Ландшафт диалогового ИИ и HumanFirst
И как он покрывает нишу на рынке чат-ботов
Введение
При разработке чат-ботов первоначальные подходы, казалось, были сосредоточены вокруг одного поставщика или технологической структуры/стека для решения всего процесса разработки и обслуживания чат-бота от начала до конца.
В большинстве реализаций это, кажется, все еще имеет место.
Согласно недавнему опросу Deloitte, проблемы с настройкой, включая данные для обучения и техническое обслуживание, были одной из главных причин отказа от внедрения чат-ботов на предприятиях.
Сейчас существует подход к построению экосистемы чат-ботов с использованием различных технологий и компонентов. Следуя более открытому подходу и выбирая лучшее в своем классе для каждого отдельного компонента разговорного опыта.
Этот принцип проявляется в открытой архитектуре Cognigy, где каждый компонент их фреймворка может использоваться и реализовываться независимо.
Создание устойчивых экосистем диалогового ИИ
Первоначальное созревание ландшафта диалогового ИИ также привело к распространению различных инструментов. Эти инструменты можно разделить на три категории:
- Перед разговором
- В разговоре &
- Пост-разговор.
HumanFirstохватывает сценарии до и послеразговора. Опять же, традиционно при разработке и обслуживании чат-ботов основное внимание всегда уделялось во времяразговора. Однако существуют специальные вертикальные инструменты для работы с до и послеобсуждения. Одним из которых является HumanFirst.
Как видно выше, HumanFirst имеет представление высказывания, а также представление диалогов. Следовательно, мы обращаемся к сценарию до и после разговора.
Интерфейс HumanFirstпозволяет для каждого представления произнесения вводимых пользователем строк или намерений. Это аналогично тому, как работает большинство интерфейсов NLU. С заметной разницей в том, что в традиционных интерфейсах NLU пользователю необходимо решить/угадать, какие намерения необходимо обслуживать. И впоследствии необходимо разработать возможные или правдоподобные высказывания пользователя, связанные с этим намерением.
С помощью HumanFirst можно добавлять высказывания клиентов, а намерения кластеризации определяются автоматически.
Вкладка «Беседы» позволяет опросить прошлые диалоги и пометить высказывания.
По данным Deloitte, 20% патентов на разговорный ИИ связаны с улучшением процесса обучения. Инновации направлены на автоматизацию и ускорение процесса обучения, чтобы лучше понимать вводимые пользователями данные и повышать качество ответов.
Ручная обработка вводимых пользователем строк или диалогов с использованием традиционных ручных подходов чревата ошибками, неэффективна и нецелесообразна в долгосрочной перспективе.
Семь вертикальных векторов в диалоговом ИИ
В ландшафте разговорного ИИ есть семь вертикальных векторов, а также горизонтальный вид. Вертикали можно разделить на три основные группы: до разговора, во время разговора и после разговора.
Семь вертикальных векторов перечислены выше, где ответы и переговоры состоят из NLU и персонализации. Вектор 5 – это нишевый рынок, как и вектор 1. HumanFirstохватывает как вектор 1, так и вектор 7.
Как было сказано во введении, крупные организации нередко строят свой ландшафт диалогового ИИ из различных технологий, выбирая лучшие в своем роде для каждой области интереса.
"Мы формируем наши инструменты, а затем наши инструменты формируют нас". — Джон Калкин (1967)
Горизонтальный взгляд на диалоговые экосистемы ИИ
В общих чертах ландшафт среды разработки чат-ботов можно разделить на четыре категории.
Принятие проницательных технологических решений в начале пути вашего чат-бота оказывает значительное влияние на то, какой будет траектория вашего чат-бота.
Следовательно, выбирайте и формируйте свои инструменты с умом.
Потому что позже эти инструменты будут формировать и влиять на то, как вы планируете, разрабатываете и масштабируете своего чат-бота. Препятствия обычно связаны с системой или платформой.
Инструменты и фреймворки для разработки чат-ботов можно разделить на четыре категории, примерно…
HumanFirstотносится к категории 4 как инструмент для управления обучающими данными и создания структуры из неструктурированных данных.
Категория 1
Более технические инструменты НЛП с открытым исходным кодом и среды разработки чат-ботов. Как правило, это инструменты:
- Может быть установлен в любом месте
- Имеет открытую архитектуру
- Открытый источник
- Нет или ограниченный графический интерфейс
- Конфигурационный файл и прокод ориентированы
- Подход к машинному обучению
- Более высокий барьер для входа
- Хорошо масштабируется
- Требует тщательного технического планирования для установки и оперативного управления
- Часто используется в качестве базовой технологии программным обеспечением категории 3.
- Могут быть разработаны новые функции и улучшена платформа.
Категория 2
- Часто используется крупными коммерческими предложениями
- Облачные, крупные технологические компании
- В некоторых случаях можно выбрать определенные географические регионы.
- Рассматриваются как безопасные ставки для крупных организаций
- Решения варьируются от pro-code, low-code до no-code
- Низкий порог входа
- ориентированный на графический интерфейс
- Практически полное отсутствие понимания или контроля над тем, что происходит под капотом
- Практически полное отсутствие влияния пользователя на дорожную карту продукта
- Жесткое управление состоянием диалога на основе правил
- Стоимость чаще всего не обсуждается
- Сотрудничество и групповая разработка дизайна
Категория 3
- Это независимые альтернативы разговорному ИИ, предоставляющие инкапсулированный продукт.
- Вспомогательные технологии под капотом часто остаются неизвестными
- Независимые альтернативные поставщики решений
- Часто создается с использованием инструментов НЛП с открытым исходным кодом.
- Часто используются инновационные подходы к задачам Диалогового государства. Проектирование, разработка и управление.
- Подход с низким кодом к нулевому коду
- Существует вероятность того, что эти компании будут приобретены
- Цена часто более договорная
- Запросы функций с большей вероятностью будут удовлетворены
- Более низкий барьер для входа и начала работы
Категория 4
- Инструменты обработки и понимания естественного языка
- Текст или разговоры можно анализировать на наличие намерений, именованных сущностей, настраиваемых сущностей.
- Часто могут выполняться такие задачи, как обобщение, извлечение ключевых слов, определение языка и т. д.
- В некоторых случаях доступны инструменты графического интерфейса для аннотирования данных и улучшения обучающих данных.
- Также инструменты для управления тренировочными данными
- Легкодоступный, но с более высоким техническим барьером для входа
- Идеально подходит для высокой пропускной способности NLP при вводе данных пользователем перед NLU
- Не среда разработки чат-ботов
- Не включает такие функции, как управление состоянием диалога, управление ответами чат-бота и т. д.
- Сосредоточены на более широких реализациях Language Processing, а не только на диалоговых агентах.
- Часто используется для автономной обработки разговорного текста не в реальном времени.
- Часто используется в качестве базовой технологии программным обеспечением категории 3
Демократизация доступа к диалоговому ИИ
Как показано ниже, HumanFirstпозволяет загружать высказывания или целые беседы. Существующие наборы данных можно использовать повторно или можно использовать общедоступные данные. Возможность использовать общедоступные данные довольно забавна для экспериментов и прототипирования.
Идея о том, что HumanFirstсуществует возможность легко запрашивать данные, создание структуры из данных высказывания является основной целью. Пользователи могут даже вернуться к данным разговора.
У HumanFirst есть несколько интересных общедоступных наборов данных, которые можно использовать для экспериментов и изучения фреймворка. Работа со знакомыми данными помогает демистифицировать некоторые основные концепции НЛП.
В заключение
После первоначального обзора пришло в голову несколько вещей. Они могут меняться по мере роста моих знаний о системе…
Несколько заключительных мыслей о HumanFirst…
- Исключительный инструмент для изучения и маркировки данных. Повышение точности модели и приспособление масштабируемой области модели.
- HumanFirstзакрывает нишу и существенный пробел в подготовке данных.
- Продукт может продаваться в настоящее время как средство обнаружения данных и структурировать неструктурированные диалоговые данные. Но я вижу огромный потенциал в реализации HumanFirstв качестве API в текущей реализации чат-бота. Особенно часть NLU. В настоящее время конечная точка aJSON доступна для выполнения прогнозов в реальном времени с использованием модели, обученной в Studio. Вход — это одно высказывание, а выход — распределение по намерениям. Добавление иерархии намерений и сущностей значительно укрепит API.
- Использование NLU API в качестве первого прохода или высокоуровневого прохода для категоризации пользовательского ввода может быть полезным.
- HumanFirstпредлагается как SaaS, но также может быть установлен в любом облаке посредством контейнеризации. Это выгодно для компаний со строгими государственными правилами защиты данных и управления.
«Подпишитесь на мою рассылку.
НЛП/НЛУ, Чат-боты, Голос, Разговорный UI/UX, CX Designer, Разработчик, Вездесущие пользовательские интерфейсы, Ambient…кобусгрейлинг. мне"