Fill in your details below or click an icon to log in:

WordPress.com Logo

You are commenting using your WordPress.com account. Log Out /  Change )

Google photo

You are commenting using your Google account. Log Out /  Change )

Twitter picture

You are commenting using your Twitter account. Log Out /  Change )

Facebook photo

You are commenting using your Facebook account. Log Out /  Change )

Connecting to %s

%d bloggers like this: