Lähde: rawpixel.com
Conversational AI on LLM:ien sovellus, joka on herättänyt paljon kohua ja huomion skaalautuvuuden ansiosta monilla aloilla ja käyttötapauksissa. Vaikka keskustelujärjestelmät ovat olleet olemassa vuosikymmeniä, LLM:t ovat tuoneet laatutyön, jota tarvitaan niiden laajamittaiseen käyttöönottoon. Tässä artikkelissa käytämme kuvassa 1 esitettyä mentaalimallia keskustelullisten AI-sovellusten analysointiin (vrt. Tekoälytuotteiden rakentaminen kokonaisvaltaisen mielen mallin avulla henkisen mallin johdattamiseksi). Pohdittuaan keskusteluteknisten tekoälyjärjestelmien markkinamahdollisuuksia ja liiketoiminta-arvoa, selitämme ylimääräisen "koneiston" datan, LLM-hienosäädön ja keskustelusuunnittelun osalta, jotka on määritettävä, jotta keskustelut olisivat mahdollisia, mutta myös hyödyllisiä. ja nautinnollista.
1. Mahdollisuus, arvo ja rajoitukset
Perinteinen UX-suunnittelu on rakennettu lukuisten keinotekoisten UX-elementtien, pyyhkäisyjen, napautusten ja napsautusten ympärille, mikä edellyttää oppimiskäyrää jokaiselle uudelle sovellukselle. Keskustelevan tekoälyn avulla voimme päästä eroon tästä kiireestä ja korvata sen tyylikkäällä luonnollisesti virtaavan keskustelun kokemuksella, jossa voimme unohtaa siirtymät eri sovellusten, ikkunoiden ja laitteiden välillä. Käytämme kieltä, universaalia ja tuttua viestintäprotokollaamme, ollaksemme vuorovaikutuksessa erilaisten virtuaalisten avustajien (VA:iden) kanssa ja suorittaaksemme tehtävämme.
Keskustelukäyttöliittymät eivät ole aivan uutta kuumaa tavaraa. Interaktiiviset äänivastausjärjestelmät (IVR) ja chatbotit ovat olleet käytössä 1990-luvulta lähtien, ja NLP:n suuria edistysaskeleita on seurannut tiiviisti toivon aallot ja ääni- ja chat-rajapintojen kehitys. Kuitenkin ennen LLM:ien aikaa suurin osa järjestelmistä toteutettiin symbolisessa paradigmassa, joka perustui sääntöihin, avainsanoihin ja keskustelumalleihin. Ne rajoittuivat myös tiettyyn, ennalta määriteltyyn "kompetenssi"-alueeseen, ja niiden ulkopuolelle lähtevät käyttäjät joutuisivat pian umpikujaan. Kaiken kaikkiaan näitä järjestelmiä louhittiin mahdollisilla vikapisteillä, ja muutaman turhauttavan yrityksen jälkeen monet käyttäjät eivät koskaan palanneet niihin. Seuraava kuva havainnollistaa esimerkkidialogista. Käyttäjä, joka haluaa tilata lippuja tiettyyn konserttiin, käy kärsivällisesti läpi yksityiskohtaisen kuulusteluvirran, mutta lopulta huomaa, että konsertti on loppuunmyyty.
Mahdollistavana teknologiana LLM:t voivat viedä keskustelurajapinnat uudelle laadun ja käyttäjätyytyväisyyden tasolle. Keskustelujärjestelmät voivat nyt näyttää paljon laajempaa maailmantietoa, kielitaitoa ja keskustelukykyä. Valmiiksi koulutettuja malleja hyödyntäen niitä voidaan kehittää myös paljon lyhyemmässä ajassa, koska ikävä työ sääntöjen, avainsanojen ja dialogien kokoamisessa on nyt korvattu LLM:n tilastotiedolla. Katsotaanpa kahta näkyvää sovellusta, joissa keskustelullinen tekoäly voi tarjota arvoa mittakaavassa:
- ASIAKASPALVELU ja yleisemmin sovellukset, joita käyttää suuri määrä käyttäjiä, jotka tekevät usein samanlaisia pyyntöjä. Tässä asiakastukea tarjoavalla yrityksellä on selkeä tietoetu käyttäjään verrattuna, ja se voi hyödyntää tätä luodakseen intuitiivisemman ja nautittavamman käyttökokemuksen. Harkitse lennon uudelleenvarausta. Itselleni, melko usein lentäjälle, tämä tapahtuu 1-2 kertaa vuodessa. Sillä välin minulla on tapana unohtaa prosessin yksityiskohdat, puhumattakaan tietyn lentoyhtiön käyttöliittymästä. Sitä vastoin lentoyhtiön asiakastuella on uudelleenvarauspyyntöjä toiminnan edessä ja keskellä. Sen sijaan, että uudelleenvarausprosessi paljastettaisiin monimutkaisen graafisen käyttöliittymän kautta, sen logiikka voidaan "piilottaa" asiakkailta, jotka ottavat yhteyttä tukeen, ja he voivat käyttää kieltä luonnollisena kanavana uudelleenvarauksen tekemisessä. Tietysti vähemmän tuttuja pyyntöjä on edelleen "pitkä häntä". Kuvittele esimerkiksi spontaani mielialan vaihtelu, joka pakottaa yritysasiakkaan lisäämään rakkaan koiransa ylimääräiseksi matkatavaraksi varatulle lennolle. Nämä yksilöllisemmät pyynnöt voidaan välittää ihmisagenteille tai kattaa virtuaaliassistenttiin yhdistetyn sisäisen tiedonhallintajärjestelmän kautta.
- Tietohallinto joka perustuu suureen tietomäärään. Monille nykyaikaisille yrityksille vuosien toiminnassa, iteroinnissa ja oppimisessa kertynyt sisäinen tieto on ydinvoimavara ja erottava tekijä – jos sitä tallennetaan, hallitaan ja käytetään tehokkaasti. Yhteistyötyökaluihin, sisäisiin wikeihin, tietokantoihin jne. piilotettua dataa ei useinkaan pysty muuttamaan käyttökelpoiseksi tiedoksi. Kun työntekijät lähtevät, uusia työntekijöitä otetaan mukaan, etkä koskaan tule viimeistelemään kolme kuukautta sitten aloittamaasi dokumentaatiosivua, arvokas tieto joutuu entropian uhriksi. On yhä vaikeampaa löytää tie sisäisen datalabyrintin läpi ja saada käsiisi tietyssä liiketoimintatilanteessa tarvittavat tiedonpalat. Tämä johtaa tietotyöntekijöiden valtaviin tehokkuustappioihin. Tämän ongelman ratkaisemiseksi voimme täydentää LLM:itä semanttisella haulla sisäisistä tietolähteistä. LLM:t antavat mahdollisuuden käyttää luonnollisen kielen kysymyksiä monimutkaisten muodollisten kyselyjen sijaan kysyäkseen kysymyksiä tätä tietokantaa vastaan. Käyttäjät voivat siten keskittyä tietotarpeisiinsa tietokannan rakenteeseen tai kyselykielen, kuten SQL:n, syntaksiin. Koska nämä järjestelmät ovat tekstipohjaisia, ne toimivat datan kanssa rikkaassa semanttisessa tilassa ja muodostavat merkityksellisiä yhteyksiä "konepellin alla".
Näiden tärkeiden sovellusalueiden lisäksi on olemassa lukuisia muita sovelluksia, kuten etäterveys, mielenterveysavustajat ja koulutus chatbotit, jotka voivat virtaviivaistaa käyttökokemusta ja tuoda arvoa käyttäjilleen nopeammin ja tehokkaammin.
Jos tästä perusteellisesta opetussisällöstä on hyötyä sinulle, voit tilaa AI-tutkimuksen postituslista hälytys, kun julkaisemme uutta materiaalia.
2. data
LLM:itä ei alun perin ole koulutettu osallistumaan sujuvaan small talkiin tai laajempiin keskusteluihin. Sen sijaan he oppivat luomaan seuraavan merkin jokaisessa päättelyvaiheessa, jolloin tuloksena on lopulta johdonmukainen teksti. Tämä matalan tason tavoite on erilainen kuin ihmisten keskustelun haaste. Keskustelu on uskomattoman intuitiivista ihmisille, mutta siitä tulee uskomattoman monimutkaista ja vivahteikas, kun haluat opettaa koneen siihen. Tarkastellaanpa esimerkiksi aikomusten peruskäsitettä. Kun käytämme kieltä, teemme sen tiettyyn tarkoitukseen, joka on kommunikaatiotarkoituksemme – se voi olla tiedon välittäminen, seurustelu tai pyytää jotakuta tekemään jotain. Vaikka kaksi ensimmäistä ovat melko yksinkertaisia LLM:lle (niin kauan kuin se on nähnyt vaaditut tiedot tiedoista), jälkimmäinen on jo haastavampi. LLM:n ei vain tarvitse yhdistää ja jäsentää liittyvää tietoa johdonmukaisella tavalla, vaan sen on myös asetettava oikea tunnesävy pehmeiden kriteerien, kuten muodollisuuden, luovuuden, huumorin jne. suhteen. Tämä on haaste keskustelun suunnittelulle. (vrt. osa 5), joka on kiinteästi kietoutunut hienosäätödatan luomiseen.
Siirtyminen klassisen kielen sukupolvelta tiettyjen viestintätarkoitusten tunnistamiseen ja niihin vastaamiseen on tärkeä askel kohti keskustelujärjestelmien parempaa käytettävyyttä ja hyväksyntää. Kuten kaikki hienosäätöyritykset, tämä alkaa sopivan tietojoukon kokoamisesta.
Hienosäätödatan tulee olla mahdollisimman lähellä (tulevaa) reaalimaailman datajakaumaa. Ensinnäkin sen pitäisi olla keskustelu (dialogi) dataa. Toiseksi, jos virtuaalinen avustajasi on erikoistunut tiettyyn toimialueeseen, sinun tulee yrittää koota hienosäätötietoja, jotka kuvastavat tarvittavaa verkkotunnuksen tietämystä. Kolmanneksi, jos sovelluksessasi on tyypillisiä työnkulkuja ja pyyntöjä, jotka toistuvat usein, kuten asiakastuen tapauksessa, yritä sisällyttää niistä erilaisia esimerkkejä harjoitustietoihisi. Seuraavassa taulukossa on esimerkki keskustelun hienosäätötiedoista 3K-keskustelujen tietojoukko ChatBotille, joka on vapaasti saatavilla Kagglessa:
Keskustelutietojen luominen manuaalisesti voi olla kallista – joukkoistaminen ja LLM:ien käyttö tiedon tuottamisessa ovat kaksi tapaa laajentaa toimintaa. Kun dialogitiedot on kerätty, keskustelut on arvioitava ja kommentoitava. Näin voit näyttää sekä positiivisia että negatiivisia esimerkkejä mallillesi ja työntää sitä kohti "oikeiden" keskustelujen ominaisuuksia. Arviointi voi tapahtua joko absoluuttisilla pisteillä tai eri vaihtoehtojen järjestyksillä keskenään. Jälkimmäinen lähestymistapa johtaa tarkempiin hienosäätötietoihin, koska ihmiset ovat yleensä parempia asettamaan useita vaihtoehtoja paremmuusjärjestykseen kuin arvioimaan niitä erikseen.
Kun tietosi ovat paikoillaan, olet valmis hienosäätämään malliasi ja rikastuttamaan sitä lisäominaisuuksilla. Seuraavassa osiossa tarkastelemme hienosäätöä, lisätietojen integrointia muistista ja semanttisesta hausta sekä agenttien yhdistämistä keskustelujärjestelmääsi, jotta se voi suorittaa tiettyjä tehtäviä.
3. Keskustelujärjestelmän kokoaminen
Tyypillinen keskustelujärjestelmä on rakennettu keskusteluagentin avulla, joka ohjaa ja koordinoi järjestelmän komponentteja ja ominaisuuksia, kuten LLM, muisti ja ulkoiset tietolähteet. Keskustelevien tekoälyjärjestelmien kehittäminen on erittäin kokeellinen ja empiirinen tehtävä, ja kehittäjäsi ovat jatkuvassa edestakaisissa tietojen optimoinnin, hienosäätöstrategian parantamisen, lisäkomponenteilla ja parannuksilla pelaamisen ja tulosten testaamisen välillä. . Ei-tekniset tiimin jäsenet, mukaan lukien tuotepäälliköt ja UX-suunnittelijat, testaavat tuotetta jatkuvasti. Asiakkaiden etsintätoimintojensa perusteella heillä on hyvät mahdollisuudet ennakoida tulevien käyttäjien keskustelutyyliä ja -sisältöä, ja heidän tulisi aktiivisesti edistää tätä tietämystä.
3.1 Keskustelutaitojen opettaminen LLM:lle
Hienosäätöä varten tarvitset hienosäätötietosi (vrt. osa 2) ja valmiiksi koulutetun LLM:n. LLM:t tietävät jo paljon kielestä ja maailmasta, ja haasteemme on opettaa heille keskustelun periaatteet. Hienosäädössä kohdeulostulot ovat tekstejä ja malli optimoidaan tuottamaan mahdollisimman samanlaisia tekstejä kuin mahdollista. Valvottua hienosäätöä varten sinun on ensin määriteltävä selkeästi keskustelullinen tekoälytehtävä, jonka haluat mallin suorittavan, kerättävä tiedot ja suoritettava ja iteroitava hienosäätöprosessi.
LLM:ien ympärillä olevan hypetyksen myötä on syntynyt erilaisia hienosäätömenetelmiä. Melko perinteinen esimerkki keskustelun hienosäädöstä löytyy LaMDA-mallin kuvauksesta.[1] LaMDA hienosäädettiin kahdessa vaiheessa. Ensinnäkin dialogitietoja käytetään mallin keskustelutaitojen opettamiseen ("generatiivinen" hienosäätö). Sen jälkeen annotaattorien tietojen arvioinnin aikana tuottamia tarroja käytetään luokittajien kouluttamiseen, jotka voivat arvioida mallin tuotoksia haluttujen attribuuttien mukaan, joita ovat järkevyys, spesifisyys, kiinnostavuus ja turvallisuus ("diskriminatiivinen" hienosäätö). Näitä luokittajia käytetään sitten ohjaamaan mallin käyttäytymistä kohti näitä attribuutteja.
Lisäksi faktapohjaisuus – kyky maadoittaa tuotoksensa uskottavalla ulkoisella tiedolla – on LLM:n tärkeä ominaisuus. Tosiperusteisuuden varmistamiseksi ja hallusinaatioiden minimoimiseksi LaMDA hienosäädettiin tietojoukolla, joka sisältää kutsuja ulkoiseen tiedonhakujärjestelmään aina, kun ulkopuolista tietoa tarvitaan. Näin malli oppi ensin hakemaan faktatietoa aina, kun käyttäjä teki uutta tietoa vaativan kyselyn.
Toinen suosittu hienosäätötekniikka on RLHF (Reforcement Learning from Human Feedback)[2]. RLHF "uudelleenohjaa" LLM:n oppimisprosessin suoraviivaisesta, mutta keinotekoisesta seuraavan merkin ennustetehtävästä kohti ihmisen mieltymysten oppimista tietyssä kommunikaatiotilanteessa. Nämä ihmisen mieltymykset on koodattu suoraan harjoitustietoihin. Annotointiprosessin aikana ihmisille esitetään kehotteita, jotka joko kirjoittavat halutun vastauksen tai luokittelevat sarjan olemassa olevia vastauksia. LLM:n käyttäytyminen optimoidaan sitten vastaamaan ihmisen mieltymyksiä.
3.2 Ulkoisten tietojen lisääminen ja semanttinen haku
Sen lisäksi, että kokoat keskusteluja mallin hienosäätöä varten, saatat haluta parantaa järjestelmääsi erityisillä tiedoilla, joita voidaan hyödyntää keskustelun aikana. Järjestelmäsi saattaa esimerkiksi tarvita pääsyn ulkoisiin tietoihin, kuten patentteihin tai tieteellisiin julkaisuihin, tai sisäisiin tietoihin, kuten asiakasprofiileihin tai tekniseen dokumentaatioosi. Tämä tehdään tavallisesti semanttisella haulla (tunnetaan myös nimellä haku lisätty sukupolvi tai RAG)[3]. Lisätiedot tallennetaan tietokantaan semanttisten upotusten muodossa (vrt. Tämä artikkeli upotusten selitys ja lisäviitteet). Kun käyttäjäpyyntö saapuu, se esikäsitellään ja muunnetaan semanttiseksi upotukseksi. Semanttinen haku tunnistaa sitten pyynnön kannalta oleellisimmat asiakirjat ja käyttää niitä kehotteen kontekstina. Integroimalla lisätiedot semanttiseen hakuun, voit vähentää hallusinaatioita ja tarjota hyödyllisempiä, tosiasioihin perustuvia vastauksia. Päivittämällä upotustietokantaa jatkuvasti voit myös pitää järjestelmäsi tiedot ja vastaukset ajan tasalla ilman jatkuvaa hienosäätöprosessia.
3.3 Muisti ja kontekstitietoisuus
Kuvittele, että menet juhliin ja tapaat Peterin, lakimiehen. Innostut ja alat esitellä laillista chatbotia, jota aiot rakentaa. Peter näyttää kiinnostuneelta, nojaa sinua kohti, nyökkää ja nyökkää. Jossain vaiheessa haluat kuulla hänen mielipiteensä siitä, haluaisiko hän käyttää sovellustasi. Kaunopuheisuuttasi kompensoivan informatiivisen lausunnon sijaan kuulet: "Hmm... mitä tämä sovellus taas teki?"
Ihmisten välinen kirjoittamaton kommunikaatiosopimus edellyttää, että kuuntelemme keskustelukumppaneitamme ja rakennamme omia puheaktioitamme vuorovaikutuksen aikana yhdessä luomaamme kontekstiin. Sosiaalisissa ympäristöissä tämän yhteisymmärryksen syntyminen on luonteenomaista hedelmälliselle, rikastuttavalle keskustelulle. Arkipäiväisemmissä ympäristöissä, kuten ravintolapöydän varaamisessa tai junalippujen ostamisessa, se on ehdottoman välttämätöntä tehtävän suorittamiseksi ja käyttäjälle odotetun arvon tuottamiseksi. Tämä edellyttää, että avustajasi tuntee nykyisen keskustelun, mutta myös aiempien keskustelujen historian – sen ei esimerkiksi pitäisi kysyä käyttäjän nimeä ja muita henkilökohtaisia tietoja jatkuvasti, kun hän aloittaa keskustelun.
Yksi kontekstitietoisuuden ylläpitämisen haasteista on coreference-resoluutio eli sen ymmärtäminen, mihin esineisiin pronomineilla viitataan. Ihmiset käyttävät intuitiivisesti monia kontekstuaalisia vihjeitä tulkitessaan kieltä – voit esimerkiksi pyytää pientä lasta: "Ota vihreä pallo punaisesta laatikosta ja tuo se minulle", niin lapsi tietää, että tarkoitat palloa. , ei laatikkoa. Virtuaaliassistenteille tämä tehtävä voi olla melko haastava, kuten seuraava dialogi osoittaa:
assistentti: Kiitos, varaan nyt lentosi. Haluaisitko myös tilata aterian lennolle?
Käyttäjä: Hmm… voinko päättää myöhemmin, haluanko sen?
assistentti: Valitettavasti tätä lentoa ei voi muuttaa tai peruuttaa myöhemmin.
Tässä avustaja ei tunnista tätä pronominia it käyttäjältä ei viittaa lentoon, vaan ateriaan, mikä vaatii toisen iteroinnin tämän väärinkäsityksen korjaamiseksi.
3.4 Lisäsuojakaiteet
Aina silloin tällöin, jopa paras LLM käyttäytyy väärin ja tekee hallusinaatioita. Monissa tapauksissa hallusinaatiot ovat pelkkiä tarkkuusongelmia – ja no, sinun on hyväksyttävä, että mikään tekoäly ei ole 100 % tarkka. Muihin tekoälyjärjestelmiin verrattuna käyttäjän ja tekoälyn välinen "etäisyys" on melko pieni käyttäjän ja tekoälyn välillä. Pelkkä tarkkuusongelma voi nopeasti muuttua myrkylliseksi, syrjiväksi tai yleisesti haitalliseksi katsotuksi. Lisäksi, koska LLM:t eivät ymmärrä yksityisyyttä, he voivat myös paljastaa arkaluontoisia tietoja, kuten henkilökohtaisia tunnistetietoja (PII). Voit torjua tätä käyttäytymistä käyttämällä lisäsuojakaiteita. Työkalujen, kuten Guardrails AI, Rebuff, NeMo Guardrails ja Microsoft Guidance, avulla voit poistaa järjestelmäsi riskit laatimalla lisävaatimuksia LLM-ulostuloille ja estämällä ei-toivotut lähdöt.
Keskustelevassa tekoälyssä on mahdollista useita arkkitehtuureja. Seuraava kaavio näyttää yksinkertaisen esimerkin siitä, kuinka hienosäädetty LLM, ulkoiset tiedot ja muisti voidaan integroida keskusteluagentilla, joka vastaa myös nopeasta rakenteesta ja suojakaiteista.
4. Käyttökokemus ja keskustelullinen suunnittelu
Keskusteluliittymien viehätys piilee niiden yksinkertaisuudessa ja yhdenmukaisuudessa eri sovelluksissa. Jos käyttöliittymien tulevaisuus on, että kaikki sovellukset näyttävät enemmän tai vähemmän samalta, onko UX-suunnittelijan työ tuomittu? Ei todellakaan – keskustelu on taidetta, joka on opetettava LLM:llesi, jotta se voi käydä keskusteluja, jotka ovat hyödyllisiä, luonnollisia ja mukavia käyttäjillesi. Hyvä keskustelumuotoilu syntyy, kun yhdistämme tietomme ihmispsykologiasta, lingvistiikasta ja UX-suunnittelusta. Seuraavassa tarkastelemme ensin kahta perusvalintaa keskustelujärjestelmää rakentaessamme, nimittäin käytätkö ääntä ja/tai chattia sekä järjestelmäsi laajempaa kontekstia. Sitten tarkastelemme itse keskusteluja ja katsomme, kuinka voit suunnitella avustajasi persoonallisuutta samalla kun opetat sitä osallistumaan hyödyllisiin ja yhteistyöhaluisiin keskusteluihin.
4.1 Ääni vs. chat
Keskusteluliittymät voidaan toteuttaa chatin tai äänen avulla. Lyhyesti sanottuna ääni on nopeampi, kun taas chatin avulla käyttäjät voivat pysyä yksityisenä ja hyötyä rikastetuista käyttöliittymän toiminnoista. Sukellaan hieman syvemmälle kahteen vaihtoehtoon, koska tämä on yksi ensimmäisistä ja tärkeimmistä päätöksistä, jotka kohtaat keskustelusovellusta rakentaessasi.
Jos haluat valita kahdesta vaihtoehdosta, harkitse ensin fyysistä asetusta, jossa sovellustasi käytetään. Miksi esimerkiksi lähes kaikki autojen keskustelujärjestelmät, kuten Nuance Communicationsin tarjoamat, perustuvat ääneen? Koska kuljettajan kädet ovat jo kiireisiä ja he eivät voi jatkuvasti vaihtaa ohjauspyörän ja näppäimistön välillä. Tämä koskee myös muita toimintoja, kuten ruoanlaittoa, jolloin käyttäjät haluavat pysyä toimintojensa virrassa käyttäessään sovellustasi. Autot ja keittiöt ovat enimmäkseen yksityisiä, joten käyttäjät voivat kokea äänivuorovaikutuksen iloa murehtimatta yksityisyydestä tai muiden häiritsemisestä. Sitä vastoin, jos sovellustasi on tarkoitus käyttää julkisissa tiloissa, kuten toimistossa, kirjastossa tai rautatieasemalla, ääni ei ehkä ole ensimmäinen valintasi.
Kun olet ymmärtänyt fyysisen ympäristön, harkitse emotionaalista puolta. Ääntä voidaan käyttää tarkoituksellisesti sävyn, mielialan ja persoonallisuuden välittämiseen – lisääkö tämä arvoa kontekstisiisi? Jos rakennat sovellustasi vapaa-ajan käyttöön, ääni saattaa lisätä hauskuustekijää, kun taas mielenterveysassistentti voi mukautua enemmän empatiaan ja mahdollistaa vaikeuksissa olevalle käyttäjälle laajemman ilmaisun. Sitä vastoin, jos sovelluksesi auttaa käyttäjiä ammattimaisessa ympäristössä, kuten kaupankäynnissä tai asiakaspalvelussa, anonyymisempi, tekstipohjainen vuorovaikutus voi auttaa tekemään objektiivisempia päätöksiä ja säästää vaivatta liiallisen tunnekokemuksen suunnittelusta.
Seuraavaksi mieti toiminnallisuutta. Tekstipohjaisen käyttöliittymän avulla voit rikastuttaa keskusteluja muun median, kuten kuvien ja graafisten käyttöliittymäelementtien, kuten painikkeiden, kanssa. Esimerkiksi verkkokaupan assistentissa sovellus, joka ehdottaa tuotteita julkaisemalla niiden kuvat ja jäsennellyt kuvaukset, on paljon käyttäjäystävällisempi kuin se, joka kuvaa tuotteita puheella ja mahdollisesti antaa niiden tunnisteet.
Lopuksi puhutaan puhekäyttöliittymän rakentamisen suunnittelu- ja kehityshaasteista:
- Puheentunnistuksessa on lisävaihe, joka tapahtuu ennen kuin käyttäjän syötteitä voidaan käsitellä LLM:illä ja Natural Language Processingilla (NLP).
- Ääni on henkilökohtaisempi ja tunteellisempi viestintäväline – näin ollen vaatimukset johdonmukaisen, sopivan ja nautinnollisen persoonan suunnittelulle virtuaaliassistenttisi taakse ovat korkeammat, ja sinun on otettava huomioon muita "äänisuunnittelun" tekijöitä, kuten sointi. , stressi, äänensävy ja puhenopeus.
- Käyttäjät odottavat, että puhekeskustelusi etenee samalla nopeudella kuin ihmisten keskustelu. Jotta voit tarjota luonnollisen vuorovaikutuksen puheen avulla, tarvitset paljon lyhyemmän viiveen kuin chatissa. Ihmiskeskusteluissa tyypillinen ero käännösten välillä on 200 millisekuntia — Tämä nopea vastaus on mahdollista, koska alamme rakentaa vuorojamme samalla kun kuuntelemme kumppanimme puhetta. Ääniavustajasi on vastattava tämän tason sujuvuutta vuorovaikutuksessa. Sitä vastoin chatbotit kilpailevat sekuntien aikajänteillä, ja jotkut kehittäjät jopa lisäävät ylimääräistä viivettä saadakseen keskustelun tuntumaan kirjoitetulta keskustelulta ihmisten välillä.
- Puheviestintä on lineaarinen, kertaluonteinen yritys – jos käyttäjäsi ei ymmärtänyt, mitä sanoit, sinulla on edessään työläs, virhealtis selvennyssilmukka. Näin ollen vuorojesi tulee olla mahdollisimman ytimekkäitä, selkeitä ja informatiivisia.
Jos valitset ääniratkaisun, varmista, että et vain ymmärrä selkeästi keskustelun edut, vaan sinulla on myös taidot ja resurssit vastata näihin lisähaasteisiin.
4.2 Missä keskusteleva tekoäly asuu?
Tarkastellaan nyt laajempaa kontekstia, johon voit integroida keskustelullisen tekoälyn. Me kaikki tunnemme yrityksen verkkosivustojen chatbotit – ne näytön oikealla puolella olevat widgetit, jotka avautuvat, kun avaamme yrityksen verkkosivuston. Henkilökohtaisesti useammin kuin ei, intuitiivinen reaktioni on etsiä Sulje-painiketta. Miksi niin? Ensimmäisten yritysten "keskustella" näiden robottien kanssa olen oppinut, että ne eivät voi täyttää tarkempia tietovaatimuksia, ja loppujen lopuksi minun täytyy silti käydä läpi verkkosivustoa. Tarinan moraali? Älä rakenna chatbotia, koska se on siistiä ja trendikästä, vaan rakentaa se, koska olet varma, että se voi luoda lisäarvoa käyttäjillesi.
Yrityksen verkkosivuston kiistanalaisen widgetin lisäksi on olemassa useita jännittäviä yhteyksiä niiden yleisempien chatbottien integroimiseen, jotka ovat tulleet mahdollisiksi LLM:ien kanssa:
- Ohjaajat: Nämä avustajat ohjaavat ja neuvovat sinua tietyissä prosesseissa ja tehtävissä, kuten GitHub CoPilot ohjelmointiin. Normaalisti perämies on "sidottu" tiettyyn sovellukseen (tai pieneen sarjaan liittyviä sovelluksia).
- Synteettiset ihmiset (myös digitaaliset ihmiset): Nämä olennot "emuloivat" todellisia ihmisiä digitaalisessa maailmassa. He näyttävät, toimivat ja puhuvat kuin ihmiset ja tarvitsevat siksi myös runsaasti keskustelukykyä. Synteettisiä ihmisiä käytetään usein mukaansatempaavissa sovelluksissa, kuten pelaamisessa, sekä lisätyssä ja virtuaalitodellisuudessa.
- Digitaaliset kaksoset: Digitaaliset kaksoset ovat digitaalisia "kopioita" todellisista prosesseista ja esineistä, kuten tehtaista, autoista tai moottoreista. Niitä käytetään simuloimaan, analysoimaan ja optimoimaan todellisen kohteen suunnittelua ja käyttäytymistä. Luonnollisen kielen vuorovaikutus digitaalisten kaksosten kanssa mahdollistaa sujuvamman ja monipuolisemman pääsyn dataan ja malleihin.
- Tietokannat: Nykyään tietoa on saatavilla mistä tahansa aiheesta, olipa kyseessä sijoitussuositukset, koodinpätkät tai koulutusmateriaalit. Usein on vaikeaa löytää erittäin tarkat tiedot, joita käyttäjät tarvitsevat tietyssä tilanteessa. Tietokantojen graafiset rajapinnat ovat joko liian karkearakeisia tai loputtomien haku- ja suodatinwidgetien peitossa. Monipuoliset kyselykielet, kuten SQL ja GraphQL, ovat vain niiden käyttäjien käytettävissä, joilla on vastaavat taidot. Keskusteluratkaisujen avulla käyttäjät voivat kysyä tietoja luonnollisella kielellä, kun taas pyynnöt käsittelevä LLM muuntaa ne automaattisesti vastaavaksi kyselykieleksi (vrt. Tämä artikkeli Text2SQL:n selitystä varten).
4.3 Persoonallisuuden painaminen avustajaasi
Ihmisinä olemme valmiita antropomorfisoimaan, eli tuomaan lisää inhimillisiä piirteitä, kun näemme jotain, joka muistuttaa epämääräisesti ihmistä. Kieli on yksi ihmiskunnan ainutlaatuisimmista ja kiehtovimmista kyvyistä, ja keskustelutuotteet yhdistetään automaattisesti ihmisiin. Ihmiset kuvittelevat henkilön näytönsä tai laitteensa taakse – ja on hyvä käytäntö olla jättämättä tätä henkilöä käyttäjien mielikuvituksen varaan, vaan antaa sille johdonmukainen persoonallisuus, joka on linjassa tuotteesi ja brändisi kanssa. Tätä prosessia kutsutaan "persoonasuunnitteluksi".
Ensimmäinen askel persoonasuunnittelussa on ymmärtää ne luonteenpiirteet, jotka haluat persoonaasi näyttävän. Ihannetapauksessa tämä tehdään jo harjoitustietojen tasolla – esimerkiksi RLHF:tä käytettäessä voit pyytää tekijöitäsi luokittelemaan tiedot ominaisuuksien, kuten avuliaisuuden, kohteliaisuuden, hauskanpidon jne. mukaan, jotta mallia painottuisi kohti. halutut ominaisuudet. Nämä ominaisuudet voidaan yhdistää brändisi attribuutteihin luodaksesi yhtenäisen kuvan, joka jatkuvasti edistää brändäystäsi tuotekokemuksen kautta.
Yleisten ominaisuuksien lisäksi sinun tulee myös miettiä, kuinka virtuaaliassistentti käsittelee erityistilanteita "onnellisen polun" ulkopuolella. Miten se esimerkiksi vastaa käyttäjien pyyntöihin, jotka eivät kuulu sen soveltamisalaan, vastaa itseään koskeviin kysymyksiin ja käsittelee loukkaavaa tai mautonta kieltä?
On tärkeää kehittää persoonallesi selkeät sisäiset ohjeet, joita datan kirjoittajat ja keskustelusuunnittelijat voivat käyttää. Näin voit suunnitella persoonaasi tarkoituksenmukaisella tavalla ja pitää sen johdonmukaisena koko tiimissäsi ja ajan mittaan, kun sovelluksesi käy läpi useita iteraatioita ja tarkennuksia.
4.4 Hyödyllisen keskustelun tekeminen "yhteistyöperiaatteella"
Onko sinulla koskaan ollut sellainen vaikutelma, että puhuisit tiiliseinään puhuessasi ihmisen kanssa? Joskus huomaamme, että keskustelukumppanimme eivät vain ole kiinnostuneita johtamaan keskustelua menestykseen. Onneksi useimmissa tapauksissa asiat sujuvat paremmin ja ihmiset noudattavat intuitiivisesti kielifilosofi Paul Gricen esittelemää "yhteistyön periaatetta". Tämän periaatteen mukaan ihmiset, jotka kommunikoivat keskenään onnistuneesti, noudattavat neljää maksimia, nimittäin määrää, laatua, merkitystä ja tapaa.
Maksimi määrä
Määrän maksimi pyytää puhujaa olemaan informatiivinen ja antamaan panoksensa niin informatiiviseksi kuin tarvitaan. Virtuaaliassistentin puolella tämä tarkoittaa myös keskustelun aktiivista eteenpäin viemistä. Harkitse esimerkiksi tätä katkelmaa verkkokaupan muotisovelluksesta:
assistentti: Millaisia vaatteita etsit?
Käyttäjä: Etsin oranssia mekkoa.
Assistentti: Älä: Valitettavasti meillä ei ole tällä hetkellä oransseja mekkoja.
Tee: Valitettavasti meillä ei ole oransseja mekkoja, mutta meillä on tämä upea ja erittäin mukava mekko keltaisena: …
Käyttäjä toivoo voivansa jättää sovelluksestasi sopivan esineen. Keskustelun keskeyttäminen, koska sinulla ei ole kohteita, jotka sopisivat tarkkaan kuvaukseen, tappaa onnistumisen mahdollisuuden. Jos sovelluksesi kuitenkin ehdottaa vaihtoehtoisia kohteita, se näyttää hyödyllisemmältä ja jättää onnistuneen vuorovaikutuksen vaihtoehdon avoimeksi.
Erityisesti puhevuorovaikutuksissa on tärkeää löytää oikea tasapaino kaiken tiedon, jota käyttäjä voi tarvita menestyäkseen, välillä, mutta ei hukuttaa häntä tarpeettomalla tiedolla, joka saattaisi hämärtää vuorovaikutusta.
Laadun maksimi
Laadun maksiimi pyytää puhujia olemaan totuudenmukaisia ja olemaan sanomatta asioita, jotka he uskovat olevan vääriä tai joista heillä ei ole riittävää näyttöä. Tähän liittyy paljon subjektiivisuutta ja henkilökohtaista uskomusta – näin ollen tätä maksiimia ei voida suoraan projisoida LLM:ihin. Kuten olemme nähneet, LLM:illä on taipumus hallusinoida, ja tämä riski on erityisen suuri, kun keskustelu ajautuu vähemmän tutuille alueille. Lisäsuojakaiteita voidaan käyttää harhaanjohtavien lausuntojen välttämiseksi ja keskustelun palauttamiseksi raiteilleen.
Relevanssin maksimi
Relevanssimaksiimi pyytää meitä olemaan – no, relevantteja. Edellytyksenä on, että virtuaaliassistentin on ymmärrettävä käyttäjän todellinen tarkoitus. Tässä on esimerkki lentoyhtiön avustajasta, joka rikkoo tätä sääntöä:
Käyttäjä: Tarvitsen lennon Berliinistä Zürichiin huomenna aamulla.
assistentti: OK, löysin seuraavat lennot Berliinistä Zürichiin huomiseksi aamuksi. Lento BZ36294 lähtee Berliinistä klo 6.30 ja saapuu Zürichiin klo 8. Lento BZ96294 lähtee Berliinistä klo 8 ja saapuu klo 9.30. Lento BZ96294 lähtee Berliinistä klo 8 ja saapuu Zürichiin klo 9.30. Lento BZ95614 lähtee Berliinistä klo 11 ja saapuu Zürichiin klo 12.30. On myös mahdollisuus jatkolennolle, jolloin lähdet Berliinistä klo 11.45 ja saavut Zürichiin klo 3.
Käyttäjä: Anteeksi… voisitko toistaa tämän uudelleen?
Assistentti ylittää käyttäjän yksityiskohtaisilla tiedoilla, jotka eivät ehkä ole olennaisia. Purkamalla tämän ja ohjaamalla käyttäjää rajoittamaan hakutilaa dialogista tulee paljon helpompi sulattaa:
Käyttäjä: Tarvitsen lennon Berliinistä Zürichiin huomenna aamulla.
assistentti: Ok, löysin lennot, jotka lähtevät klo 6.30, 8 ja 11. Mihin aikaan haluaisit lähteä?
Käyttäjä: Minun täytyy olla Zürichissä ennen yhdeksää.
assistentti: OK, joten voit lentää lennolla BZ36294. Se lähtee klo 6.30 ja saapuu klo 8. Pitäisikö minun ostaa lippu sinulle?
Käyttäjä: Kyllä kiitos.
Maksimi tapa
Lopuksi tavan maksiimi sanoo, että puhetoimiemme tulee olla selkeitä, ytimekkäitä ja säännöllisiä välttäen epäselvyyttä ja ilmaisun epäselvyyttä. Virtuaaliassistenttisi tulee välttää teknistä tai sisäistä ammattikieltä ja suosia yksinkertaisia, yleisesti ymmärrettäviä muotoiluja.
Vaikka Gricen periaatteet ovat voimassa kaikissa keskusteluissa tietystä toimialueesta riippumatta, LLM:t, joita ei ole koulutettu erityisesti keskusteluun, eivät usein täytä niitä. Harjoitteludataa kootaessa on siis tärkeää, että sinulla on tarpeeksi dialoginäytteitä, joiden avulla mallisi oppii nämä periaatteet.
Keskustelusuunnittelun ala kehittyy melko nopeasti. Olitpa jo rakentamassa tekoälytuotteita tai harkitset urapolkuasi tekoälyn parissa, rohkaisen sinua kaivamaan tätä aihetta syvemmälle (vrt. erinomaiset esittelyt kohdista [5] ja [6]). Tekoälyn muuttuessa hyödykkeeksi hyvästä suunnittelusta yhdessä puolustettavan datastrategian kanssa tulee kaksi tärkeää tekoälytuotteiden erottajaa.
Yhteenveto
Tehdään yhteenveto artikkelin tärkeimmistä huomioista. Lisäksi kuvassa 5 on "huijauslehti", jossa on pääkohdat, jotka voit ladata viitteeksi.
- LLM:t parantavat keskustelullista tekoälyä: Suuret kielimallit (LLM) ovat parantaneet merkittävästi keskustelupohjaisten tekoälysovellusten laatua ja skaalautuvuutta eri toimialoilla ja käyttötapauksissa.
- Keskusteleva tekoäly voi tuoda paljon lisäarvoa sovelluksille, joilla on paljon samankaltaisia käyttäjien pyyntöjä (esim. asiakaspalvelu) tai jotka tarvitsevat pääsyn suureen määrään jäsentämätöntä dataa (esim. tiedonhallinta).
- Data: LLM:ien hienosäätö keskustelutehtäviä varten vaatii korkealaatuista keskusteludataa, joka heijastaa tarkasti todellista vuorovaikutusta. Crowdsourcing ja LLM:n tuottamat tiedot voivat olla arvokkaita resursseja tiedonkeruun skaalauksessa.
- Järjestelmän kokoaminen: Keskustelevien tekoälyjärjestelmien kehittäminen on iteratiivinen ja kokeellinen prosessi, joka sisältää jatkuvaa tietojen optimointia, strategioiden hienosäätöä ja komponenttien integrointia.
- Keskustelutaitojen opettaminen LLM:ille: LLM:ien hienosäätö sisältää heidän kouluttamisen tunnistamaan ja reagoimaan tiettyihin kommunikatiivisiin tarkoituksiin ja tilanteisiin.
- Ulkoisen tiedon lisääminen semanttisella haulla: Ulkoisten ja sisäisten tietolähteiden integrointi semanttisella haulla parantaa tekoälyn vastauksia tarjoamalla kontekstuaalisesti merkityksellisempää tietoa.
- Muisti ja kontekstitietoisuus: Tehokkaiden keskustelujärjestelmien on säilytettävä kontekstitietoisuus, mukaan lukien nykyisen keskustelun ja aiempien vuorovaikutusten historian seuranta, jotta voidaan tarjota mielekkäitä ja johdonmukaisia vastauksia.
- Suojakaiteiden asettaminen: Vastuullisen käytöksen varmistamiseksi keskustelun tekoälyjärjestelmien tulisi käyttää suojakaiteita epätarkkuuksien, hallusinaatioiden ja yksityisyyden loukkausten estämiseksi.
- Persoonasuunnittelu: Johdonmukaisen persoonan suunnittelu keskusteluavustajallesi on olennaista yhtenäisen ja brändillisen käyttökokemuksen luomiseksi. Persoonallisuuden ominaisuuksien tulee vastata tuotteesi ja brändisi ominaisuuksia.
- Ääni vs. chat: Valinta puhe- ja chat-rajapintojen välillä riippuu tekijöistä, kuten fyysisestä ympäristöstä, tunnetilanteesta, toimivuudesta ja suunnittelun haasteista. Harkitse näitä tekijöitä, kun päätät keskustelullisen tekoälyn käyttöliittymästä.
- Integrointi eri yhteyksissä: Keskusteleva tekoäly voidaan integroida erilaisiin yhteyksiin, mukaan lukien perämiesten, synteettisten ihmisten, digitaalisten kaksosten ja tietokantojen käyttötapaukset ja -vaatimukset.
- Yhteistyöperiaatteen noudattaminen: Määrän, laadun, osuvuuden ja tavan periaatteiden noudattaminen keskusteluissa voi tehdä vuorovaikutuksesta keskustelun tekoälyn kanssa hyödyllisempää ja käyttäjäystävällisempää.
Viitteet
[1] Heng-Tze Chen et ai. 2022. LaMDA: Kohti turvallisia, maadoitettuja ja laadukkaita dialogimalleja kaikkeen.
[2] OpenAI. 2022. ChatGPT: Kielimallien optimointi dialogia varten. Haettu 13. tammikuuta 2022.
[3] Patrick Lewis et ai. 2020. Retrieval-Augmented Generation for Information-Intensive NLP Tasks.
[4] Paul Grice. 1989. Studies in the Way of Words.
[5] Cathy Pearl. 2016. Voice-käyttöliittymien suunnittelu.
[6] Michael Cohen et ai. 2004. Voice User Interface Design.
Huomautus: Kaikki kuvat ovat tekijän omia, ellei toisin mainita.
Tämä artikkeli julkaistiin alunperin Kohti datatieteitä ja julkaistu uudelleen TOPBOTS: lle tekijän luvalla.
Nautitko tästä artikkelista? Tilaa lisää AI-tutkimuspäivityksiä.
Ilmoitamme sinulle, kun julkaisemme lisää tämänkaltaisia yhteenvetoartikkeleita.
liittyvä
- SEO-pohjainen sisällön ja PR-jakelu. Vahvista jo tänään.
- PlatoData.Network Vertical Generatiivinen Ai. Vahvista itseäsi. Pääsy tästä.
- PlatoAiStream. Web3 Intelligence. Tietoa laajennettu. Pääsy tästä.
- PlatoESG. hiili, CleanTech, energia, ympäristö, Aurinko, Jätehuolto. Pääsy tästä.
- PlatonHealth. Biotekniikan ja kliinisten kokeiden älykkyys. Pääsy tästä.
- Lähde: https://www.topbots.com/redefining-conversational-ai-with-large-language-models/
- :on
- :On
- :ei
- :missä
- $ YLÖS
- 1
- 10
- 11
- 110
- 12
- 125
- 13
- 14
- 17
- 200
- 2016
- 2020
- 2022
- 30
- 32
- 35%
- 41
- 65
- 7
- 70
- 8
- 9
- a
- kyvyt
- kyky
- Meistä
- absoluuttinen
- Hyväksyä
- hyväksyminen
- pääsy
- Accessed
- saatavilla
- majoittaa
- suorittaa
- Mukaan
- Tili
- kerätä
- tarkkuus
- tarkka
- poikki
- Toimia
- aktiivisesti
- toiminta
- toiminta
- säädökset
- todella
- lisätä
- lisää
- lisä-
- lisäinformaatio
- Lisäksi
- osoite
- Hyväksyminen
- ennakot
- Etu
- etuja
- neuvoa
- Jälkeen
- uudelleen
- vastaan
- Agentti
- aineet
- sitten
- AI
- ai tutkimusta
- AI-järjestelmät
- lentoyhtiö
- AL
- kohdista
- linjassa
- Kaikki
- sallia
- mahdollistaa
- melkein
- pitkin
- jo
- Myös
- vaihtoehto
- vaihtoehdot
- am
- epäselvyys
- keskuudessa
- an
- analysoida
- ja
- anonyymi
- Toinen
- ennakoida
- Kaikki
- sovelluksen
- näyttää
- Hakemus
- sovellukset
- sovelletaan
- lähestymistapa
- sopiva
- sovellukset
- OVAT
- alueet
- noin
- Saapuu
- Art
- artikkeli
- artikkelit
- keinotekoinen
- AS
- kysyä
- pyytäminen
- arvioida
- arvioitu
- arviointi
- etu
- auttaa
- Avustaja
- avustajat
- liittyvä
- At
- yrityksiä
- huomio
- attribuutteja
- lisätä
- täydennetty
- kirjoittaja
- automaattisesti
- saatavissa
- välttää
- välttämällä
- tietoisuus
- pois
- takaisin
- takaisin raiteilleen
- Balance
- pallo
- pohja
- perustua
- perustiedot
- BE
- koska
- tulevat
- tulee
- ollut
- ennen
- takana
- ovat
- usko
- Uskoa
- rakastettu
- hyödyttää
- berliini
- PARAS
- parhaat käytännöt
- Paremmin
- välillä
- Jälkeen
- puolueellisuus
- Bitti
- esto
- kirja
- sekä
- botit
- Laatikko
- merkki
- merkkituotteiden
- branding
- rikkomisesta
- Breaking
- tuoda
- laajempaa
- toi
- rakentaa
- Luo chatbot
- Rakentaminen
- rakennettu
- liiketoiminta
- kiireinen
- mutta
- nappia
- painikkeet
- Ostetaan
- Ostaminen
- by
- nimeltään
- Puhelut
- tuli
- CAN
- peruttu
- ei voi
- kyvyt
- Ura
- autot
- tapaus
- tapauksissa
- Cathy
- keskus
- haaste
- haasteet
- haastava
- mahdollisuus
- muuttunut
- Kanava
- merkki
- ominaisuudet
- karakterisoi
- chatbot
- chatbots
- ChatGPT
- chen
- lapsi
- valinta
- valintoja
- valita
- selkeä
- selvästi
- lähellä
- tarkasti
- Vaatetus
- pilvi
- koodi
- Cohen
- JOHDONMUKAINEN
- yhtenäinen
- yhteistyö
- kokoelma
- yhdistää
- Tulla
- tulee
- mukava
- hyödyke
- tiedottaa
- Viestintä
- Yhteydenpito
- Yritykset
- yritys
- verrattuna
- kilpailla
- monimutkainen
- komponentti
- osat
- konsertti
- suppea
- Suorittaa
- kytketty
- Kytkeminen
- Liitännät
- Harkita
- ottaen huomioon
- johdonmukainen
- vakio
- alituisesti
- rakentamalla
- rakentaminen
- ottaa yhteyttä
- pitoisuus
- tausta
- yhteyksissä
- asiayhteyteen
- jatkuvasti
- sopimus
- kontrasti
- edistävät
- edistää
- osuus
- kiistanalainen
- Keskustelu
- puhekielen
- keskusteleva AI
- Keskustelurajapinnat
- keskustelut
- ruoanlaitto
- Viileä
- yhteistyö
- osuuskunta
- Ydin
- vastaava
- voisi
- Pari
- kurssi
- katettu
- luoda
- Luominen
- luovuus
- olentoja
- uskottava
- kriteerit
- crowdsourcing
- Nykyinen
- Tällä hetkellä
- käyrä
- asiakas
- Asiakaspalvelu
- Asiakaspalvelu
- Asiakkaat
- tiedot
- tietostrategia
- tietokanta
- tietokannat
- kuollut
- sopimus
- vuosikymmeninä
- päättää
- Päätetään
- päätökset
- syvempää
- määritellä
- ehdottomasti
- Aste
- viivyttää
- riippuu
- kuvaus
- Malli
- Suunnittelija
- suunnittelijat
- suunnittelu
- haluttu
- yksityiskohtainen
- yksityiskohdat
- kehittää
- kehitetty
- kehittäjille
- kehittämällä
- Kehitys
- laite
- Laitteet
- Vuoropuhelu
- Vuoropuhelu
- eri
- erottelija
- vaikea
- DIG
- Sulattaa
- digitaalinen
- Digitaaliset kaksoset
- digitaalinen maailma
- suoraan
- löytö
- näyttö
- jakelu
- sukellus
- do
- dokumentointi
- asiakirjat
- ei
- Koira
- tekee
- verkkotunnuksen
- tehty
- Dont
- Tuhoon tuomittu
- download
- kuljettaja
- kaksi
- aikana
- e
- verkkokaupan
- E&T
- kukin
- helpompaa
- koulutus-
- Tehokas
- tehokkuus
- tehokas
- myöskään
- elementtejä
- upottamisen
- syntyi
- syntyminen
- syntyy
- Empatia
- työntekijää
- valtuuttaa
- mahdollistaa
- kannustaa
- loppu
- pyrkii
- Loputon
- sitoutua
- Moottorit
- parantaa
- parannuksia
- Parantaa
- nautittava
- tarpeeksi
- rikastuttaa
- rikastettu
- rikastuttava
- varmistaa
- yritys
- erityisesti
- olennainen
- jne.
- arviointiin
- Jopa
- lopulta
- EVER
- näyttö
- täsmälleen
- esimerkki
- Esimerkit
- erinomainen
- Paitsi
- liika
- innoissaan
- jännittävä
- suorittaa
- olemassa
- odottaa
- odotettu
- kallis
- experience
- kokeellinen
- Selittää
- selitys
- lauseke
- ulkoinen
- Kasvot
- tekijä
- tehtaat
- tekijät
- tosiasiallinen
- FAIL
- epäonnistuu
- Epäonnistuminen
- Falls
- väärä
- tuttu
- lumoava
- Muoti
- nopeampi
- palaute
- tuntea
- Kuva
- suodattaa
- viimeistellä
- Löytää
- Etunimi
- sovittaa
- Korjata
- lento
- Lennot
- virtaus
- Virtaava
- virrat
- Keskittää
- seurata
- seurannut
- jälkeen
- varten
- muoto
- muodollinen
- muotoilu
- Onneksi
- Eteenpäin
- löytyi
- neljä
- tiheä
- usein
- alkaen
- etuosa
- turhauttava
- Täyttää
- hauska
- toiminnallisuus
- perus-
- edelleen
- tulevaisuutta
- pelaamista
- kuilu
- kerätä
- general
- yleensä
- tuottaa
- sukupolvi
- saada
- GitHub
- tietty
- Go
- Goes
- menee
- hyvä
- graphql
- suuri
- Vihreä
- Maa
- ohjaus
- ohjaavat
- suuntaviivat
- HAD
- käsissä
- tapahtua
- tapahtuu
- Kova
- haitallinen
- Olla
- he
- terveys
- kuulla
- auttaa
- hyödyllinen
- hänen
- tätä
- kätketty
- Korkea
- korkealaatuisia
- korkeampi
- erittäin
- hänen
- historia
- Osuma
- kokonaisvaltainen
- toivoa
- toivoo
- KUUMA
- Miten
- Kuitenkin
- HTML
- http
- HTTPS
- valtava
- ihmisen
- Ihmiset
- Huumori
- mainostemppu
- i
- ihannetapauksessa
- tunnisteet
- tunnistaa
- if
- havainnollistaa
- kuva
- kuvien
- mielikuvituksen
- kuvitella
- mukaansatempaava
- täytäntöön
- tärkeä
- parani
- parantaminen
- in
- perusteellinen
- sisältää
- Mukaan lukien
- sisällyttää
- Kasvaa
- uskomattoman
- itsenäisesti
- henkilökohtainen
- teollisuuden
- aiheuttaa
- tiedot
- informatiivinen
- luontainen
- ensimmäinen
- aloittaa
- tuloa
- sen sijaan
- yhdistää
- integroitu
- Integrointi
- integraatio
- tahallisuus
- tarkoituksella
- olla vuorovaikutuksessa
- vuorovaikutus
- vuorovaikutukset
- vuorovaikutteinen
- Interaktiiviset äänivastausjärjestelmät
- kiinnostunut
- liitäntä
- rajapinnat
- sisäinen
- kietoutuvat
- tulee
- esitellä
- käyttöön
- esittely
- esittelyt
- intuitiivinen
- investointi
- sijoitussuosituksia
- osallistuva
- liittyy
- johon
- eristäminen
- kysymys
- kysymykset
- IT
- kohdetta
- iteraatio
- toistojen
- SEN
- itse
- IVR:t
- tammikuu
- ammattikieli
- Job
- yhteinen
- jpg
- vain
- Pitää
- avain
- avainsanat
- Tapaa
- laji
- Tietää
- tuntemus
- Tietämyksen hallinta
- tunnettu
- tarrat
- labyrintti
- Lack
- Kieli
- kielet
- suuri
- laaja
- suurempi
- Viive
- myöhemmin
- lakimies
- johtava
- Liidit
- OPPIA
- oppinut
- oppiminen
- jättää
- jättäen
- Perintö
- juridinen
- LEND
- vähemmän
- antaa
- Taso
- tasot
- Vaikutusvalta
- velkarahalla
- vipuvaikutuksen
- Lewis
- Kirjasto
- piilee
- pitää
- RAJOITA
- rajallinen
- kielitiede
- Kuunteleminen
- elää
- logiikka
- Pitkät
- katso
- näköinen
- ulkonäkö
- tappiot
- Erä
- erien
- kone
- tehty
- postitus
- tärkein
- ylläpitää
- ylläpitäminen
- merkittävä
- tehdä
- TEE
- Tekeminen
- onnistui
- johto
- hallintajärjestelmä
- Päättäjät
- tapa
- monet
- markkinat
- markkinamahdollisuuksia
- ottelu
- Hyväksytty
- materiaali
- tarvikkeet
- max-width
- Maksiimi
- me
- tarkoittaa
- mielekäs
- välineet
- Media
- keskikokoinen
- kokous
- Jäsenet
- Muisti
- henkinen
- Henkinen terveys
- menetelmät
- Michael
- Microsoft
- ehkä
- millisekuntia
- louhittu
- harhaanjohtava
- väärinkäsitys
- malli
- mallit
- Moderni
- hetki
- kk
- mieliala
- moraalinen
- lisää
- tehokkaampi
- aamu
- eniten
- enimmäkseen
- liikkuvat
- paljon
- moninkertainen
- paljous
- täytyy
- my
- itse
- nimi
- nimittäin
- Luonnollinen
- Luonnollinen kieli
- Luonnollinen kielen käsittely
- välttämätön
- välttämättömyys
- Tarve
- tarvitaan
- tarpeet
- negatiivinen
- ei ikinä
- Uusi
- uusi sovellus
- seuraava
- NLP
- Nro
- ei-teknisiä
- Ei eristetty
- Normaalisti
- huomattava
- Käsite
- nyt
- Vivahde
- numero
- useat
- pähkinänkuori
- objekti
- tavoite
- esineet
- of
- pois
- kampanja
- tarjotaan
- Tarjoukset
- Office
- usein
- on
- kerran
- ONE
- vain
- avata
- OpenAI
- toiminta
- Operations
- Lausunto
- Mahdollisuudet
- Tilaisuus
- optimointi
- Optimoida
- optimoitu
- optimoimalla
- Vaihtoehto
- Vaihtoehdot
- or
- Oranssi
- tilata
- alun perin
- Muut
- Muuta
- muuten
- meidän
- ulos
- lähdöt
- ulkopuolella
- yli
- liian
- ylivoimainen
- oma
- sivulla
- paperit
- paradigma
- kumppani
- puolue
- Hyväksytty
- Ohi
- Patentit
- polku
- kärsivällisesti
- patrick
- kuviot
- Paavali
- Ihmiset
- varten
- koettu
- suorittaa
- lupa
- henkilö
- henkilöstö
- Persoonallisuus
- Henkilökohtaisesti
- Pietari
- fyysinen
- poimia
- kuvat
- pii
- pikeys
- Paikka
- tavallinen
- suunnittelu
- Platon
- Platonin tietotieto
- PlatonData
- pelaa
- Kohta
- pistettä
- kehno
- pop
- Suosittu
- sijainti
- positiivinen
- mahdollisuus
- mahdollinen
- mahdollinen
- mahdollisesti
- harjoitusta.
- käytännöt
- ennustus
- mieltymykset
- esitetty
- estää
- periaate
- periaatteet
- yksityisyys
- yksityinen
- jatkaa
- prosessi
- jalostettu
- Prosessit
- käsittely
- valmistettu
- Tuotteet
- Tuotteemme
- ammatillinen
- Profiilit
- Ohjelmointi
- ennustetaan
- näkyvä
- edistää
- protokolla
- toimittaa
- tarjoaa
- tarjoamalla
- Psykologia
- julkinen
- julkaistu
- tarkoitus
- Työnnä
- työntää
- laatu
- määrä
- kyselyt
- kysymykset
- nopeasti
- sijoitus
- Sijoitus
- pikemminkin
- reaktio
- valmis
- todellinen
- todellinen maailma
- Todellisuus
- tunnustaminen
- tunnistaa
- tunnustaa
- suosituksia
- toistuva
- punainen
- uudelleenmäärittely
- vähentää
- katso
- viite
- viittaukset
- tarkoitettuja
- viittaa
- heijastaa
- heijastaa
- vahvistaminen oppiminen
- liittyvä
- vapauta
- Merkitys
- merkityksellinen
- luottaen
- jäädä
- toistaa
- korvataan
- vastata
- pyyntö
- pyynnöt
- tarvitaan
- vaatimukset
- Vaatii
- tutkimus
- Muistuttaa
- päätöslauselma
- Esittelymateriaalit
- Vastata
- vastaamisen
- vastaus
- vasteet
- vastuullinen
- Ravintola
- Saatu ja
- tulokset
- paljastaa
- Rikas
- oikein
- Riski
- Sääntö
- säännöt
- ajaa
- turvallista
- Turvallisuus
- Said
- sama
- tyytyväisyys
- tallennettu
- sanoa
- skaalautuvuus
- Asteikko
- skaalaus
- tieteellinen
- laajuus
- tulokset
- Näytön
- Haku
- Toinen
- sekuntia
- Osa
- nähdä
- nähneet
- sensible
- Sarjat
- palvelu
- setti
- asetus
- settings
- useat
- shouldnt
- näyttää
- esitetty
- Näytä
- puoli
- merkki
- merkittävästi
- samankaltainen
- Yksinkertainen
- yksinkertaisuus
- koska
- Istuminen
- tilanne
- tilanteita
- taitoja
- pieni
- tasaisempi
- pätkä
- So
- sosiaalinen
- seurustella
- Pehmeä
- myyty
- ratkaisu
- Ratkaisumme
- jonkin verran
- Joku
- jotain
- joskus
- Pian
- Lähteet
- Tila
- jännevälien
- puhua
- Kaiutin
- kaiuttimet
- puhuminen
- erikoistunut
- erityinen
- erityisesti
- erityispiirteet
- puhe
- Puheentunnistus
- nopeus
- SQL
- Alkaa
- alkoi
- alkaa
- Lausunto
- lausuntoja
- Valtiot
- asema
- tilastollinen
- pysyä
- ohjata
- ohjaus
- ohjauspyörä
- Vaihe
- Askeleet
- Yhä
- pysäyttäminen
- tallennettu
- Tarina
- suora
- strategiat
- Strategia
- tehostaa
- stressi
- rakenne
- jäsennelty
- opinnot
- tyyli
- merkittävä
- menestys
- onnistunut
- Onnistuneesti
- niin
- Ehdottaa
- sopiva
- sviitti
- yhteenveto
- YHTEENVETO
- tuki
- varma
- Keinu
- Vaihtaa
- symbolinen
- syntaksi
- synteettinen
- järjestelmä
- järjestelmät
- taulukko
- ottaa
- Takeaways
- Puhua
- puhuminen
- hanat
- Kohde
- tavoitteet
- Tehtävä
- tehtävät
- opettanut
- Opetus
- joukkue-
- Ryhmän jäsenet
- Tekninen
- tekniikka
- Elektroniikka
- telehealth
- ehdot
- alueiden
- Testaus
- teksti
- kuin
- Kiitos
- että
- -
- Tulevaisuus
- tiedot
- maailma
- heidän
- Niitä
- itse
- sitten
- Siellä.
- Nämä
- ne
- asiat
- ajatella
- Ajattelu
- kolmas
- tätä
- ne
- kolmella
- Kautta
- Näin
- lippu
- liput
- aika
- kertaa
- että
- yhdessä
- symbolinen
- huomenna
- TONE
- liian
- työkalut
- TOPBOTIT
- aihe
- kohti
- kohti
- raita
- Seuranta
- kaupankäynti
- perinteinen
- Juna
- koulutettu
- koulutus
- Muuttaa
- transformoitu
- siirtyminen
- siirtymät
- lähettää
- laukeaa
- totta
- yrittää
- VUORO
- Kääntyminen
- kääntyy
- Kaksoset
- kaksi
- tyypillinen
- ui
- läpikäy
- ymmärtää
- ymmärrettävä
- ymmärtäminen
- unique
- Yleismaailmallinen
- yleisesti
- ajanmukainen
- Päivitykset
- päivittäminen
- us
- käytettävyys
- käyttää
- käytetty
- käyttäjä
- Käyttäjäkokemus
- Käyttöliittymä
- käyttöliittymän suunnittelu
- helppokäyttöinen
- Käyttäjät
- käyttötarkoituksiin
- käyttämällä
- ux
- UX-suunnittelu
- ux-suunnittelija
- ux suunnittelijat
- pätevä
- arvokas
- arvo
- lajike
- eri
- monipuolinen
- Vastaan
- hyvin
- kautta
- Uhri
- Virtual
- virtuaaliassistentti
- Virtuaalitodellisuus
- Ääni
- Ääniassistentti
- vs
- vulgaari
- W3
- Seinä
- haluta
- haluaa
- oli
- aallot
- Tapa..
- tavalla
- we
- Rikkaus
- Verkkosivu
- sivustot
- HYVIN
- olivat
- Mitä
- Mikä on
- Pyörä
- kun
- aina kun
- onko
- joka
- vaikka
- KUKA
- miksi
- tulee
- ikkunat
- with
- ilman
- sanoja
- Referenssit
- työntekijöitä
- maailman-
- huolestuttava
- olisi
- kirjoittaa
- vuosi
- vuotta
- keltainen
- te
- nuori
- Sinun
- zephyrnet
- Zurich