Kennisbots

Eerder dit jaar had ik de taak om kennis te creëren snuit voor een platform op bedrijfsniveau. De gebruikers waren primair de medewerkers van de organisatie en het was de bedoeling om de kennis te gebruiken snuit om het aanbod en gebruik van het platform te delen.

Er zijn nogal wat frameworks op de markt (elk met zijn eigen voor- en nadelen), daarom is het erg belangrijk dat je het juiste framework selecteert, afhankelijk van het soort bot dat je wilt maken. In het geval van het maken van de kennisbots zijn de typische vereisten -

1. Het belangrijkste doel van de kennis snuit is om de informatie over het aanbod te verstrekken via een begeleide chat. Als de gebruiker dat wenst, moet hij uit de begeleide chat kunnen komen en adhoc vragen kunnen stellen over het aanbod en terug kunnen gaan naar de begeleide chat.

2. De kennisbot moet eenvoudige taken kunnen uitvoeren, zoals het boeken van een demo van het product.

3. De kennisbot moet de juiste informatie over het geselecteerde domein (in dit geval platformaanbod) de eerste keer correct verstrekken in plaats van een zeer breed domein te bestrijken met antwoorden die ~ 70-80% correct zijn.

4. Hoewel het de mogelijkheid moet bieden om NLU uit te voeren en gebruikersvragen te begrijpen, is de algehele kritiek van die vragen beperkt. Als zodanig is er over het algemeen weinig behoefte aan contextueel chatten voor het geval van een kennisbot.

Ik ben begonnen met het evalueren van de beschikbare chatbot-frameworks in de markt op de parameters van kosten, flexibiliteit, gebruiksgemak, onderhoudbaarheid, schaalbaarheid, ontwikkelgemak, toekomstige uitbreidbaarheid, integratie, gemeenschapsondersteuning en richtte me op minder dan 2 platforms -

i) Rasa - “Rasa is het toonaangevende AI-platform voor conversaties, voor gepersonaliseerde gesprekken op schaal. Met Rasa kunnen alle teams gepersonaliseerde, geautomatiseerde interacties met klanten creëren, op schaal. Rasa biedt infrastructuur en tools die nodig zijn voor het bouwen van de allerbeste assistenten, die de manier waarop klanten communiceren met bedrijven op een zinvolle manier transformeren. " - van Rasa's site.

- Opvallende kenmerken zijn onder meer -

• Op NLU gebaseerde, standaard geleverde NLU-engine is open source.
• Wordt geleverd met zowel open source (beperkte functies) als betaalde bedrijfslicentie (meer functies).
• Oprichting van chatbots die meer naar ontwikkelaars neigen.
• Ondersteunt geavanceerde functies zoals het aanroepen van externe API, Intent Identification, Slot-vullen etc.
• Kan in website worden ingesloten. Implementatie op locatie / cloud. Het creëren van chatbots met behulp van verhalen en trainingsgegevens (gericht op ontwikkelaars) is niet via een webgebaseerd GUI-framework.
• Goede gemeenschapsondersteuning.
• Platform is gebouwd rond AI, waarbij trainingsgegevens essentieel zijn om de prestaties te verbeteren. Geen flow-based dus een beetje black box.

ii) Botpress - “Botpress is een open-sourceplatform voor ontwikkelaars om hoogwaardige digitale assistenten te bouwen. We hebben de standaardcode en infrastructuur samengesteld die je nodig hebt om een ​​chatbot aan de gang te krijgen. We stellen je een compleet ontwikkelvriendelijk platform voor dat wordt geleverd met alle tools die je nodig hebt om in recordtijd chatbots van productiekwaliteit te bouwen, te implementeren en te beheren. " - van Botpress-site.

- Opvallende kenmerken zijn onder meer –-

• Op NLU gebaseerde, standaard geleverde NLU-engine is open source.
• Wordt geleverd met zowel open source (beperkte functies) als betaalde bedrijfslicentie (meer functies).
• GUI-gebaseerde creatie van chatbots.
• Ondersteunt geavanceerde functies zoals het aanroepen van externe API, intentie- en entiteitsidentificatie, sleufvulling enz.
• Kan in website worden ingesloten. Implementatie op locatie / cloud, maar met webinterface.
• Goede gemeenschapsondersteuning.
• Voornamelijk Flow-gebaseerd met ondersteuning voor NLU-mogelijkheid. Debugger ondersteuning en controle.

De belangrijkste kracht van Rasa ligt in de NLU-engine en de contextuele chatervaring die het biedt. Met contextueel bedoel ik dat elke input van de gebruiker wordt genomen in de context van het lopende gesprek en vervolgens wordt gereageerd. Het trainen van de bot om die gesprekken goed te krijgen, vereist echter veel inspanning, rekenkracht en vaardigheden en naarmate het gespreksdomein toeneemt, neemt het totale aantal te schrijven verhalen exponentieel toe.

Aan de andere kant gebruikt Botpress een mix van AI en op regels gebaseerde engine om de chatervaring voor de gebruiker te creëren. Het is niet zo sterk in het contextuele gesprek, maar heeft een rijk GUI-aanbod voor het verstrekken van begeleide informatie.

Toen ik Senior Data Scientist was, voelde ik me aanvankelijk voor Rasa aan te sluiten (je weet dat het contextuele AI-aanbod aantrekkelijk klinkt), maar toen ik de voor- en nadelen evalueerde met betrekking tot de taak die voorhanden was, vond ik Botpress geschikter voor het maken van kennisbot met combinatie van op regels gebaseerde rondleiding en op NLU gebaseerde ad-hocvragen (QnA-functie van Botpress) gezien de beperkte tijd en middelen die we gewoonlijk hebben in IT-projecten.

Hieronder staan ​​de functies die ontwikkelaars van Knowledge-botten zouden moeten bekijken in het bot-framework. Ik heb ook vermeld hoe Botpress die vervult.

1. Chatbot-trendsrapport 2021

2. 4 DO's en 3 DON'T's voor het trainen van een Chatbot NLP-model

3. Conciërge Bot: behandel meerdere chatbots vanuit één chatscherm

4. Een expertsysteem: Conversational AI Vs Chatbots

Gemak van ontwikkeling - Hoe snel kunt u een basisversie van uw kennisbot in gebruik nemen. Vereist het zeer gespecialiseerde vaardigheden of kunnen zelfs de burger-datawetenschappers ermee werken? Hoe gemakkelijk is het om een ​​rebranding van de bot uit te voeren?

Met Botpress kunt u binnen een paar weken een basiskennisbot aan de gang krijgen met behulp van de GUI, zonder enige codering. Het biedt ook een eenvoudige manier om de bot te brandmerken door gewoon het stijlblad te wijzigen. Het biedt widgets zoals kaarten en carrousel om de informatie op een GUI-rijke manier te delen.

Integratie - Bots moeten altijd worden geïntegreerd met het hoofdportaal en moeten ook andere kanalen ondersteunen (bijv. Microsoft Team). Bij het selecteren van het bot-framework moeten we zien of deze integraties native worden geleverd en met minimale inspanningen kunnen worden gedaan.

In Botpress is integratie met de hoofdsite heel eenvoudig met slechts één script om de bot in een iframe te openen. Het biedt ook integratie met andere kanalen zoals Facebook, Telegram, Microsoft Teams en Slack om er maar een paar te noemen.

Toekomstige uitbreidbaarheid - Hoewel de initiële kennisbot misschien begint met een beperkte reikwijdte, is het een feit dat de reikwijdte zal blijven toenemen zodra het management de voordelen beseft. De bot is misschien niet langer beperkt tot het verstrekken van informatie, maar er wordt ook verwacht dat hij eenvoudigere taken doet, zoals het boeken van een demo, enz. Daarom is het belangrijk dat het botraamwerk dat wordt geselecteerd, ondersteuning biedt voor deze functies.

Botpress biedt extensies om aangepaste code te schrijven om back-end-API's aan te roepen om complexe taken uit te voeren. De functies zoals Intent, Entity en slots worden gebruikt om de intentie van de gebruiker om een ​​bepaalde taak uit te voeren vast te leggen door de juiste entiteit te identificeren, de vereiste waarden vast te leggen met behulp van slots en vervolgens je aangepaste code de back-end API te laten aanroepen om de taken uit te voeren. Deze taken kunnen variëren van het sturen van een e-mail tot het boeken van een vergaderruimte of een vliegticket of het bestellen van een pizza.

Schaalbaarheid - Vaak moet u de kennisbot voor internetverkeer bouwen en daarom is het erg belangrijk dat het botraamwerk dat u selecteert, kan worden geschaald.

Botpress heeft een op cluster gebaseerde horizontaal schaalbare architectuur. Men kan een load balancer gebruiken om verkeer onder bots te verdelen.

Onderhoudbaarheid - Zoals bij alle IT-projecten, is het nooit een scenario voor uitrollen en vergeten. We leven in de wereld van DevOps waar er een continue inzet van de applicatie in de productie is. Daarom is het van het grootste belang dat het bot-framework een model heeft dat zich bezighoudt met schaal en complexiteit, vooral wanneer u op zoek bent naar een GUI-gebaseerde ontwikkeling.

In Botpress gebeurt de ontwikkeling door middel van het maken van een stroomschema, de opbouw is modulair. Het heeft de mogelijkheid om substromen te creëren met een entry- en exitpunt gedefinieerd voor de substroom. Op deze manier kunnen we de kennisbots maken met behulp van veel eenvoudigere, kleinere stromen in plaats van één grote stroom.

NLU - Hoewel geleide stroom goed is om de informatie te verstrekken, is dat alleen niet voldoende. De belangrijkste bedoeling van het aanbieden van een bot is dat de gebruiker moet kunnen chatten alsof er een persoon achter de bot zit. Dit betekent dat de bot in staat moet zijn om de nuances van taal te begrijpen en een correct antwoord te geven.

In Botpress is er een QnA-module waarmee u willekeurige vragen kunt beantwoorden die de gebruiker over het product zou kunnen stellen. U kunt meerdere vragen stellen tegen een antwoord en de Botpress NLU-engine trainen om de vragen te neutraliseren tegen semantiek en grammatica. Hoewel de NLU-motor niet zo krachtig is als die van Rasa, ontdekte ik dat deze bij het doel past. We hadden ongeveer 110 antwoorden die moesten worden getraind tegen ~ 1100 vragen. Na de training ontdekte ik dat de NLU-engine het goed deed en ons meer dan 97% van de tijd de juiste antwoorden gaf. Botpress NLU-engines maakt gebruik van 2 services -

a) Duckling - Voor het extraheren van systeementiteiten die het robuuster maken tijdens de uitvoering van taken op basis van entiteit en slots (bijvoorbeeld het bestellen van een pizza of het boeken van een vliegticket).

b) Language Server - Dit biedt het woord embeddings en heeft ondersteuning voor meerdere talen.

Context wisselen - De overgang tussen het stellen van adhoc-vragen en het nemen van een begeleide flow moet naadloos zijn. De stromen zouden niet erg lang moeten zijn, de gebruiker een breekpunt moeten bieden waar hij de vragen kan stellen en vervolgens teruggaan naar de stroom wanneer dat nodig is.

Met het gebruik van de 'flow wide transitions'-functie in Botpress, kan de contextomschakeling tussen een rondleiding en willekeurige vragen eenvoudig worden geïmplementeerd. Vanuit het vraag- en antwoordgedeelte biedt Botpress ook de mogelijkheid om terug te gaan naar een knooppunt dat deel uitmaakt van een rondleiding, waardoor de gebruiker teruggaat naar een rondleiding.

Er zijn andere kenmerken van Botpress, zoals meertaligheid, Dockerisatie, Human In the loop, het gebruik van NLU van derden, SSO-integraties, Clustering, Monitoring en Altering, Sterke community-ondersteuning die de algehele ervaring robuuster kan maken.

Samengevat - Overweeg de volgende keer dat u in korte tijd een kennisbot wilt bouwen, een botraamwerk dat gebruikmaakt van zowel de regelgebaseerde als NLU-aangedreven engines. Botpress is een sterke concurrent voor hetzelfde, vooral als kosten en ROI een beslissingsfactor zijn.

Abhinav Ajmera

Senior datawetenschapper, Atos

De mening van de auteur is persoonlijk en auteur wordt op geen enkele manier geassocieerd met Botpress.

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