Sumber: rawpixel.com
对话式人工智能是法学硕士的一种应用,由于其在许多行业和用例中的可扩展性,引起了广泛的关注和关注。 虽然对话系统已经存在了几十年,但法学硕士带来了大规模采用所需的质量推动力。 在本文中,我们将使用图 1 所示的心理模型来剖析对话式 AI 应用程序(参见 用整体心智模型构建人工智能产品 有关心智模型的介绍)。 在考虑了对话式人工智能系统的市场机会和商业价值之后,我们将解释在数据、LLM微调和对话式设计方面需要设置的额外“机制”,以使对话不仅成为可能,而且变得有用。和愉快的。
1. 机会、价值和局限性
传统的用户体验设计是围绕大量人工用户体验元素、滑动、点击和点击构建的,每个新应用程序都需要一个学习曲线。 使用对话式人工智能,我们可以消除这种忙碌,代之以自然流畅的对话的优雅体验,在对话中我们可以忘记不同应用程序、窗口和设备之间的转换。 我们使用语言(我们通用且熟悉的通信协议)与不同的虚拟助理 (VA) 进行交互并完成我们的任务。
对话式用户界面并不是新的热门事物。 交互式语音应答系统 (IVR) 和聊天机器人自 1990 世纪 XNUMX 年代以来就已出现,自然语言处理 (NLP) 的重大进步紧随其后的是语音和聊天界面的希望和发展浪潮。 然而,在法学硕士时代之前,大多数系统都是在符号范式中实现的,依赖于规则、关键字和会话模式。 它们还仅限于特定的、预先定义的“能力”领域,用户在这些领域之外冒险很快就会陷入死胡同。 总而言之,这些系统存在潜在的故障点,经过几次令人沮丧的尝试后,许多用户再也没有使用过它们。 下图展示了一个示例对话。 想要订购特定音乐会门票的用户耐心地经过详细的询问流程,最后却发现音乐会已售空。
作为一项支持技术,法学硕士可以将会话界面的质量和用户满意度提升到新的水平。 对话系统现在可以展示更广泛的世界知识、语言能力和对话能力。 利用预先训练的模型,它们还可以在更短的时间内开发,因为编译规则、关键字和对话流的繁琐工作现在已被法学硕士的统计知识所取代。 让我们看一下对话式人工智能可以大规模提供价值的两个突出应用:
- 客户支援 更一般地说,是由大量经常发出类似请求的用户使用的应用程序。 在这里,提供客户支持的公司比用户拥有明显的信息优势,可以利用这一优势创造更直观、更愉快的用户体验。 考虑重新预订航班的情况。 对于我这样一个经常乘坐飞机的人来说,这样的事情每年会发生 1-2 次。 在此期间,我往往会忘记流程的细节,更不用说特定航空公司的用户界面了。 相比之下,航空公司的客户支持在其运营的前端和中心处理重新预订请求。 无需通过复杂的图形界面公开重新预订过程,而是可以对联系支持人员的客户“隐藏”其逻辑,并且他们可以使用语言作为重新预订的自然渠道。 当然,仍然会存在不太熟悉的请求的“长尾”。 例如,想象一下自发的情绪波动促使商务客户将她心爱的狗作为超重行李添加到预订的航班中。 这些更个性化的请求可以传递给人工代理或通过连接到虚拟助理的内部知识管理系统来满足。
- 知识管理 这是以大量数据为基础的。 对于许多现代公司来说,他们在多年的运营、迭代和学习中积累的内部知识是一项核心资产和差异化因素——如果这些知识能够以有效的方式存储、管理和访问。 他们拥有隐藏在协作工具、内部维基、知识库等中的大量数据,但往往无法将其转化为可操作的知识。 当员工离开、新员工入职时,你永远无法完成三个月前开始的文档页面,有价值的知识就会成为熵的牺牲品。 找到穿过内部数据迷宫并获得特定业务情况所需的信息的方法变得越来越困难。 这导致知识工作者的巨大效率损失。 为了解决这个问题,我们可以通过内部数据源的语义搜索来增强法学硕士。 法学硕士允许使用自然语言问题而不是复杂的正式查询来针对该数据库提出问题。 因此,用户可以专注于他们的信息需求,而不是知识库的结构或查询语言(例如 SQL)的语法。 这些系统基于文本,在丰富的语义空间中处理数据,在“幕后”建立有意义的联系。
除了这些主要应用领域之外,还有许多其他应用程序,例如远程医疗、心理健康助手和教育聊天机器人,可以简化用户体验并以更快、更有效的方式为用户带来价值。
如果这些深入的教育内容对您有用,则可以 订阅我们的AI研究邮件列表 当我们发布新材料时被提醒。
2。 数据
法学硕士最初并没有接受过进行流利闲聊或更实质性对话的培训。 相反,他们学习在每个推理步骤生成以下标记,最终产生连贯的文本。 这个低级目标与人类对话的挑战不同。 对话对于人类来说非常直观,但当你想教机器这样做时,对话就会变得异常复杂和微妙。 例如,让我们看一下意图的基本概念。 当我们使用语言时,我们是为了特定的目的,这就是我们的交际意图——它可能是传达信息、社交或要求某人做某事。 虽然前两个对于法学硕士来说相当简单(只要在数据中看到所需的信息),但后者已经更具挑战性。 LLM不仅需要以连贯的方式组合和构建相关信息,还需要在正式性、创造力、幽默感等软标准方面设定正确的情感基调。这对会话设计是一个挑战(参见第 5 节),它与创建微调数据的任务密切相关。
从经典语言生成到识别和响应特定的交流意图的转变是提高会话系统可用性和接受度的重要一步。 对于所有微调工作,这都是从编译适当的数据集开始的。
微调数据应尽可能接近(未来)现实世界的数据分布。 首先,它应该是会话(对话)数据。 其次,如果您的虚拟助手将专门研究特定领域,您应该尝试收集反映必要领域知识的微调数据。 第三,如果您的应用程序中经常出现典型的流程和请求(例如客户支持的情况),请尝试将这些的各种示例合并到您的培训数据中。 下表显示了来自的对话微调数据示例 ChatBot 的 3K 对话数据集,可以在 Kaggle 上免费获得:
手动创建对话数据可能会成为一项昂贵的工作——众包和使用法学硕士帮助您生成数据是扩大规模的两种方式。 收集对话数据后,需要对对话进行评估和注释。 这使您可以向模型展示正面和负面的例子,并推动它选取“正确”对话的特征。 评估可以使用绝对分数或不同选项之间的排名进行。 后一种方法可以产生更准确的微调数据,因为人类通常更擅长对多个选项进行排名,而不是单独评估它们。
数据准备就绪后,您就可以微调模型并通过附加功能丰富模型。 在下一节中,我们将研究微调、集成来自内存和语义搜索的附加信息,以及将代理连接到您的会话系统以使其能够执行特定任务。
3. 组装对话系统
典型的会话系统是用会话代理构建的,该代理协调和协调系统的组件和功能,例如 LLM、内存和外部数据源。 对话式人工智能系统的开发是一项高度实验性和经验性的任务,您的开发人员将在优化数据、改进微调策略、使用附加组件和增强功能以及测试结果之间不断地来回走动。 非技术团队成员,包括产品经理和用户体验设计师,也将不断测试产品。 根据他们的客户发现活动,他们能够很好地预测未来用户的对话风格和内容,并且应该积极贡献这些知识。
3.1 向法学硕士教授对话技巧
对于微调,您需要微调数据(参见第 2 节)和预先训练的 LLM。 法学硕士已经对语言和世界有了很多了解,我们的挑战是教他们对话的原则。 在微调中,目标输出是文本,模型将被优化以生成与目标尽可能相似的文本。 对于监督微调,您首先需要明确定义您希望模型执行的对话式 AI 任务,收集数据,然后运行和迭代微调过程。
随着法学硕士的大肆宣传,各种微调方法也应运而生。 一个比较传统的对话微调的例子,可以参考LaMDA模型的描述。[1] LaMDA 分两步进行微调。 首先,对话数据用于教授模型对话技能(“生成”微调)。 然后,注释器在数据评估过程中生成的标签用于训练分类器,分类器可以根据所需属性评估模型的输出,其中包括敏感性、特异性、兴趣性和安全性(“区分性”微调)。 然后使用这些分类器将模型的行为引导至这些属性。
此外,事实基础——将其输出建立在可靠的外部信息基础上的能力——是法学硕士的一个重要属性。 为了确保事实依据并最大限度地减少幻觉,LaMDA 使用数据集进行了微调,该数据集涉及在需要外部知识时调用外部信息检索系统。 因此,每当用户进行需要新知识的查询时,模型就学会了首先检索事实信息。
另一种流行的微调技术是人类反馈强化学习(RLHF)[2]。 RLHF 将 LLM 的学习过程从直接但人为的下一个标记预测任务“重定向”到学习给定交流情况下的人类偏好。 这些人类偏好直接编码在训练数据中。 在注释过程中,人类会收到提示,然后写出所需的响应或对一系列现有响应进行排名。 然后优化法学硕士的行为以反映人类的偏好。
3.2 添加外部数据和语义搜索
除了编译对话以微调模型之外,您可能还希望使用对话期间可以利用的专门数据来增强系统。 例如,您的系统可能需要访问外部数据(例如专利或科学论文)或内部数据(例如客户资料或技术文档)。 这通常是通过语义搜索(也称为检索增强生成,或 RAG)完成的[3]。 附加数据以语义嵌入的形式保存在数据库中(参见 本文 有关嵌入的解释和进一步的参考)。 当用户请求进来时,它被预处理并转化为语义嵌入。 然后,语义搜索会识别与请求最相关的文档,并将它们用作提示的上下文。 通过将附加数据与语义搜索相集成,您可以减少幻觉并提供更有用、基于事实的响应。 通过不断更新嵌入数据库,您还可以使系统的知识和响应保持最新,而无需不断重新运行微调过程。
3.3 记忆和情境意识
想象一下去参加一个聚会并见到律师彼得。 您很兴奋并开始推销您当前计划构建的合法聊天机器人。 彼得看起来很感兴趣,向你倾身,嗯,点点头。 在某些时候,您想了解他是否愿意使用您的应用程序的意见。 您听到的不是可以弥补您口才的信息丰富的陈述,而是:“嗯……这个应用程序又在做什么?”
人类之间不成文的沟通契约预设了我们正在倾听对话伙伴的声音,并在互动过程中共同创造的背景下构建我们自己的言语行为。 在社交场合,这种共同理解的出现标志着富有成效、丰富的对话的特征。 在更平凡的环境中,例如预订餐厅餐桌或购买火车票,为了完成任务并为用户提供预期价值,这是绝对必要的。 这要求你的助手知道当前对话的历史记录,而且还要了解过去对话的历史记录——例如,每当用户发起对话时,它不应该一遍又一遍地询问用户的姓名和其他个人详细信息。
维持上下文感知的挑战之一是共指解析,即理解代词所指代的对象。 人类在解释语言时会直观地使用很多上下文线索——例如,你可以问一个小孩子,“请把绿球从红盒子里拿出来给我,”孩子就会知道你指的是球,不是盒子。 对于虚拟助手来说,这项任务可能相当具有挑战性,如以下对话所示:
助理: 谢谢,我现在就为您预订航班。 您还想为您的航班预订餐食吗?
用户: 嗯……我可以稍后再决定是否想要吗?
助理: 抱歉,此航班以后无法更改或取消。
在这里,助理未能识别出代词 it 来自用户的信息不是指航班,而是指餐食,因此需要另一次迭代来解决此误解。
3.4 附加护栏
有时,即使是最好的法学硕士也会行为不端并产生幻觉。 在许多情况下,幻觉只是简单的准确性问题——而且,你需要接受没有人工智能是 100% 准确的事实。 与其他人工智能系统相比,用户与人工智能之间的“距离”相当小。 一个简单的准确性问题可能很快就会变成有毒的、歧视性的或普遍有害的问题。 此外,由于法学硕士对隐私没有固有的理解,他们还可能泄露个人身份信息 (PII) 等敏感数据。 您可以通过使用额外的防护措施来应对这些行为。 Guardrails AI、Rebuff、NeMo Guardrails 和 Microsoft Guidance 等工具可让您通过制定 LLM 输出的附加要求并阻止不需要的输出来降低系统风险。
对话式人工智能中可以采用多种架构。 以下架构显示了一个简单的示例,说明对话代理如何集成微调的 LLM、外部数据和内存,该代理还负责提示构建和护栏。
4. 用户体验和对话设计
会话界面的魅力在于它们在不同应用程序中的简单性和一致性。 如果用户界面的未来是所有应用程序看起来或多或少相同,那么用户体验设计师的工作就注定失败吗? 绝对不是——对话是一门需要向法学硕士教授的艺术,这样它就可以进行对你的用户有帮助、自然和舒适的对话。 当我们结合人类心理学、语言学和用户体验设计的知识时,好的对话式设计就会出现。 接下来,我们将在构建会话系统时首先考虑两个基本选择,即是否使用语音和/或聊天,以及系统的更大上下文。 然后,我们将研究对话本身,看看如何设计助手的个性,同时教它进行有益且合作的对话。
4.1 语音与聊天
对话界面可以使用聊天或语音来实现。 简而言之,语音速度更快,而聊天则允许用户保持私密性并受益于丰富的 UI 功能。 让我们更深入地研究这两个选项,因为这是构建会话应用程序时您将面临的第一个也是最重要的决定之一。
要在两种替代方案之间进行选择,首先要考虑使用应用程序的物理环境。 例如,为什么几乎所有汽车对话系统(例如 Nuance Communications 提供的系统)都基于语音? 因为驾驶员的双手已经很忙碌,无法不断地在方向盘和键盘之间切换。 这也适用于烹饪等其他活动,用户希望在使用您的应用时保持活动流畅。 汽车和厨房大多是私人环境,因此用户可以体验语音交互的乐趣,而不必担心隐私或打扰他人。 相比之下,如果您的应用程序要在办公室、图书馆或火车站等公共环境中使用,语音可能不是您的首选。
了解物理环境后,考虑情感方面。 可以有意地使用语音来传达语气、情绪和个性——这会在您的环境中增加价值吗? 如果您正在构建休闲应用程序,语音可能会增加乐趣,而心理健康助手可以提供更多同理心,并为潜在有问题的用户提供更大的表达范围。 相比之下,如果您的应用程序将在交易或客户服务等专业环境中为用户提供帮助,那么更加匿名、基于文本的交互可能有助于做出更客观的决策,并让您免去设计过于情绪化的体验的麻烦。
下一步,考虑功能。 基于文本的界面允许您丰富与其他媒体(如图像)和图形 UI 元素(如按钮)的对话。 例如,在电子商务助手中,通过发布图片和结构化描述来推荐产品的应用程序比通过语音描述产品并可能提供其标识符的应用程序更加用户友好。
最后,我们来谈谈构建语音 UI 的额外设计和开发挑战:
- 在使用法学硕士和自然语言处理 (NLP) 处理用户输入之前,还有一个额外的语音识别步骤。
- 语音是一种更加个性化和情感化的沟通媒介——因此,对虚拟助理背后设计一致、适当和令人愉快的角色的要求更高,并且您需要考虑“语音设计”的其他因素,例如音色、重音、语气和语速。
- 用户希望您的语音对话能够以与人类对话相同的速度进行。 要通过语音提供自然的交互,您需要比聊天更短的延迟。 在人类对话中,回合之间的典型间隔是 200 毫秒——这种迅速反应是可能的,因为我们在聆听对方讲话时开始构建回合。 您的语音助手需要在交互中达到这种流畅程度。 相比之下,对于聊天机器人来说,你需要与秒的时间跨度竞争,一些开发人员甚至引入了额外的延迟,使对话感觉像是人类之间的打字聊天。
- 通过语音进行的沟通是一种线性的、一次性的工作——如果你的用户没有听懂你所说的内容,你就会陷入一个乏味、容易出错的澄清循环。 因此,你的轮流需要尽可能简洁、清晰和信息丰富。
如果您选择语音解决方案,请确保您不仅清楚地了解与聊天相比的优势,而且还拥有应对这些额外挑战的技能和资源。
4.2 你的对话式人工智能将生活在哪里?
现在,让我们考虑一下可以集成对话式人工智能的更大背景。 我们所有人都熟悉公司网站上的聊天机器人——当我们打开企业网站时,屏幕右侧会弹出这些小部件。 就我个人而言,我的直觉反应通常是寻找“关闭”按钮。 这是为什么? 通过初步尝试与这些机器人“对话”,我发现它们无法满足更具体的信息需求,最终我还是需要对网站进行梳理。 这个故事的主旨? 不要因为聊天机器人很酷、很时尚而构建它,而是因为您确信它可以为您的用户创造额外价值而构建它。
除了公司网站上有争议的小部件之外,还有几个令人兴奋的环境可以集成那些与法学硕士成为可能的更通用的聊天机器人:
- 副驾驶:这些助手会通过特定流程和任务为您提供指导和建议,例如用于编程的 GitHub CoPilot。 通常,副驾驶“绑定”到特定应用程序(或一小组相关应用程序)。
- 合成人 (也是数字人类):这些生物“模仿”数字世界中的真实人类。 他们的外表、行为和说话都像人类,因此也需要丰富的会话能力。 合成人通常用于游戏、增强现实和虚拟现实等沉浸式应用中。
- 数字双胞胎:数字孪生是现实世界过程和对象(例如工厂、汽车或发动机)的数字“副本”。 它们用于模拟、分析和优化真实对象的设计和行为。 与数字孪生的自然语言交互允许更顺畅、更通用地访问数据和模型。
- 数据库:如今,任何主题的数据都可用,无论是投资建议、代码片段还是教育材料。 通常很难找到用户在特定情况下需要的非常具体的数据。 数据库的图形界面要么太粗粒度,要么被无休止的搜索和过滤小部件覆盖。 SQL 和 GraphQL 等多功能查询语言只有具备相应技能的用户才能使用。 对话式解决方案允许用户以自然语言查询数据,而处理请求的LLM会自动将它们转换为相应的查询语言(参见. 本文 有关 Text2SQL 的解释)。
4.3 给你的助手留下个性印记
作为人类,我们天生就会拟人化,即当我们看到隐约类似于人类的事物时,就会赋予其额外的人类特征。 语言是人类最独特、最迷人的能力之一,会话产品会自动与人类联系起来。 人们会想象屏幕或设备后面有一个人,最好不要让这个特定的人任由用户想象,而是赋予其与你的产品和品牌一致的一致个性。 这个过程称为“角色设计”。
角色设计的第一步是了解您希望角色展示的角色特征。 理想情况下,这已经在训练数据的层面上完成了——例如,当使用 RLHF 时,您可以要求注释者根据乐于助人、礼貌、有趣等特征对数据进行排名,以使模型偏向于所需的特性。 这些特征可以与您的品牌属性相匹配,以创建一致的形象,通过产品体验不断提升您的品牌。
除了一般特征之外,您还应该考虑您的虚拟助手将如何处理“幸福之路”之外的特定情况。 例如,它将如何响应超出其范围的用户请求、回复有关自身的问题以及处理辱骂或粗俗的语言?
为您的角色制定可供数据注释者和对话设计者使用的明确的内部指南非常重要。 当您的应用程序经历多次迭代和改进时,这将使您能够有目的地设计您的角色,并在整个团队中保持一致,并随着时间的推移保持一致。
4.4 以“合作原则”进行有益的对话
当你真正与人交谈时,你是否有过与砖墙交谈的感觉? 有时,我们发现我们的对话伙伴对引导对话取得成功不感兴趣。 幸运的是,在大多数情况下,事情会比较顺利,人类会直观地遵循语言哲学家保罗·格赖斯(Paul Grice)提出的“合作原则”。 根据这一原则,成功地相互交流的人类遵循四个准则,即数量、质量、相关性和方式。
最大数量
数量准则要求演讲者提供丰富的信息,并根据需要提供尽可能丰富的信息。 对于虚拟助理来说,这也意味着积极推动对话。 例如,考虑电子商务时尚应用程序中的以下代码片段:
助理: 您正在寻找什么样的服装?
用户: 我正在寻找一件橙色的衣服。
助理: 不: 抱歉,我们目前没有橙色连衣裙。
Do:抱歉,我们没有橙色连衣裙,但我们有这件很棒且非常舒适的黄色连衣裙:……
用户希望给你的应用留下合适的物品。 因为没有符合确切描述的物品而停止对话会消除成功的可能性。 但是,如果您的应用程序提出有关替代项目的建议,它将显得更有帮助,并保留成功交互的选项。
特别是在语音交互中,重要的是要在提供用户成功所需的所有信息与避免不必要的信息压倒用户之间找到适当的平衡,这可能会影响交互。
质量准则
质量准则要求演讲者说实话,不要说他们认为是错误的或缺乏足够证据的事情。 这里涉及很多主观性和个人信仰——因此,这条格言不能直接投射到法学硕士身上。 正如我们所看到的,法学硕士容易产生幻觉,当谈话转移到不太熟悉的领域时,这种风险尤其高。 可以使用额外的护栏以避免误导性陈述并使对话回到正轨。
相关性最大化
相关性准则要求我们——嗯,相关性。 作为前提,虚拟助手必须了解用户的真实意图。 以下是航空公司助理违反此规则的示例:
用户: 我需要明天早上从柏林飞往苏黎世的航班。
助理: 好的,我找到了明天早上从柏林飞往苏黎世的以下航班。 BZ36294 航班于早上 6.30 点 8 分从柏林出发,上午 96294 点抵达苏黎世。 BZ8 航班于上午 9.30 点从柏林出发,上午 96294 点 8 分抵达。 BZ9.30 航班于上午 95614 点从柏林出发,上午 11 点 12.30 分抵达苏黎世。 BZ11.45 航班于上午 3 点从柏林出发,中午 XNUMX 点 XNUMX 分抵达苏黎世。 也有可能转乘航班,在这种情况下,您将于上午 XNUMX 离开柏林,下午 XNUMX 点抵达苏黎世。
用户: 抱歉……您能再说一遍吗?
