Ինչպես են չաթ-բոթերը սովորում

Մենք հասանք ilesայլս Քոլբորնի հետ, cxpartners- ի համահիմնադիր և գլխավոր գործադիր տնօրեն: Քոլբորնը հեղինակ է աշխարհի անկախ առաջատար փորձի նախագծման խորհրդատվական ընկերություններից մեկում Պարզ և օգտագործելի, գիրք պարզության թեմայով, որը հատուկ ուղղված է փոխազդեցության դիզայներներին:

Ի՞նչ է մնալու chatbot գովազդից հետո: Ո՞վ / ինչն է գոյատևելու:

Ilesայլս Քոլբորն. Գովազդի հետ կապված խնդիրն այն է, որ դա մարդկանց դրդում է իրեր դնել այնտեղ `առանց խտրական վերաբերմունքի` դա լավ է, թե ոչ, և դա խրախուսում է մարդկանց ենթադրել, որ ամեն ինչ հնարավոր է, ուստի նրանք վայրագորեն գերակշռում են: Դա նույն պատմությունն է ցանկացած նոր կամ զարգացող տեխնոլոգիայի հետ:

Այսպիսով, բարձրաձայնից հետո ես ակնկալում եմ մի քանի լավ, հիմնավոր, պարզ, ամուր օրինակներ և օրինաչափություններ ի հայտ գալ, որոնց վրա մենք կամաց-կամաց կառուցում ենք ավելի բարդ փորձեր: Հիանալի է լսել գովազդը և երազել, բայց եթե դուք կառուցում եք համակարգ, որի վրա մարդիկ ապավինեն, չպետք է վախենաք պարզ և ֆունկցիոնալ ինչ-որ բան անելուց:

Կարծում եմ, որ ցանկացած համակարգով, որը ապավինում է մեքենայական ուսուցմանը (և շատ բնական լեզուների միջերեսներ ապավինում են մեքենայական ուսուցմանը), տվյալների մեծ հավաքածու ունեցող մարդիկ առավելություն կունենան: Ես կցանկանայի հուսալ, որ դա չի վերածվի հարթակի արգելափակման:

Սպառողական ինտերնետի առաջին օրերին մենք խուսափում էինք պլատֆորմի արգելափակումից ՝ սարդոստայնի շնորհիվ, որն ուներ բաց բնութագիր, որը յուրաքանչյուրը կարող էր օգտագործել: Դժվար է այս անգամ նման դեպք տեսնել. Գուցե անհրաժեշտ լինի օրենսդրություն մտնել: Բայց այդ ամենին, հավանաբար, դեռ տարիներ են մնում:

• Ինչպես նախագծել chatbot- ի փորձ

Որո՞նք են չաթ-բոտերի և խոսակցական միջերեսների առավելությունները:

GC: Նախ, ես պետք է տարբերակեմ չաթ-բոտերի և խոսակցական միջերեսների և բնական լեզվի ամբողջական միջերեսների (NLI) միջև: Չաթբոտերը երբեմն օգտագործողին խնդրում են ընտրել մի շարք հնարավոր պատասխաններ, ավելի շուտ `նման սարսափելի IVR համակարգերի, որոնք տեսակավորում են ձայնային զանգերը հեռախոսային գծերում (« մնացորդի հարցումների համար սեղմեք 1-ը, հաճախորդների սպասարկման համար `2» NLI- ները թույլ են տալիս մուտքագրել պատասխան ձեր լեզվով և այնուհետև պատասխանել դրա հիման վրա: Ինձ ավելի շատ հետաքրքրում են NLI- ները, և դա է իմ ուշադրությունը:

Այն, ինչ ինձ դուր է գալիս NLI- ների մեջ, այն է, որ սովորելու համար համարյա թե օգտագործողի միջերես չկա: Facebook Messenger- ի նման ծրագրերը այսօր սմարթֆոնների ամենատարածված օգտագործվող ծրագրերից են: Օգտագործողի ինտերֆեյսը պարզ է, և դրանց հիմքում ընկած գաղափարը հեշտ է հասկանալ: Այսպիսով, այդ ծանոթ, լայնորեն օգտագործված ինտերֆեյսի վրա ծառայություններ կառուցելը լավ գաղափար է թվում, այնքան ժամանակ, քանի դեռ ծառայություններն իրենք են դյուրին օգտագործել:

Ավելին, եթե դուք կարողանաք կառուցել ինտերֆեյս, որն աշխատում է ինչ-որ իրապես հիմնավոր բանի վրա, ինչպիսին է SMS- ը, ապա այն կաշխատի Facebook Messenger- ում կամ WhatsApp- ում կամ զրույցի որևէ այլ հարթակում. Ուրեմն խոստում կա, որ կարող եք ընդլայնել ձեր հասանելիությունը:

Chatրուցարանային տիպի ծառայությունների նախընտրությունը մեծանում է, երբ դիտում եք ավելի երիտասարդ լսարաններ: Նրանք մեծացել են սոցիալական լրատվամիջոցներով և, կարծես, նախընտրում են փոխգործակցել այդ տեսակի ծառայությունների հետ, քան հեռախոսի կամ էլփոստի: Իհարկե, սա այն ինտերֆեյսն է, որն իր էությամբ հասանելի է տեսողության կամ լսողության խանգարումներ ունեցող մարդկանց համար, և բոլոր տարիքի օգտվողների համար հեշտ է հասկանալ:

Չնայած ինձ հիացնում է այն, որ բնական լեզվի միջերեսները նշանակում են, որ մենք կարող ենք նախագծել համակարգեր, որոնք մեզ ավելի մարդ են զգում: Մարդկային զրույցն ունի շատ հետաքրքիր հատկություններ, որոնց հետ պայքարում են գրաֆիկական օգտվողի ինտերֆեյսները:

Օրինակ, եթե մարդուց օգնություն եք խնդրում ինչ-որ բան գտնելու հարցում, ինչպիսին է ավիատոմսը, ապա դուք հաճախ սկսում եք բավականին անորոշ նկարագրությամբ և դանդաղ զրոյացնում մի քանի լավ ընտրություն: Այս պահին մենք կարող ենք դա անել երեսպատման որոնման միջերեսներում, բայց մարդիկ պայքարում են դրանց արդյունավետ օգտագործման համար, հատկապես փոքր էկրանների վրա: Այն, ինչ դուք հակված եք ձեռք բերել փոքր էկրաններին, ընտրացանկերի շարք է, որոնք փորփրում եք: Դա կարող է զգալ խճճված կամ շփոթեցնող: Բնական լեզվի միջերեսները կարող են շրջանցել դա:

Վերջապես, հաշվարկման հաջորդ ալիքը չի վերաբերում դյուրակիր համակարգիչներին կամ բջջային հեռախոսներին. Դա խելացի սարքերով լի միջավայրերի մասին է, որոնք ձեզ ճանաչում են և փոխազդում են ձեզ հետ: Դուք չեք ցանկանում, որ սմարթֆոն լինի յուրաքանչյուր սարքի կամ սմարթֆոնի յուրաքանչյուր սարքի համար: Դուք ցանկանում եք ընդհանուր ինտերֆեյս, որը ձեզ ճանաչում է և որի հետ հեշտությամբ կարող եք շփվել: Այդ պատճառով ես կարծում եմ, որ NLI- ները և արհեստական ​​բանականության տեխնոլոգիաները այդքան կարևոր դեր ունեն օգտագործողի հաջորդ սերնդի փորձի մեջ:

Եվ որո՞նք են խոսակցական միջերեսների որոգայթների մի մասը, և ինչպե՞ս կարող ենք խուսափել դրանցից:

GC: Կարծում եմ, որ ամենամեծ որոգայթը զրույցների ստեղծման մեջ է, որոնք նման են հոսքային գծապատկերների, զրույցներ, որտեղ երկխոսությունը նկարագրվում է մանրակրկիտ: Իրականում խոսակցությունները բավականին անորոշ են ու զվարճալի: Եթե ​​փորձում եք մանրամասնորեն քարտեզագրել դրանք, ապա ի վերջո բացակայում եք բարդությունը, կամ պարզապես ստեղծում եք այդ IVR համակարգերից մեկը:

Օրինակ, եթե ինչ-որ մեկին հարցնեք նրա անունը, մի անձ կարող է ձեզ տալ իր լրիվ անունը `ներառյալ կոչումը, իսկ մյուսը կարող է պարզապես տալ ձեր անունը: Դուք պետք է թույլ տաք, որ նրանք դա անեն, և այնուհետև շրջեք ՝ բաց թողնելով մանրամասները: Դա սխալ չէ, դա պարզապես հարցին պատասխանելու այլ տարբերակ է:

Ինչպե՞ս կարող ենք բարելավել բոտերին ՝ օգտագործողի փորձը բարելավելու համար:

GC: Երբ դուք լսում եք հատկապես ձայնային համակարգեր օգտագործող մարդկանց, խոսակցության մեծ մասը վերաբերում է այն օգտվողին, որը հասկանում է, թե ինչպես հարցեր տալ և սովորել, թե ինչ կարող է և չի կարող անել համակարգը: Կարծում եմ, որ NLI- ների մեծ մասը սարսափելի աշխատանք է կատարում այդ իրավիճակները կարգավորելու համար:

Օրինակ ՝ ասեք, որ ձեր ձայնային օգնականին խնդրում եք երգ երգել, ինչպիսին է ՝ «Bohemian Rhapsody» - ը, բայց անունը սխալ եք հասկանում և անվանում եք «Մամա, պարզապես մարդ է սպանել»: Օգտագործողի և լսող մարդու տեսակետից օգտվողը տվել է վավեր և օգտակար հարցում: Բայց ձայնային օգնականների մեծ մասը չի հաջողվում վերնագրին համապատասխանեցնել և հանձնվել, և օգտագործողը վերադառնում է մեկին:

Այսպիսի բան անընդհատ պատահում է ձայնային օգնականների հետ, բայց մարդը կփորձի օգտագործել տրված տեղեկատվությունը և տալ խելամիտ հետևյալ հարց ` երգից? ': Եթե ​​մենք այս համակարգերը դարձնելու ենք տանելի, մենք պետք է ավելի շատ ժամանակ տրամադրենք այն մտքին, թե ինչպես համակարգը պետք է արձագանքի, երբ դա չի հասկանում:

Որո՞նք են չաթ-բոտերի կամ խոսակցական միջերեսների բնութագրերից մի քանիսը, որոնք իրավիճակը շտկում են:

GC: Խոսակցական լավագույն շատ միջերեսներ և չաթ-բոտեր չեն փորձում շատ բան անել: Օրինակ, երբ մեքենա եք վարում, և ձեր սմարթֆոնից խնդրում եք ձեզ տան ուղղություններ տալ, «խոսակցություններ» շատ չեն ընթանում. Իրականում, որքան կարճ, այնքան լավ: Բայց դուք ստանում եք մեծ քանակությամբ արտադրանք (մեկ ժամ տևողությամբ վարորդական ցուցումներ) նվազագույն ներդրման համար («ինձ ուղղիր տուն»): Իսկ մուտքը նվազագույն է, քանի որ սմարթֆոնը դատարկ տեղերը լրացնելու համար օգտագործում է բազմաթիվ ենթատեքստային տվյալներ. Դա ենթադրում է, որ դուք նկատի ունեք մեքենայի ուղղությունները, այն ստանում է ձեր ընթացիկ գտնվելու վայրը GPS- ից և գտնում է ձեր տան հասցեն ձեր սմարթֆոնի կարգավորումներից:

Ես կասեի, որ դրանք բավականին լավ դիզայնի առավելություններ են. Կարճ խոսակցությունը պահեք, օգտագործեք համատեքստային տվյալներ, առաջարկեք առավելագույն արդյունքներ նվազագույն մուտքագրման համար:

Որտե՞ղ է հաջորդում խոսակցական ձևավորումը: 

GC: Այժմ շատ հետաքրքիր բաներ են տեղի ունենում: Գոյություն ունեն ձայնային օգնականներ, որոնք տարբերակում են սենյակում գտնվող տարբեր մարդկանց և ձայնային օգնականներ, որոնք ղեկավարում են զրույցի հուզական ենթահոսքը, ոչ միայն տեղեկատվության փոխանակումը:

Կան նաև գործիքներ, որոնք բարդ առանձնահատկությունները դիզայնի համար ավելի դյուրին են դարձնում և ինտերֆեյս, որոնք ձայնն ու պատկերն են խառնում (այնպես, որ վիրտուալ տուրիստական ​​գործակալի հետ խոսելիս տեսնեք, թե ինչպես է ճանապարհորդության երթուղին կառուցվում): Հետաքրքիր ժամանակ է: