摘要:個(gè)人人工智能(AI)助手正在成為一種日益普遍的交互工具,Chatbots利用機(jī)器學(xué)習(xí)算法做出適當(dāng)?shù)捻憫?yīng),作為AI的一種實(shí)際應(yīng)用,可以考慮在開(kāi)發(fā)中使用。
個(gè)人人工智能(AI)助手正在成為一種日益普遍的交互工具,而且有了現(xiàn)在可用的工具,AI助手的發(fā)展更加容易。之前我討論過(guò)基于語(yǔ)音的個(gè)人助理,今天想來(lái)探討基于文本的個(gè)人助理(也稱為Chatbots)。Chatbots利用機(jī)器學(xué)習(xí)算法做出適當(dāng)?shù)捻憫?yīng),作為AI的一種實(shí)際應(yīng)用,我認(rèn)為這是一個(gè)很有趣的工具,可以考慮在你的開(kāi)發(fā)中使用。
與基于語(yǔ)音的個(gè)人助理類似,Chatbots使開(kāi)發(fā)人員可以給客戶帶來(lái)對(duì)話體驗(yàn)。然而,Chatbots依賴于文本(有時(shí)是圖像)進(jìn)行對(duì)話而不是口頭交流。如果將Chatbots整合到用戶熟悉并對(duì)用戶最實(shí)用的領(lǐng)域(例如短信、信息平臺(tái)、電子郵件和網(wǎng)站),Chatbots將提供最佳的用戶體驗(yàn)。這些互動(dòng)可以是自助式客戶服務(wù)請(qǐng)求、語(yǔ)言培訓(xùn)工具,甚至是為兒童提供聯(lián)網(wǎng)玩具的形式。
從Bots到Chatbots
不是所有的機(jī)器人都是智能的,有基于一套簡(jiǎn)單規(guī)則的機(jī)器人,也有通過(guò)高級(jí)機(jī)器學(xué)習(xí)進(jìn)行復(fù)雜對(duì)話的機(jī)器人。
簡(jiǎn)單腳本機(jī)器人可能會(huì)掃描基于“地址”或“聯(lián)系人”等特定關(guān)鍵詞的文本,旨在提供定位商店的自助服務(wù)。這可能會(huì)導(dǎo)致一些混淆的互動(dòng),例如有人想“將隱形眼鏡送到我的家庭地址”,結(jié)果卻提供了商店的地址。
如果處理特定的問(wèn)題,例如收集用戶數(shù)據(jù)以更新護(hù)照,則可以對(duì)機(jī)器人進(jìn)行編程,僅處理那些相關(guān)的查詢,而排除其他查詢。這些程序很容易實(shí)現(xiàn),但范圍有限,因此可能最終會(huì)令用戶感到很沮喪。此外,對(duì)這些程序進(jìn)行更改并添加新的命令可能會(huì)非常耗時(shí),因?yàn)樗鼈冃枰私馊斯ぶ悄芎蜋C(jī)器學(xué)習(xí)開(kāi)發(fā)的程序員。
為了達(dá)到智能chatbot的水平,需要在運(yùn)行時(shí)進(jìn)行復(fù)雜的文本分析,以了解用戶所輸入文本的語(yǔ)境。這種處理可以使用AI機(jī)器學(xué)習(xí)來(lái)完成。通過(guò)與人交談并記住他們的反應(yīng),chatbot算法可以使學(xué)習(xí)更加人性化。如果您還不了解機(jī)器學(xué)習(xí),請(qǐng)查看我們的eBook,以幫助您快速了解。
自然語(yǔ)言處理
無(wú)論您是采用簡(jiǎn)單的bot或復(fù)雜的chatbot作為您的AI助手,自然語(yǔ)言處理(NLP)都發(fā)揮著關(guān)鍵作用。NLP是AI從文本中提取含義的方法:
1. 文本被標(biāo)記并分解成單獨(dú)的單詞。
2. 采用詞性標(biāo)注將詞語(yǔ)分為名詞、動(dòng)詞、形容詞等。
3. 采用隱馬爾可夫模型、條件隨機(jī)場(chǎng)模型等統(tǒng)計(jì)模型預(yù)測(cè)每個(gè)單詞的含義。
4. 采用語(yǔ)法分析樹(shù)建立單詞之間的依賴關(guān)系以減少歧義。
5. 從之前的預(yù)測(cè)推斷出一個(gè)行為,并將其傳遞給處理它的算法。
自然語(yǔ)言生成
一旦AI確定了它將如何響應(yīng),它就需要生成一個(gè)答案并將其作為回答發(fā)回給用戶。與NLP相比,它的任務(wù)更直接:
1. 掃描結(jié)果以確定傳送哪些內(nèi)容。不是所有的信息都對(duì)最終用戶有用。
2. 選定的結(jié)果被組織成一個(gè)樹(shù)形結(jié)構(gòu)來(lái)確定如何產(chǎn)生響應(yīng)。
3. 選擇詞匯,以確保動(dòng)詞時(shí)態(tài)和名詞格式準(zhǔn)確。
4. 之前的選擇被合并成最終的句子,并返回給用戶。
-
AI
+關(guān)注
關(guān)注
87文章
30728瀏覽量
268886
發(fā)布評(píng)論請(qǐng)先 登錄
相關(guān)推薦
評(píng)論