지식 봇

올해 초 저는 지식을 창출해야하는 과제가있었습니다. 포구 엔터프라이즈 급 플랫폼 용. 사용자는 주로 조직의 직원이며 지식을 사용하려는 의도 포구 플랫폼의 제공 및 사용을 공유합니다.

시장에는 상당히 많은 프레임 워크 (각각 고유 한 장단점이 있음)가 있으므로 만들려는 봇의 종류에 따라 올바른 프레임 워크를 선택하는 것이 매우 중요합니다. 지식 봇을 만드는 경우 일반적인 요구 사항은 다음과 같습니다.

1. 지식의 주요 목적 포구 안내 채팅을 통해 오퍼링에 대한 정보를 제공하는 것입니다. 사용자가 원하는 경우, 그는 안내 식 채팅에서 나와 서비스에 대해 임시 질문을하고 안내 식 채팅으로 돌아갈 수 있어야합니다.

2. 지식 봇은 제품 데모 예약과 같은 간단한 작업을 수행 할 수 있어야합니다.

3. 지식 봇은 ~ 70–80 % 정확한 답변으로 매우 광범위한 도메인을 다루지 않고 선택한 도메인 (이 경우 플랫폼 제공)에 대한 올바른 정보를 처음에 올바르게 제공해야합니다.

4. NLU를 수행하고 사용자 요청을 이해하는 기능을 제공해야하지만 이러한 요청의 전반적인 중요도는 제한적입니다. 따라서 일반적으로 지식 봇의 경우 상황 별 채팅에 대한 요구 사항이 거의 없습니다.

비용, 유연성, 사용 용이성, 유지 보수성, 확장 성, 개발 용이성, 향후 확장 성, 통합, 커뮤니티 지원의 매개 변수에 대해 시장에서 사용 가능한 챗봇 프레임 워크를 평가하기 시작했으며 2 개 미만의 플랫폼에 집중했습니다.

i) Rasa —“Rasa는 대규모 개인화 대화를위한 선도적 인 대화 형 AI 플랫폼입니다. Rasa를 사용하면 모든 팀이 대규모로 고객과 개인화되고 자동화 된 상호 작용을 생성 할 수 있습니다. Rasa는 고객이 비즈니스와 통신하는 방식을 의미있게 변화시키는 최고의 비서 구축에 필요한 인프라 및 도구를 제공합니다. " — Rasa의 사이트에서.

— 두드러진 특징은 다음과 같습니다 —

• 제공되는 NLU 기반, 기본 NLU 엔진은 오픈 소스입니다.
• 오픈 소스 (제한된 기능) 및 유료 엔터프라이즈 라이선스 (추가 기능)가 모두 제공됩니다.
• 개발자를 향한 챗봇의 생성.
• 외부 API 호출, 의도 식별, 슬롯 채우기 등과 같은 고급 기능을 지원합니다.
• 웹 사이트에 삽입 할 수 있습니다. 온 프레미스 / 클라우드 배포. 스토리 및 교육 데이터 (개발자 중심)를 사용하여 챗봇을 생성하는 것은 웹 기반 GUI 프레임 워크를 통하지 않습니다.
• 좋은 커뮤니티 지원.
• 플랫폼은 AI를 중심으로 구축되며 학습 데이터가 성능 향상의 핵심입니다. 흐름 기반이 아니기 때문에 약간의 블랙 박스.

ii) Botpress —“Botpress는 개발자가 고품질 디지털 비서를 구축 할 수있는 오픈 소스 플랫폼입니다. 챗봇을 시작하고 실행하는 데 필요한 상용구 코드와 인프라를 모았습니다. 기록적인 시간 내에 프로덕션 등급 챗봇을 구축, 배포 및 관리하는 데 필요한 모든 도구와 함께 제공되는 완전한 개발 친화적 인 플랫폼을 제안합니다. " — Botpress 사이트에서.

— 두드러진 특징은 –-

• 제공되는 NLU 기반, 기본 NLU 엔진은 오픈 소스입니다.
• 오픈 소스 (제한된 기능) 및 유료 엔터프라이즈 라이선스 (추가 기능)가 모두 제공됩니다.
• GUI 기반 챗봇 생성.
• 외부 API 호출, 인 텐트 및 엔티티 식별, 슬롯 채우기 등과 같은 고급 기능을 지원합니다.
• 웹 사이트에 삽입 할 수 있습니다. 온 프레미스 / 클라우드 배포이지만 웹 인터페이스를 제공합니다.
• 좋은 커뮤니티 지원.
• 주로 NLU 기능을 지원하는 흐름 기반. 디버거 지원 및 제어.

Rasa의 주요 강점은 NLU 엔진과 그것이 제공하는 상황 별 채팅 경험에 있습니다. 상황에 따라 사용자의 각 입력이 진행중인 대화의 맥락에서 취해진 다음 응답을 의미합니다. 그러나 이러한 대화를 올바르게 수행하기 위해 봇을 훈련하려면 많은 노력, 계산 및 기술이 필요하며 대화 영역이 증가함에 따라 작성해야하는 총 스토리 수가 기하 급수적으로 증가합니다.

반면에 Botpress는 AI와 규칙 기반 엔진을 혼합하여 사용자를위한 채팅 경험을 만듭니다. 상황에 맞는 대화에 그다지 강하지는 않지만 안내 정보를 제공하기위한 풍부한 GUI 제공이 있습니다.

선임 데이터 과학자 인 동안 제 초기 느낌은 Rasa (상황 별 AI 제공이 매력적으로 들리는 것을 알고 있음)와 함께하는 것이었지만 당면한 작업과 관련하여 장단점을 평가 한 후에는 Botpress가 생성에 더 적합하다는 것을 알았습니다. IT 프로젝트에서 일반적으로 사용하는 시간 및 리소스 제약을 고려할 때 규칙 기반 가이드 투어 및 NLU 기반 임시 질문 (Botpress의 QnA 기능)이 결합 된 지식 봇.

다음은 지식 봇 개발자가 봇 프레임 워크에서 확인해야하는 기능입니다. 또한 Botpress가이를 어떻게 충족하는지 언급했습니다.

1. 챗봇 트렌드 보고서 2021

2. 챗봇 NLP 모델 훈련을위한 4 가지해야 할 일과하지 말아야 할 것 3 가지

3. 컨시어지 봇 : 하나의 채팅 화면에서 여러 챗봇 처리

4. 전문가 시스템 : 대화 형 AI 대 챗봇

개발 용이성 — 지식 봇의 기본 버전을 얼마나 빨리 시작하고 실행할 수 있습니까? 매우 전문화 된 기술이 필요합니까? 아니면 시민 데이터 과학자도 작업 할 수 있습니까? 봇의 브랜드 변경이 얼마나 쉬운가요?

Botpress를 사용하면 몇 주 안에 코딩없이 GUI를 사용하여 기본 지식 봇을 시작하고 실행할 수 있습니다. 또한 스타일 시트를 변경하여 봇을 브랜딩하는 간단한 방법을 제공합니다. GUI 풍부한 방식으로 정보를 공유 할 수 있도록 카드 및 carousal과 같은 위젯을 제공합니다.

통합 — 봇은 항상 기본 포털과 통합되어야하며 다른 채널 (예 : Microsoft Team)도 지원해야합니다. 봇 프레임 워크를 선택하는 동안 이러한 통합이 기본적으로 제공되고 최소한의 노력으로 수행 될 수 있는지 확인해야합니다.

Botpress에서 메인 사이트와의 통합은 iframe에서 봇을 여는 단일 스크립트만으로 매우 쉽습니다. 또한 Facebook, Telegram, Microsoft Teams 및 Slack과 같은 다른 채널과의 통합을 제공합니다.

향후 확장 성 — 초기 지식 봇은 제한된 범위에서 시작될 수 있지만 사실은 경영진이 이점을 인식하면 범위가 계속 증가 할 것입니다. 봇은 더 이상 정보 제공에 국한되지 않고 데모 예약과 같은 더 간단한 작업을 수행 할 것으로 예상됩니다. 따라서 선택한 봇 프레임 워크가 이러한 기능을 지원하는 것이 중요합니다.

Botpress는 복잡한 작업을 수행하기 위해 백엔드 API를 호출하는 사용자 지정 코드를 작성하는 확장을 제공합니다. Intent, Entity 및 슬롯과 같은 기능은 올바른 엔티티를 식별하여 특정 작업을 수행하려는 사용자의 의도를 포착하고 슬롯을 사용하여 필요한 값을 캡처 한 다음 사용자 정의 코드가 작업을 수행하기 위해 백엔드 API를 호출하도록하는 데 사용됩니다. 이러한 작업은 이메일을 보내는 것에서부터 회의실이나 비행기 표를 예약하거나 피자를 주문하는 것까지 다양합니다.

확장성 — 종종 인터넷 트래픽을위한 지식 봇을 구축해야하므로 선택한 봇 프레임 워크를 확장 할 수있는 것이 매우 중요합니다.

Botpress에는 클러스터 기반의 수평 확장 가능한 아키텍처가 있습니다. 로드 밸런서를 활용하여 봇간에 트래픽을 분산 할 수 있습니다.

유지 보수성 — 모든 IT 프로젝트와 마찬가지로 배포 후 잊어 버리는 시나리오가 아닙니다. 우리는 프로덕션에 애플리케이션을 지속적으로 배포하는 DevOps의 세계에 살고 있습니다. 따라서 특히 GUI 기반 개발을 찾고있을 때 봇 프레임 워크에 규모와 복잡성을 다루는 모델이 있다는 것이 가장 중요합니다.

Botpress에서 개발은 순서도를 생성하여 이루어지며 구조는 모듈 식입니다. 하위 흐름에 대해 정의 된 시작 및 종료 지점이있는 하위 흐름을 만드는 기능이 있습니다. 이렇게하면 하나의 큰 흐름 대신 더 간단하고 작은 흐름을 많이 사용하여 지식 봇을 만들 수 있습니다.

NLU — 안내 흐름은 정보 제공에 적합하지만 그것만으로는 충분하지 않습니다. 봇을 제공하는 주된 목적은 사용자가 봇 뒤에 개인이 앉아있는 것처럼 채팅 할 수 있어야한다는 것입니다. 이는 봇이 언어의 뉘앙스를 이해하고 적절한 응답을 제공 할 수 있어야 함을 의미합니다.

Botpress에는 사용자가 제품에 대해 물어볼 수있는 임의의 질문에 응답 할 수있는 QnA 모듈이 있습니다. 답변에 대해 여러 질문을 제공하고 Botpress NLU 엔진을 훈련하여 의미론과 문법에 대해 질문을 무력화 할 수 있습니다. NLU 엔진은 Rasa만큼 강력하지는 않지만 그 목적에 맞는다는 것을 알았습니다. ~ 110 개의 질문에 대해 학습 할 약 1100 개의 답변이있었습니다. 훈련 후, NLU 엔진이 괜찮은 일을했고 97 % 이상의 시간 동안 올바른 답을 얻었습니다. Botpress NLU 엔진은 2 가지 서비스를 사용합니다.

a) Duckling — 엔티티 및 슬롯을 기반으로 작업을 구현하는 동안 더 강력하게 만드는 시스템 엔티티 추출 (예 : 피자 주문 또는 항공권 예약).

b) 언어 서버 — 단어 임베딩을 제공하고 여러 언어를 지원합니다.

컨텍스트 전환 — 임시 질문을하는 것과 안내 된 흐름을 취하는 것 사이의 전환이 원활해야합니다. 흐름은 길지 않아야하며 사용자에게 질문을 한 다음 필요할 때마다 다시 흐름으로 돌아갈 수있는 중단 점을 제공해야합니다.

Botpress에서 제공하는 'flow wide transitions'기능을 사용하면 가이드 투어와 무작위 질문 사이의 컨텍스트 전환을 쉽게 구현할 수 있습니다. 또한 질문 및 답변 섹션에서 Botpress는 가이드 투어의 일부인 노드로 돌아갈 수있는 기능을 제공하여 사용자를 가이드 투어로 다시 안내합니다.

다국어 기능, Dockerization, Human In the loop, 타사 NLU 사용, SSO 통합, 클러스터링, 모니터링 및 변경, 전체 경험을 더욱 강력하게 만들 수있는 강력한 커뮤니티 지원과 같은 Botpress의 다른 기능이 있습니다.

요약 — 다음에 단기간에 지식 봇을 구축하고자 할 때 규칙 기반 엔진과 NLU 기반 엔진을 모두 활용하는 봇 프레임 워크를 고려하십시오. Botpress는 특히 비용과 ROI가 의사 결정 요소 인 경우 강력한 경쟁자입니다.

아비나브 아즈메라

Atos 선임 데이터 과학자

저자의 의견은 개인적이며 저자는 Botpress와 관련이 없습니다.

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