ربات های دانش

اوایل امسال، من وظیفه ایجاد دانش داشتم ربات برای یک پلت فرم سطح سازمانی کاربران در درجه اول کارکنان سازمان بودند و قصد استفاده از دانش بود ربات برای به اشتراک گذاشتن ارائه و استفاده از پلت فرم.

چارچوب های بسیار زیادی در بازار وجود دارد (هر کدام مزایا و معایب خاص خود را دارند) از این رو بسیار مهم است که فرد چارچوب مناسب را بسته به نوع رباتی که می خواهید ایجاد کنید انتخاب کنید. در صورت ایجاد ربات های دانش، الزامات معمول عبارتند از:

1. هدف اصلی دانش ربات ارائه اطلاعات در مورد پیشنهاد از طریق یک چت هدایت شده است. اگر کاربر بخواهد، باید بتواند از چت هدایت شده بیرون بیاید و در مورد این پیشنهاد سؤالاتی بپرسد و به چت هدایت شده بازگردد.

2. ربات دانش باید بتواند کارهای ساده ای مانند رزرو نسخه نمایشی محصول را انجام دهد.

3. ربات دانش باید اطلاعات درست را در مورد دامنه انتخابی (در این مورد پیشنهاد پلتفرم) در اولین بار به طور صحیح ارائه دهد نه اینکه یک دامنه بسیار گسترده را با پاسخ هایی که 70 تا 80 درصد درست هستند پوشش دهد.

4. در حالی که باید توانایی انجام NLU و درک سؤالات کاربر را فراهم کند، اما اهمیت کلی این سؤالات محدود است. به این ترتیب به طور کلی نیاز کمی به چت متنی برای مورد ربات دانش وجود دارد.

من شروع به ارزیابی چارچوب‌های چت بات موجود در بازار بر روی پارامترهای هزینه، انعطاف‌پذیری، سهولت استفاده، قابلیت نگهداری، مقیاس‌پذیری، سهولت توسعه، توسعه‌پذیری آینده، یکپارچه‌سازی، پشتیبانی جامعه و صفر کردن در زیر 2 پلتفرم کردم –

i) Rasa - "Rasa پلت فرم محاوره ای پیشرو در هوش مصنوعی است، برای مکالمات شخصی سازی شده در مقیاس. با راسا، همه تیم‌ها می‌توانند تعاملات شخصی و خودکار با مشتریان در مقیاس ایجاد کنند. راسا زیرساخت‌ها و ابزارهای لازم برای ساخت بهترین دستیارها را فراهم می‌کند - دستیارهایی که نحوه ارتباط مشتریان با کسب‌وکارها را به‌طور معناداری تغییر می‌دهند. - از سایت رسا.

- ویژگی های برجسته عبارتند از -

• موتور NLU پیش‌فرض مبتنی بر NLU، منبع باز است.
• همراه با مجوز منبع باز (ویژگی های محدود) و مجوز شرکت پولی (ویژگی های بیشتر).
• ایجاد چت ربات با تمایل بیشتر به سمت توسعه دهندگان.
• از ویژگی های پیشرفته مانند فراخوانی API خارجی، شناسایی هدف، پر کردن اسلات و غیره پشتیبانی می کند.
• قابل تعبیه در وب سایت استقرار On-prem/Cloud. ایجاد ربات‌های گفتگو با استفاده از داستان‌ها و داده‌های آموزشی (برنامه‌نویس محور) از طریق چارچوب رابط کاربری گرافیکی مبتنی بر وب نیست.
• پشتیبانی خوب جامعه
• پلتفرم مبتنی بر هوش مصنوعی ساخته شده است و داده های آموزشی برای بهبود عملکرد کلیدی است. نه یک جریان مبتنی بر کمی جعبه سیاه.

ii) Botpress - «Botpress یک پلت فرم منبع باز برای توسعه دهندگان است تا دستیارهای دیجیتالی با کیفیت بالا بسازند. ما کد دیگ بخار و زیرساخت هایی را که برای راه اندازی و راه اندازی یک ربات چت نیاز دارید، جمع آوری کرده ایم. ما به شما یک پلتفرم کامل سازگار با برنامه‌نویس پیشنهاد می‌کنیم که با تمام ابزارهای مورد نیاز برای ساخت، استقرار و مدیریت چت‌بات‌های درجه تولید در زمان بی‌سابقه ارائه می‌شود." - از سایت Botpress.

- ویژگی های برجسته عبارتند از -

• موتور NLU پیش‌فرض مبتنی بر NLU، منبع باز است.
• همراه با مجوز منبع باز (ویژگی های محدود) و مجوز شرکت پولی (ویژگی های بیشتر).
• ایجاد چت بات بر اساس رابط کاربری گرافیکی
• از ویژگی های پیشرفته مانند فراخوانی API خارجی، شناسایی هدف و نهاد، پر کردن اسلات و غیره پشتیبانی می کند.
• قابل تعبیه در وب سایت استقرار On-prem/Cloud اما رابط وب را ارائه می دهد.
• پشتیبانی خوب جامعه
• اساساً Flow با پشتیبانی از قابلیت NLU. پشتیبانی و کنترل دیباگر

نقطه قوت اصلی Rasa در موتور NLU و تجربه چت متنی آن نهفته است. منظور من از متنی، هر ورودی از کاربر در زمینه مکالمه در حال انجام گرفته شده و سپس پاسخ داده می شود. با این حال، آموزش ربات برای انجام صحیح آن مکالمات نیاز به تلاش، محاسبات و مهارت های زیادی دارد و با افزایش دامنه مکالمه، تعداد کل داستان های مورد نیاز برای نوشتن به صورت تصاعدی افزایش می یابد.

از سوی دیگر، Botpress از ترکیبی از هوش مصنوعی و موتور مبتنی بر قانون برای ایجاد تجربه چت برای کاربر استفاده می کند. در مکالمه متنی چندان قوی نیست اما دارای یک رابط کاربری گرافیکی غنی برای ارائه اطلاعات هدایت شده است.

در حالی که یک دانشمند ارشد داده بودم، احساس اولیه من این بود که با Rasa (می‌دانید که ارائه هوش مصنوعی متنی جذاب به نظر می‌رسد) اما وقتی مزایا و معایب را در رابطه با کار در دست ارزیابی کردم، متوجه شدم Botpress برای ایجاد مناسب‌تر است. با توجه به محدودیت زمانی و منابعی که معمولاً در پروژه های فناوری اطلاعات داریم، ربات دانش با ترکیبی از تورهای راهنما مبتنی بر قانون و سؤالات adhoc مبتنی بر NLU (ویژگی QnA Botpress).

در زیر ویژگی هایی وجود دارد که توسعه دهندگان ربات های دانش باید در چارچوب ربات نگاه کنند. من همچنین اشاره کرده ام که Botpress چگونه آنها را برآورده می کند.

1. گزارش روندهای چت بات در سال 2021

2. 4 باید و 3 نباید برای آموزش یک مدل NLP چت بات

3. ربات دربان: چند ربات چت را از یک صفحه چت مدیریت کنید

4. یک سیستم خبره: هوش مصنوعی مکالمه در مقابل چت ربات

سهولت توسعه - با چه سرعتی می‌توانید نسخه اولیه ربات دانش خود را راه‌اندازی و اجرا کنید. آیا به مجموعه مهارت های بسیار تخصصی نیاز دارد یا حتی دانشمندان داده شهروندی می توانند با آن کار کنند؟ انجام تغییر نام تجاری ربات چقدر آسان است؟

با Botpress، می توانید یک ربات دانش پایه را با استفاده از رابط کاربری گرافیکی آن بدون هیچ کدنویسی در عرض چند هفته راه اندازی و اجرا کنید. همچنین راه ساده ای برای برندسازی ربات تنها با تغییر شیوه نامه ارائه می دهد. ویجت هایی مانند کارت و چرخ و فلک را برای به اشتراک گذاشتن اطلاعات به شیوه ای غنی از رابط کاربری گرافیکی فراهم می کند.

ادغام — ربات ها همیشه باید با پورتال اصلی ادغام شوند و باید از کانال های دیگر (به عنوان مثال تیم مایکروسافت) نیز پشتیبانی کنند. هنگام انتخاب چارچوب ربات، باید ببینیم که آیا این ادغام‌ها به صورت بومی ارائه شده‌اند و می‌توانند با حداقل تلاش انجام شوند.

در Botpress، ادغام با سایت اصلی تنها با یک اسکریپت برای باز کردن ربات در iframe بسیار آسان است. همچنین ادغام با کانال های دیگر مانند فیس بوک، تلگرام، تیم های مایکروسافت و اسلک را فراهم می کند.

توسعه پذیری آینده - در حالی که ربات دانش اولیه ممکن است با یک دامنه محدود شروع شود، واقعیت این است که زمانی که مدیریت مزایای آن را درک کند، دامنه افزایش خواهد یافت. ربات ممکن است دیگر محدود به ارائه اطلاعات نباشد، بلکه انتظار می رود کارهای ساده تری مانند رزرو نسخه نمایشی و غیره را نیز انجام دهد. بنابراین مهم است که چارچوب رباتی که انتخاب می شود از این ویژگی ها پشتیبانی کند.

Botpress پسوندهایی را برای نوشتن کدهای سفارشی برای فراخوانی APIهای Backend برای انجام وظایف پیچیده ارائه می دهد. ویژگی هایی مانند Intent، Entity و Slot ها برای ثبت قصد کاربر برای انجام یک کار خاص با شناسایی موجودیت مناسب، گرفتن مقادیر مورد نیاز با استفاده از اسلات ها و سپس گرفتن کد سفارشی شما با API back end برای انجام وظایف استفاده می شود. این وظایف می تواند از ارسال ایمیل گرفته تا رزرو اتاق کنفرانس یا بلیط هواپیما یا سفارش پیتزا باشد.

مقیاس پذیری — اغلب از شما خواسته می شود که ربات دانش را برای ترافیک اینترنت بسازید و از این رو بسیار مهم است که چارچوب رباتی که انتخاب می کنید مقیاس پذیر باشد.

Botpress دارای معماری مقیاس پذیر افقی مبتنی بر خوشه است. می توان از یک متعادل کننده بار برای توزیع ترافیک بین ربات ها استفاده کرد.

قابلیت نگهداری - مانند همه پروژه‌های فناوری اطلاعات، هرگز یک سناریوی استقرار و فراموشی نیست. ما در دنیای DevOps زندگی می کنیم که در آن برنامه به طور مداوم در تولید استقرار دارد. از این رو بسیار مهم است که چارچوب ربات دارای مدلی باشد که با مقیاس و پیچیدگی سروکار دارد، به خصوص زمانی که به دنبال توسعه مبتنی بر رابط کاربری گرافیکی هستید.

در Botpress، توسعه با ایجاد نمودار جریان اتفاق می افتد، ساختار ماژولار است. قابلیت ایجاد جریان های فرعی با نقطه ورود و خروج تعریف شده برای جریان فرعی را دارد. به این ترتیب ما می توانیم ربات های دانش را با استفاده از جریان های ساده تر و کوچکتر به جای یک جریان بزرگ ایجاد کنیم.

NLU - در حالی که جریان هدایت شده برای ارائه اطلاعات خوب است، این به تنهایی کافی نیست. هدف اصلی از ارائه یک ربات این است که کاربر باید بتواند طوری چت کند که انگار فردی پشت ربات نشسته است. این بدان معنی است که ربات باید بتواند تفاوت های ظریف زبان را درک کند و پاسخ مناسبی ارائه دهد.

در Botpress، یک ماژول QnA وجود دارد که به شما امکان می‌دهد به سؤالات تصادفی که کاربر ممکن است در مورد محصول بپرسد پاسخ دهید. شما می توانید چندین سوال در برابر یک پاسخ ارائه دهید و موتور Botpress NLU را برای خنثی کردن سوالات در برابر معناشناسی و دستور زبان آموزش دهید. در حالی که موتور NLU به اندازه موتور Rasa قدرتمند نیست، متوجه شدم که با هدف مطابقت دارد. ما حدود 110 پاسخ برای آموزش در برابر 1100 سوال داشتیم. پس از آموزش، متوجه شدم که موتور NLU کار مناسبی انجام می دهد و در بیش از 97٪ مواقع پاسخ های درست را به ما می دهد. موتورهای Botpress NLU از 2 سرویس استفاده می کنند -

الف) جوجه اردک - برای استخراج موجودیت‌های سیستمی که آن را در طول اجرای وظایف بر اساس موجودیت و اسلات قوی‌تر می‌کنند (مانند سفارش پیتزا یا رزرو بلیط پرواز).

ب) زبان سرور - این قابلیت جاسازی کلمه را فراهم می کند و از چندین زبان پشتیبانی می کند.

تغییر زمینه - انتقال بین پرسیدن سؤالات Adhoc و گرفتن یک جریان هدایت شده باید یکپارچه باشد. جریان ها نباید خیلی طولانی باشند، نقاط استراحتی را در اختیار کاربر قرار دهید تا بتواند سوالات خود را بپرسد و سپس هر زمان که لازم شد به جریان بازگردد.

با استفاده از ویژگی «گذرهای گسترده جریان» ارائه شده در Botpress، تغییر زمینه بین یک تور راهنما و سؤالات تصادفی به راحتی قابل پیاده سازی است. همچنین، از بخش پرسش و پاسخ، Botpress توانایی بازگشت به گره ای را که بخشی از تور راهنما است، می دهد و از این رو کاربر را به تور راهنما باز می گرداند.

ویژگی های دیگری از Botpress مانند توانایی چند زبانه، Dockerization، Human In the Loop، استفاده از NLU شخص ثالث، ادغام SSO، خوشه بندی، نظارت و تغییر، پشتیبانی قوی از جامعه وجود دارد که می تواند تجربه کلی را قوی تر کند.

خلاصه — دفعه بعد که خواستید در مدت زمان کوتاهی یک ربات دانش بسازید، چارچوب رباتی را در نظر بگیرید که هم از موتورهای مبتنی بر قانون و هم از موتورهای مبتنی بر NLU استفاده می کند. Botpress یک رقیب قوی برای همین است، به خصوص اگر هزینه و ROI یک عامل تصمیم گیری باشد.

ابیناو آجمرا

دانشمند ارشد داده، Atos

نظر نویسنده شخصی است و نویسنده به هیچ وجه با Botpress مرتبط نیست.

Source: https://chatbotslife.com/knowledge-bots-5536c16b8d32?source=rss—-a49517e4c30b—4