Как вы заказываете продукты?
Если вы по-прежнему предпочитаете доступ к современному графическому интерфейсу пользователя (GUI), вы, вероятно, сделаете это;
- Доступ к вашему ПК
- Откройте ваш браузер
- Введите Amazon, а затем введите «бакалея» в поле поиска.
- Вы тратите время на сравнение и выбор лучших продуктов по самой низкой цене, просто просматривая миллионы сайтов, появляющихся на вашем экране.
- Сделайте выбор, но затем столкнетесь с большим количеством вариантов, сколько пакетов получить.
- Войдите в аккаунт, если вы впервые покупаете
- Введите платежные реквизиты, если вы еще не зарегистрировались
- Подпишитесь на регулярные доставки или сделайте разовый заказ
- Просмотрите детали вашего заказа и подтвердите заказ
И после стольких усилий и анализа вы все еще сомневаетесь, принимаете ли вы правильное решение или нет.
Или вы можете отложить всю борьбу и воспользоваться функцией Amazon Echo, чтобы просто заказать свежие продукты с фермы по самой низкой цене.
Излишне говорить, что искусственный интеллект (ИИ) или машинное обучение захватили мир штурмом и сделали вашу жизнь намного проще, чем когда-либо прежде. От совершения звонков до установки напоминаний, размещения заказов на покупки и воспроизведения вашей любимой музыкальной композиции - теперь все зависит от вашей команды echo.
Машинное обучение автоматизирует задачи, которые, по мнению большинства людей, могут выполнять только люди »- Дэйв Уотерс.
Однако с развитием разговорного ИИ (искусственного интеллекта) многие люди согласились с тем фактом, что ведущие боты, включая Siri, Alexa или Cortana, ограничены только голосовыми функциями или цифровыми помощниками, такими как Google Assistant. Их сложно превратить в агентов, способных разговаривать на общие или философские темы.
В эту цифровую эпоху, когда все ожидают, что их чат-боты будут их постоянными экспертами, и хотят, чтобы они отвечали на все их запросы с помощью быстрой простой команды, как вывести своих чат-ботов на новый уровень? Как решить эту проблему?
Без паники! У всего есть решение ... Люди могут разговаривать с роботами на естественном языке. Не верите в это? Позвольте мне погрузить вас в глубины.
В блоге представлен обзор сегодняшней сборки чат-бота нейронной сети и то, как он включает в себя как традиционные подходы, так и современную информатику, чтобы адаптировать способы использования машинного обучения в чат-боте. блог даст вам подробное объяснение:
- Введение в нейронные разговорные агенты
- Цель создания диалогового ИИ
- Какие типы диалоговых систем используются?
- Как модели разговора кодируют или декодируют ваш язык?
- Почему роботы недоступны на вашем мобильном телефоне?
- Будущее нейросетевых чат-ботов
Концепция нейронных разговорных агентов
Честно говоря, нейронные разговорные агенты ничем не отличаются от чат-ботов. Вместо этого это компьютерная программа, обеспечивающая интеллектуальное взаимодействие с человеком (M-H) как через текст, так и через звук, используя возможности обработки естественного языка в зависимости от языковой модели и набора данных.
Не поймите Muddle!
Проще говоря, приложения Conversational AI, включая приложения для обмена сообщениями, голосовых помощников, чат-ботов или платформы голосовых помощников, которые основаны на методах, моделях и алгоритмах искусственного интеллекта, которые помогут вам предоставить идеальный ответ, который вы ожидаете от машины.
«Технологии изменят будущее работы, возможно, раньше, чем мы думали» - Брейн Корнелл
Знаете ли вы, согласно фактам и цифрам, более 2,5 миллиарда человек используют приложения для обмена сообщениями и 75% пользователей смартфонов обращаются хотя бы к одному приложению чата, чтобы оставаться на связи с виртуальными помощниками?
Кроме того, сотни миллионов людей используют Facebook Messenger, WeChat, WhatsApp и другие платформы обмена сообщениями для беспроблемного онлайн-общения. Миллионы людей используют другие платформы, включая электронную почту, мобильные приложения и традиционные веб-приложения для интерактивного общения.
Цель внедрения нейронных разговорных подходов
Разве вы не хотите, чтобы ваши виртуальные боты были чем-то большим, чем просто роботами, у которых есть все ответы за вас? Имея это в виду, комплексные шаблоны диалогов интегрированы для стимулирования запрограммированных агентов.
Чтобы получить естественный язык, контекстное окно переписывает эти шаблоны, просто используя краудсорсинг.
Обновите сквозного диалогового агента на этом полностью автоматизированном наборе данных, достигнув разумной скорости выполнения задач за счет прогнозирования учреждения, характера и эмоций пользователя.
Наконец, разверните этих чат-ботов для взаимодействия с пользователями и сбора отзывов пользователей, которые служат в качестве вознаграждения за частое улучшение политики агента с помощью обновлений обучения с подкреплением.
Прежде чем перейти к тому, как модели разговора кодируют или декодируют ваш язык На естественном языке пора понять, какие типы диалоговых систем используются в общем разговоре ...
Какие типы диалоговых систем используются в общих беседах?
По сути, в чат-ботах используются два типа диалоговых систем: Целевые (Siri, Alexa, Cortana) и общие разговоры (Microsoft Tay Bot). Благодаря большим достижениям в области искусственного обучения боты Microsoft Tay перешли на новый уровень и начали пытаться разговаривать с людьми на самые разные темы. На самом деле, будет правильно сказать Нейронные разговорные агенты успешно заменили людей.