助手向用户提供了可能不相关的详细信息。 通过打破这种情况并引导用户限制他们的搜索空间,对话变得更容易理解:
用户: 我需要明天早上从柏林飞往苏黎世的航班。
助理: 好的,我发现早上 6.30、8 点和 11 点起飞的航班。 您想什么时间出发?
用户: 我需要在上午 9 点之前到达苏黎世。
助理: 好的,您可以乘坐 BZ36294 航班。 6.30 出发,上午 8 点到达。 需要我帮你买票吗?
用户: 对了谢谢。
行为准则
最后,礼仪准则规定我们的言语行为应该清晰、简洁、有序,避免表达歧义和晦涩。 您的虚拟助理应避免使用技术或内部术语,而倾向于使用简单、普遍易于理解的公式。
虽然格赖斯的原则对于独立于特定领域的所有对话都有效,但未经专门针对对话培训的法学硕士通常无法实现这些原则。 因此,在编译训练数据时,拥有足够的对话样本以使您的模型能够学习这些原理非常重要。
对话式设计领域发展相当迅速。 无论您已经在构建人工智能产品还是正在考虑人工智能的职业道路,我都鼓励您深入研究这个主题(参见[5]和[6]中的精彩介绍)。 随着人工智能逐渐成为一种商品,良好的设计和可靠的数据策略将成为人工智能产品的两个重要差异化因素。
总结
让我们总结一下本文的主要内容。 此外,图 5 提供了一个“备忘单”,其中包含要点,您可以下载作为参考。
- LLM 增强对话式 AI:大型语言模型 (LLM) 显着提高了跨行业和用例的对话式 AI 应用程序的质量和可扩展性。
- 对话式人工智能可以为具有大量相似用户请求(例如客户服务)或需要访问大量非结构化数据(例如知识管理)的应用程序增加很多价值。
- 数据:针对对话任务微调法学硕士需要紧密反映现实世界交互的高质量对话数据。 众包和法学硕士生成的数据可以成为扩展数据收集的宝贵资源。
- 将系统放在一起:开发对话式人工智能系统是一个迭代和实验的过程,涉及不断优化数据、微调策略和组件集成。
- 向法学硕士教授对话技巧:对法学硕士进行微调包括训练他们识别和应对特定的沟通意图和情况。
- 通过语义搜索添加外部数据:使用语义搜索集成外部和内部数据源,通过提供更多上下文相关信息来增强人工智能的响应。
- 记忆和上下文感知:有效的对话系统必须保持上下文感知,包括跟踪当前对话和过去交互的历史记录,以提供有意义且连贯的响应。
- 设置护栏:为了确保负责任的行为,对话式人工智能系统应该采用护栏来防止不准确、幻觉和侵犯隐私。
- 角色设计:为会话助理设计一致的角色对于创建有凝聚力和品牌化的用户体验至关重要。 人物角色特征应与您的产品和品牌属性保持一致。
- 语音与聊天:语音和聊天界面之间的选择取决于物理环境、情感背景、功能和设计挑战等因素。 在决定对话式人工智能的界面时,请考虑这些因素。
- 各种环境中的集成:对话式人工智能可以集成到不同的环境中,包括副驾驶、合成人、数字双胞胎和数据库,每种环境都有特定的用例和要求。
- 遵守合作原则:在对话中遵循数量、质量、相关性和方式的原则可以使与对话式人工智能的交互更加有用和用户友好。
参考资料
[1] 陈恒子等。 2022 年。 LaMDA:为一切建立安全、扎实和高质量的对话模型.
[2] 开放人工智能。 2022.ChatGPT: 优化对话语言模型. 检索于 13 年 2022 月 XNUMX 日。
[3] 帕特里克·刘易斯等人。 2020. 知识密集型NLP任务的检索增强生成.
[4] 保罗·格莱斯。 1989.《言语之道研究》。
[5]凯茜·珀尔。 2016。设计语音用户界面。
[6] 迈克尔·科恩等人。 2004。语音用户界面设计。
注:除特别说明外,所有图片均由作者提供。
这篇文章最初发表于 走向数据科学 并在获得作者许可的情况下重新发布到TOPBOTS。
喜欢这篇文章吗? 注册以获取更多AI研究更新。
当我们发布更多像这样的摘要文章时,我们会通知您。
相关
- :具有
- :是
- :不是
- :在哪里
- $UP
- 1
- 10
- 11
- 110
- 12
- 125
- 13
- 14
- 17
- 200
- 2016
- 2020
- 2022
- 30
- 32
- 35%
- 41
- 65
- 7
- 70
- 8
- 9
- a
- 能力
- 对,能力--
- 关于
- 绝对
- 接受
- 验收
- ACCESS
- 访问
- 无障碍
- 容纳
- 完成
- 根据
- 账号管理
- 积累
- 精准的
- 横过
- 法案
- 积极地
- 活动
- 活动
- 行为
- 通
- 加
- 添加
- 额外
- 附加信息
- 另外
- 地址
- 采用
- 进步
- 优点
- 优点
- 劝
- 后
- 再次
- 驳
- 经纪人
- 中介代理
- 前
- AI
- 研究
- 人工智能系统
- 航空公司
- AL
- 对齐
- 对齐的
- 所有类型
- 让
- 允许
- 几乎
- 沿
- 已经
- 还
- 替代
- 替代品
- am
- 歧义
- 其中
- an
- 分析
- 和
- 匿名
- 另一个
- 预料
- 任何
- 应用
- 出现
- 应用领域
- 应用领域
- 适用
- 的途径
- 适当
- 应用
- 保健
- 地区
- 围绕
- 抵达
- 艺术
- 刊文
- 刊文
- 人造的
- AS
- 问
- 问
- 评估
- 评估
- 评定
- 财富
- 协助
- 助理
- 助理
- 相关
- At
- 尝试
- 关注我们
- 属性
- 增加
- 增强
- 作者
- 自动
- 可使用
- 避免
- 避免
- 意识
- 远离
- 背部
- 回到正轨
- 当前余额
- 球
- 基地
- 基于
- 基本包
- BE
- 因为
- 成为
- 成为
- 很
- before
- 背后
- 作为
- 信仰
- 相信
- 心爱的
- 得益
- 柏林
- 最佳
- 最佳实践
- 更好
- 之间
- 超越
- 偏见
- 位
- 闭塞
- 书
- 都
- 机器人
- 盒子
- 品牌
- 品牌
- 品牌推广
- 违规
- 破坏
- 带来
- 更广泛
- 带
- 建立
- 建立一个聊天机器人
- 建筑物
- 建
- 商业
- 忙碌
- 但是
- 按键
- 按钮
- 购买
- 买房
- by
- 被称为
- 呼叫
- 来了
- CAN
- 取消
- 不能
- 能力
- 寻找工作
- 汽车
- 案件
- 例
- cathy
- Center
- 挑战
- 挑战
- 挑战
- 机会
- 变
- 渠道
- 字符
- 特点
- 表征
- 聊天机器人
- 聊天机器人
- ChatGPT
- 陈
- 孩子
- 选择
- 选择
- 选择
- 清除
- 明确地
- 关闭
- 密切
- 服装
- 云端技术
- 码
- 科恩
- 相干
- 凝聚力
- 合作
- 采集
- 结合
- 如何
- 购买的订单均
- 舒适
- 商品
- 通信
- 沟通
- 通信
- 公司
- 公司
- 相比
- 竞争
- 复杂
- 元件
- 组件
- 音乐会
- 简洁
- 进行
- 已联繫
- 连接
- 连接
- 考虑
- 考虑
- 一贯
- 常数
- 经常
- 构建
- 施工
- CONTACT
- 内容
- 上下文
- 上下文
- 上下文
- 一直
- 合同
- 对比
- 贡献
- 贡献
- 贡献
- 争议
- 谈话
- 听起来像对话
- 会话AI
- 对话介面
- 对话
- 烹调
- Cool
- 合作
- 合作社
- 核心
- 相应
- 可以
- 情侣
- 课程
- 覆盖
- 创建信息图
- 创造
- 创造力
- 生物
- 可信的
- 标准
- 众包
- 电流
- 目前
- 曲线
- 顾客
- 客户服务
- 客户支持
- 合作伙伴
- data
- 数据策略
- 数据库
- 数据库
- 死
- 处理
- 几十年
- 决定
- 决定
- 决定
- 更深
- 定义
- 无疑
- 学位
- 延迟
- 依靠
- 描述
- 设计
- 设计师
- 设计师
- 设计
- 期望
- 详细
- 详情
- 开发
- 发达
- 开发
- 发展
- 研发支持
- 设备
- 设备
- 对话框
- 对话
- 不同
- 差异化因素
- 难
- DIG
- 消化
- 数字
- 数字双胞胎
- 数字世界
- 直接
- 发现
- 屏 显:
- 分配
- 潜水
- do
- 文件
- 文件
- 不
- 狗
- 做
- 域
- 完成
- 别
- 注定
- 下载
- 司机
- 两
- ,我们将参加
- e
- 电子商务行业
- Ë&T
- 每
- 更容易
- 教育的
- 有效
- 效率
- 高效
- 或
- 分子
- 嵌入
- 出现
- 出现
- 出现
- 移情
- 员工
- 授权
- 使
- 鼓励
- 结束
- 努力
- 无穷
- 从事
- 引擎
- 提高
- 增强
- 增强
- 愉快的
- 更多
- 丰富
- 丰富
- 充实
- 确保
- 企业
- 特别
- 必要
- 等
- 评估
- 甚至
- 终于
- EVER
- 证据
- 究竟
- 例子
- 例子
- 优秀
- 除
- 过剩
- 兴奋
- 令人兴奋的
- 执行
- 现有
- 期望
- 预期
- 昂贵
- 体验
- 试验
- 说明
- 解释
- 表达
- 外部
- 面部彩妆
- 因素
- 工厂
- 因素
- 事实
- 失败
- 失败
- 失败
- 下降
- false
- 熟悉
- 迷人
- 时尚
- 快
- 反馈
- 感觉
- 数字
- 过滤
- 敲定
- 找到最适合您的地方
- 姓氏:
- 适合
- 固定
- 飞行
- 机票
- 流
- 流动
- 流动
- 专注焦点
- 遵循
- 其次
- 以下
- 针对
- 申请
- 正式
- 制定
- 幸好
- 向前
- 发现
- 四
- 频繁
- 频繁
- 止
- 前
- 沮丧
- 履行
- 开玩笑
- 功能
- 根本
- 进一步
- 未来
- 赌博
- 差距
- 收集
- 其他咨询
- 通常
- 生成
- 代
- 得到
- GitHub上
- 特定
- Go
- GOES
- 去
- 非常好
- 图
- 大
- 绿色
- 陆运
- 指导
- 指南
- 方针
- 民政事务总署
- 手
- 发生
- 发生
- 硬
- 有害
- 有
- he
- 健康管理
- 听
- 帮助
- 有帮助
- 这里
- 此处
- 老旧房屋
- 高
- 高品质
- 更高
- 高度
- 他的
- 历史
- 击中
- 整体
- 抱有希望
- 希望
- 热卖
- 创新中心
- 但是
- HTML
- HTTP
- HTTPS
- 巨大
- 人
- 人类
- 幽默
- 炒作
- i
- 理想
- 身份标识
- 识别
- if
- 说明
- 图片
- 图片
- 想象力
- 想像
- 身临其境
- 实施
- 重要
- 改善
- 改善
- in
- 深入
- 包括
- 包含
- 合并
- 增加
- 令人难以置信
- 独立地
- 个人
- 行业
- 造成
- 信息
- 信息
- 固有
- 初始
- 开始
- 输入
- 代替
- 整合
- 集成
- 整合
- 积分
- 意图
- 故意地
- 相互作用
- 相互作用
- 互动
- 互动
- 交互式语音应答系统
- 有兴趣
- 接口
- 接口
- 内部
- 交织
- 成
- 介绍
- 介绍
- 介绍
- 介绍
- 直观的
- 投资
- 投资建议
- 参与
- 涉及
- 涉及
- 隔离
- 问题
- 问题
- IT
- 项目
- 迭代
- 迭代
- 它的
- 本身
- IVR
- 一月
- 行话
- 工作
- 联合
- JPG
- 只是
- 保持
- 键
- 关键词
- 杀敌
- 类
- 知道
- 知识
- 知识管理
- 已知
- 标签
- 迷宫
- 缺乏
- 语言
- 语言
- 大
- 大规模
- 大
- 潜伏
- 后来
- 律师
- 领导
- 信息
- 学习用品
- 知道
- 学习
- 离开
- 离开
- 遗产
- 法律咨询
- LEND
- 减
- 让
- Level
- 各级
- 杠杆作用
- 杠杆
- 借力
- 刘易斯
- 自学资料库
- 谎言
- 喜欢
- 极限
- 有限
- 语言学
- 听力
- 生活
- 逻辑
- 长
- 看
- 寻找
- LOOKS
- 损失
- 占地
- 很多
- 机
- 制成
- 邮件
- 主要
- 保持
- 维持
- 主要
- 使
- 制作
- 制作
- 管理
- 颠覆性技术
- 管理系统
- 经理
- 方式
- 许多
- 市场
- 市场机会
- 匹配
- 匹配
- 材料
- 物料
- 最大宽度
- 格言
- me
- 意味着
- 有意义的
- 手段
- 媒体
- 中等
- 会议
- 成员
- 内存
- 心理
- 心理健康
- 方法
- Michael (中国)
- 微软
- 可能
- 毫秒
- 开采
- 误导
- 误解
- 模型
- 模型
- 现代
- 时刻
- 个月
- 心情
- 道德
- 更多
- 更高效
- 早晨
- 最先进的
- 大多
- 移动
- 许多
- 多
- 多数
- 必须
- my
- 我自己
- 姓名
- 亦即
- 自然
- 自然语言
- 自然语言处理
- 必要
- 必要性
- 需求
- 打印车票
- 需要
- 负
- 决不要
- 全新
- 新应用程序
- 下页
- NLP
- 没有
- 非技术
- 不包含
- 通常
- 注意到
- 概念
- 现在
- 灯罩
- 数
- 众多
- 果壳
- 对象
- 目标
- 对象
- of
- 折扣
- 提供
- 最多线路
- 优惠精选
- 办公
- 经常
- on
- 一旦
- 一
- 仅由
- 打开
- OpenAI
- 操作
- 运营
- 检讨
- 机会
- ZAP优势
- 优化
- 优化
- 优化
- 追求项目的积极优化
- 附加选项
- 附加选项
- or
- 橘色
- 秩序
- 本来
- 其他名称
- 其它
- 除此以外
- 我们的
- 输出
- 输出
- 学校以外
- 超过
- 过分
- 压倒性
- 己
- 页
- 文件
- 范例
- 伙伴
- 党
- 通过
- 过去
- 专利
- 径
- 耐心
- 帕特里克
- 模式
- 保罗
- 员工
- 为
- 感知
- 演出
- 允许
- 人
- 个人
- 个性
- 亲自
- 彼得
- 的
- 挑
- 图片
- ii
- 铺地石
- 地方
- 朴素
- 规划行程
- 柏拉图
- 柏拉图数据智能
- 柏拉图数据
- 播放
- 点
- 点
- 贫困
- 流行的
- 热门
- 位置
- 积极
- 可能性
- 可能
- 潜力
- 可能
- 在练习上
- 做法
- 预测
- 喜好
- 呈现
- 防止
- 原理
- 原则
- 隐私
- 私立
- 继续
- 过程
- 处理
- 过程
- 处理
- 生成
- 产品
- 热销产品
- 所以专业
- 简介
- 代码编程
- 预计
- 突出
- 促进
- 协议
- 提供
- 提供
- 优
- 心理学
- 国家
- 出版
- 目的
- 推
- 推
- 质量
- 数量
- 查询
- 有疑问吗?
- 很快
- 排名
- 排行
- 宁
- 反应
- 准备
- 真实
- 真实的世界
- 现实
- 承认
- 承认
- 认识
- 建议
- 经常性
- 红色
- 重新定义
- 减少
- 参考
- 参考
- 引用
- 简称
- 指
- 反映
- 反映
- 强化学习
- 有关
- 释放
- 相关性
- 相应
- 依托
- 留
- 重复
- 更换
- 一个回复
- 请求
- 要求
- 必须
- 岗位要求
- 需要
- 研究
- 酷似
- 分辨率
- 资源
- 回应
- 回应
- 响应
- 回复
- 提供品牌战略规划
- RESTAURANT
- 导致
- 成果
- 揭示
- 丰富
- 右
- 风险
- 第
- 定位、竞价/采购和分析/优化数字媒体采购,但算法只不过是解决问题的操作和规则。
- 运行
- 安全
- 实现安全
- 说
- 同
- 满意
- 保存
- 对工资盗窃
- 可扩展性
- 鳞片
- 缩放
- .
- 范围
- 分数
- 屏风
- 搜索
- 其次
- 秒
- 部分
- 看到
- 看到
- 敏感
- 系列
- 服务
- 集
- 设置
- 设置
- 几个
- 应该
- 显示
- 如图
- 作品
- 侧
- 签署
- 显著
- 类似
- 简易
- 简单
- 自
- 坐在
- 情况
- 情况
- 技能
- 小
- 平滑
- 片段
- So
- 社会
- 应酬
- 软
- 出售
- 方案,
- 解决方案
- 一些
- 有人
- 东西
- 有时
- 不久
- 来源
- 太空
- 跨度
- 说话
- 喇叭
- 音箱
- 发言
- 专门
- 具体的
- 特别是
- 特异性
- 言语
- 语音识别
- 速度
- SQL
- 开始
- 开始
- 启动
- 个人陈述
- 声明
- 州
- 站
- 统计
- 留
- 驾驶
- 操舵
- 方向盘
- 步
- 步骤
- 仍
- 停车
- 存储
- 故事
- 简单的
- 策略
- 策略
- 精简
- 应力
- 结构体
- 结构化
- 研究
- 样式
- 大量
- 成功
- 成功
- 顺利
- 这样
- 提示
- 合适的
- 套房
- 总结
- 概要
- SUPPORT
- 肯定
- 秋千
- Switch 开关
- 象征
- 句法
- 合成的
- 系统
- 产品
- 表
- 采取
- 投资讯息
- 谈论
- 说
- 丝锥
- 目标
- 目标
- 任务
- 任务
- 教
- 教诲
- 团队
- 团队成员
- 文案
- 技术
- 专业技术
- 远程医疗
- 条款
- 领土
- 测试
- 文本
- 比
- 谢谢
- 这
- 未来
- 信息
- 世界
- 其
- 他们
- 他们自己
- 然后
- 那里。
- 博曼
- 他们
- 事
- 认为
- 思维
- 第三
- Free Introduction
- 那些
- 三
- 通过
- 从而
- 票
- 门票
- 次
- 时
- 至
- 一起
- 象征
- 明天
- TONE
- 也有
- 工具
- 热门
- 主题
- 对于
- 向
- 跟踪时
- 跟踪
- 交易
- 传统
- 培训
- 熟练
- 产品培训
- 改造
- 转化
- 过渡
- 转换
- 发送
- 引发
- true
- 尝试
- 转
- 谈到
- 原来
- 双胞胎
- 二
- 普遍
- ui
- 经历
- 理解
- 可理解的
- 理解
- 独特
- 普遍
- 举世
- 跟上时代的
- 最新动态
- 更新
- us
- 可用性
- 使用
- 用过的
- 用户
- 用户体验
- 用户界面
- 用户界面设计
- 用户友好
- 用户
- 使用
- 运用
- ux
- UX设计
- UX设计器
- 用户体验设计师
- 有效
- 有价值
- 折扣值
- 各种
- 各个
- 多才多艺
- 与
- 非常
- 通过
- 受害者
- 在线会议
- 虚拟助理
- 虚拟现实
- 音色
- 语音助手
- vs
- 普通
- W3
- 墙
- 想
- 希望
- 是
- 波浪
- 方法..
- 方法
- we
- 财富
- 您的网站
- 网站
- 井
- 为
- 什么是
- 什么是
- 轮
- ,尤其是
- 每当
- 是否
- 这
- 而
- WHO
- 为什么
- 将
- 窗户
- 也完全不需要
- 话
- 工作
- 工人
- 世界
- 令人担忧
- 将
- 写
- 年
- 年
- 黄色
- 您
- 年轻
- 您一站式解决方案
- 和风网
- 苏黎世