«Тем не менее, самый большой вред, который ИИ может нанести людям в краткосрочной перспективе, - это увольнение с работы, поскольку объем работы, который мы можем автоматизировать с помощью ИИ, намного больше, чем раньше», - Эндрю Н.Г.
И недавние улучшения в искусственном обучении явно подтверждают это утверждение…
Все еще не понимаете? Как работают общие разговорные системы? Как они декодируют или кодируют язык? Какие изменения были внесены в предыдущие чат-боты? Если да, снимите стресс здесь, поскольку этот блог охватывает все, от базовой работы этих систем до будущего машинного обучения в чат-ботах!
Давайте подробнее рассмотрим…
Знаете ли вы, что общение с чат-ботами не так однозначно, как вы думаете. Общая модель разговора подразделяется на два основных типа; Генеративная и селективная модели. Однако общим для обеих моделей является то, что они получают несколько предложений контекста диалога и предсказывают ответ для этого контекста.
Сеть потребляет последовательность слов, прежде чем она будет вставлена в ответ. Проще говоря, модели обучаются парами (Контент, ответ). Контекст может состоять из нескольких предложений или одного предложения, которое предшествует ответу. Кроме того, иногда модели используют дополнительную метаинформацию из данных, такую как идентификатор говорящего, пол, эмоции и т. Д., Чтобы предсказать идеальный ответ на ваш запрос.
Теперь мы готовы подробно обсудить генеративную модель…
Я знаю, что понимание математики или алгоритма генеративного обучения довольно сложно, но мы изложили простой непрофессиональный язык вместе с диаграммами и сократили всю сложную математику из этого поста.
Основанный на теории Осборна и Виттрока, генеративный подход - это простая концепция, которая включает в себя активную интеграцию новых точек данных с учетом предыдущих существующих подходов и недавно предложенных структур «последовательность-последовательность» (STS). Модель работает, предсказывая следующее предложение на основе предыдущего предложения или предложений в разговоре. Сила модели может быть обучена от начала до конца и, таким образом, минимизировать объем использования созданных вручную правил.
Эксперты считают, что это простая модель, способная генерировать простые разговоры с учетом большого набора данных для разговорного обучения. Вместо того, чтобы оптимизировать неправильную цель, генеративные подходы извлекают знания как из набора данных для конкретной предметной области, так и из большого общего набора данных предметной области, состоящего из субтитров фильмов.
Наконец, пора заняться математикой…
Генеративные алгоритмы обучения: как они работают?
Для создания этих моделей генеративные подходы изучают совместное распределение вероятностей, которое было определено как:
Р (х, у) = Р (X / Y). P (Y) …… уравнение 1
Далее, используя правило Байеса, мы можем также записать его как:
P (Y / X) = P (X / Y). P (Y) / P (X)…. уравнение 2
Чтобы предсказать метку Y, мы используем только arg max, а знаменатель можно удалить из уравнения 2.
Следовательно, чтобы предсказать фактическое значение Y из обучающего примера x, генеративные модели оцениваются как - F (X) = argmax_Y P (Y / X) = argmax_Y P (X / Y). P (Y)
Вы можете рассмотреть эту диаграмму для ясного расчета, но самая важная часть вышеупомянутых уравнений - это P (X / Y), что и делает эту модель генеративной!
P (X / Y) означает, какие «X» характеристики присваиваются классу «Y». Следовательно, с совместной функцией распределения вероятностей уравнения 1, заданной «Y», вы можете вычислить (сгенерировать), что она соответствует X, по этой причине все это называется генеративной моделью.
Алгоритмы генеративного обучения делают надежные прогнозы на основе данных и предоставляют более точный и квалифицированный ответ на ваш запрос.
Есть ли возможность увидеть этих переговорных агентов на смартфонах?
Можете ли вы подключиться к нейронным диалоговым системам на своих смартфонах? Это вопрос, который пока задают многие пользователи ...
Что ж, несмотря на изнуряющие усилия в этой области, нейронные диалоговые системы все еще не готовы к общению с людьми в открытом доступе и ограничены предоставлением им информативных / забавных или полезных ответов на смартфоне. Но если мы говорим о технической поддержке закрытых доменов, их истории успеха ошеломят вас.
« Теперь у нас возникает вопрос, заменят ли в будущем нейронные разговорные агенты врачей-людей…?
« Какими будут возможности ИИ в ближайшем будущем?
Без сомнения, искусственный интеллект и дальше будет радовать, удивлять и пугать…
Рабочие места, которые никогда не считались заменяемыми, теперь будут полностью автоматизированы. В ближайшие 10 лет неудивительно видеть профессиональных водителей с беспилотными автомобилями и ожидать отката и других позиций. Так что наличие профессиональной службы поддержки или робота для подробного обсуждения любой случайной темы - не такая уж большая проблема.
Ведущие компании-разработчики программного обеспечения внедряют новейшие технологии для разработки лучших алгоритмов для получения лучших результатов и безупречного выполнения каждого запроса.
Заключение
Это правда, что поначалу усвоить концепцию разговорной модели довольно сложно, особенно если вы никогда не слышали о таком термине, как машинное обучение с чат-ботами. Надеюсь, этот пост помог вам понять, что такое нейронные разговорные агенты и как они могут помочь вам в будущем.
Поскольку об этих диалоговых системах можно так много узнать, я предлагаю вам рассмотреть ссылки, упомянутые в блоге. Если вы не уверены, как это будет работать и как будет формироваться структура, то оставьте работу опытным разработчикам программного обеспечения.
