The DataHour Σύνοψη: Δημιουργήστε το πρώτο σας Chatbot: Εργαλείο ανοιχτού κώδικα

The DataHour Σύνοψη: Δημιουργήστε το πρώτο σας Chatbot: Εργαλείο ανοιχτού κώδικα

Oktober 2, 2022 0 Von admin

ΣΦΑΙΡΙΚΗ ΕΙΚΟΝΑ

Το Analytics Vidhya βρίσκεται εδώ και καιρό στην πρώτη γραμμή της μετάδοσης γνώσεων επιστήμης δεδομένων στην κοινότητά του. Με την πρόθεση να κάνουμε τη μάθηση της επιστήμης δεδομένων πιο ελκυστική για την κοινότητα, ξεκινήσαμε με τη νέα μας πρωτοβουλία «DataHour».

Το DataHour είναι μια σειρά διαδικτυακών σεμιναρίων από κορυφαίους ειδικούς του κλάδου, όπου διδάσκουν και εκδημοκρατίζουν τη γνώση της επιστήμης δεδομένων. Στις 11 Μαΐου 2022, ήμασταν μαζί μας Ο Δρ. Rachael Tatman από τις ΗΠΑ για μια συνεδρία DataHour με θέμα „Δημιουργία του πρώτου σας chatbot: Η προσέγγιση Rasa (εργαλείο ανοιχτού κώδικα)».

Η Rachael έχει διδακτορικό στη γλωσσολογία από το Πανεπιστήμιο της Ουάσιγκτον. Άρχισε να στέλνει μηνύματα σε βοηθούς φωνής και συστήματα αναγνώρισης ομιλίας όπως το Amazon και η Alexa από ερευνητική σκοπιά το 2016. Επί του παρόντος, είναι συνήγορος προγραμματιστών προσωπικού στη Rasa, όπου βοηθά τους επαγγελματίες να χρησιμοποιούν συστήματα ανοιχτού κώδικα για να δημιουργήσουν εξαιρετικά έργα συνομιλίας AI. Προηγουμένως, ήταν υπέρμαχος προγραμματιστών για το Kaggle, μέρος της Goggle. Εργάστηκε για να αναπτύξει την πλατφόρμα Kaggle και να βοηθήσει τους Kaggler να αναπτύξουν επαγγελματικά στοιχεία επιστήμης δεδομένων.

Είστε ενθουσιασμένοι που θα βουτήξετε βαθύτερα στον κόσμο του Chatbot; Σας καλύψαμε. Ας ξεκινήσουμε με τα σημαντικότερα σημεία αυτής της συνεδρίας: Δημιουργία του πρώτου σας chatbot: Η προσέγγιση Rasa (εργαλείο ανοιχτού κώδικα).

Εισαγωγή

Θα μάθουμε για τα chatbot, γιατί είναι τα chatbot και πώς να τα δημιουργήσουμε χρησιμοποιώντας ανοιχτό κώδικα μέσω αυτής της συνεδρίας. Εδώ η προσέγγιση Rasa είναι ένα εργαλείο ανοιχτού κώδικα που θα χρησιμοποιήσουμε για τη δημιουργία των chatbots. Αυτή είναι η νέα προσέγγιση για την αντιμετώπιση της προηγούμενης χειροκίνητης βοήθειας. Οι αλγόριθμοι ML έχουν κατακλύσει τις αγορές με πολύ καλύτερες και βελτιωμένες προσεγγίσεις.

Αυτή η συνεδρία επικεντρώνεται σε:

  • Έννοιες του Rasa και πώς λειτουργεί;
  • Πώς μπορούν να λειτουργήσουν τα chatbots;
  • Ζωντανή κωδικοποίηση για ένα chatbot

Τι καταλαβαίνετε για ένα Chatbot;

ΕΝΑ chatbot ή φλυαρία είναι μια εφαρμογή λογισμικού που χρησιμοποιείται για τη διεξαγωγή μιας διαδικτυακής συνομιλίας μέσω κειμένου ή μετατροπής κειμένου σε ομιλία αντί για την παροχή άμεσης επαφής με έναν ζωντανό ανθρώπινο παράγοντα. Το chatbot είναι λογισμικό που μπορεί να βοηθήσει τους πελάτες αυτοματοποιώντας τις συνομιλίες και αλληλεπιδρώντας μαζί τους μέσω πλατφορμών ανταλλαγής μηνυμάτων. Σχεδιασμένα για να προσομοιώνουν τον τρόπο με τον οποίο ένας άνθρωπος συμπεριφέρεται ως συνομιλητής με πειστικό τρόπο, τα συστήματα chatbot συνήθως απαιτούν συνεχή συντονισμό και δοκιμή και πολλά στην παραγωγή παραμένουν ανίκανα να συνομιλήσουν επαρκώς. Ταυτόχρονα, κανένας από αυτούς δεν μπορεί να περάσει το τυπικό τεστ Turing.

Γιατί Chatbots;

Τα chatbots χρησιμοποιούνται σε συστήματα διαλόγου, συμπεριλαμβανομένης της εξυπηρέτησης πελατών, της δρομολόγησης αιτημάτων ή της συλλογής πληροφοριών. Ενώ ορισμένες εφαρμογές chatbot χρησιμοποιούν εκτενείς διαδικασίες ταξινόμησης λέξεων, επεξεργαστές φυσικής γλώσσας και εξελιγμένο AI, άλλες σαρώνουν για γενικές λέξεις-κλειδιά και δημιουργούν απαντήσεις χρησιμοποιώντας κοινές φράσεις που λαμβάνονται από μια σχετική βιβλιοθήκη ή βάση δεδομένων.

Τα περισσότερα chatbots έχουν πρόσβαση στο διαδίκτυο μέσω αναδυόμενων παραθύρων ιστότοπου ή μέσω εικονικών βοηθών. Μπορούν να ταξινομηθούν σε κατηγορίες χρήσης: εμπόριο (ηλεκτρονικό εμπόριο μέσω συνομιλίας), εκπαίδευση, ψυχαγωγία, οικονομικά, υγεία, ειδήσεις και παραγωγικότητα.

Πώς να δημιουργήσετε Chatbots χρησιμοποιώντας το RASA (Εργαλείο ανοιχτού κώδικα);

Προηγούμενη προσέγγιση:

Για να δημιουργήσετε chatbots, πρέπει να έχετε καταλόγους ή καταχωρημένα πράγματα που θέλετε να κάνει το σύστημά σας. Νωρίτερα, οι άνθρωποι εξέτασαν δεδομένα και έγραψαν κάποιους κανόνες για αυτό. Για παράδειγμα, το ELIZA- είναι ένα πρώιμο σύστημα chatbot. Αυτό το σύστημα θα είχε μεταφέρει τα πράγματα του χρήστη στο chatbot. Στη συνέχεια θα το τσαντάκι χρησιμοποιώντας ένα κορδόνι πορτοφολιού. Στη συνέχεια, μετατρέψτε αυτή τη δήλωση σε ερώτηση και απάντηση. Και μετά, η ίδια διαδικασία επαναλαμβάνεται μέχρι να επιτευχθούν τα αποτελέσματα. Αυτή η προσέγγιση ήταν αρκετά παλιά και ήταν χειροκίνητη.

Η σημερινή προσέγγιση:

Τώρα η μηχανική εκμάθηση έχει αλλάξει τη δυναμική των chatbot και τα έχει αυτοσχεδιάσει σε πιο προηγμένα και ταχύτερα συστήματα ανάλυσης. Εδώ θα πάρουμε αλγόριθμους ML και θα τους εκπαιδεύσουμε σε δεδομένα γλώσσας ή συνομιλίας και θα μετακινήσουμε αυτό το βήμα μενού για μεγαλύτερη ευελιξία.

Rasa-Εργαλείο ανοιχτού κώδικα

Αφή είναι ένα πλαίσιο μηχανικής εκμάθησης ανοιχτού κώδικα για αυτοματοποιημένες συνομιλίες κειμένου και φωνής. Κατανοήστε μηνύματα, κρατήστε συνομιλίες και συνδεθείτε σε κανάλια ανταλλαγής μηνυμάτων και API. Δημιουργείτε το πρώτο σας chatbot χρησιμοποιώντας το εργαλείο ανοιχτού κώδικα για το παράδειγμα που αναφέρεται παρακάτω.

Για παράδειγμα:
Chatbot Εργαλείο ανοιχτού κώδικα

Πηγή: Rachael’s Presentation

Υπάρχουν δύο δηλώσεις προβλημάτων στο παράδειγμα που αναφέρθηκε παραπάνω. Είμαστε εδώ για να δημιουργήσουμε ένα chatbot που θα εξυπηρετεί και τους δύο σκοπούς. Λοιπόν, το ερώτημα εδώ είναι αν είναι δυνατόν να χτιστεί ένα σύστημα όπως αυτό ή όχι;

Λοιπόν, η απάντηση είναι Ναι. Αλλά θα έχουμε πάντα μόνο δύο δηλώσεις προβλημάτων, ιδιαίτερα όχι, γι‘ αυτό πρέπει να κάνουμε:

  • Δημιουργήστε μια μηχανή κατάστασης που χαρτογραφεί όλες τις ροές συνομιλίας που μπορεί να χειριστεί ο βοηθός σας.
  • Θα πρέπει να είναι αργή και δαπανηρή η ενημέρωση.

rasa-προσέγγιση |  Chatbot Εργαλείο ανοιχτού κώδικα

Πηγή: Παρουσίαση της Rachael

Η προσέγγιση της Rasa δίνει μεγαλύτερη ευελιξία και μια διαφορετική προσέγγιση στα chatbots. Το σύστημα που βασίζεται σε αυτήν την προσέγγιση έχει τη δυνατότητα/το πλεονέκτημα να παρακολουθεί τον χρήστη στη σωστή ερώτηση εάν ο χρήστης είχε εκτραπεί από το κύριο ερώτημά του.

Οι γενικές συστάσεις για να ξεκινήσετε είναι:

  • Αναμφίβολα, πρώτα, θα ξεκινήσουμε με μερικές ενδεικτικές συνομιλίες και τέλος θα προχωρήσουμε στις διδασκαλίες τους. Και μετά, θα βάλουμε τα ευρήματα στο σύστημα ανάλογα.
  • Στη συνέχεια, θα θέσουμε τον βοηθό μας στους δοκιμαστικούς χρήστες το συντομότερο δυνατό. Για να μπορέσουν να αρχίσουν να αλληλεπιδρούν με αυτό και στη συνέχεια να ρίξουν μια ματιά στις συζητήσεις που έχουν.
  • Θα συνεχίσουμε να χρησιμοποιούμε το CI/CD για να επανεκπαιδεύουμε και να βελτιώνουμε συνεχώς τους βοηθούς μας. Επιπλέον, δημιουργήστε ένα chatbot που είναι ενημερωμένο με τις απαιτούμενες ενημερώσεις.
  • Περισσότερη εστίαση πρέπει να δοθεί στο πλαίσιο διαλόγου, επιπλέον, στον τρόπο επισήμανσης οντοτήτων κ.λπ.

Ανάπτυξη με γνώμονα τη συνομιλία

Το Conversation-Driven Development (CDD) ακούει τους χρήστες σας και χρησιμοποιεί αυτές τις πληροφορίες για να βελτιώσει τον βοηθό σας AI. Είναι η γενική προσέγγιση βέλτιστης πρακτικής για την ανάπτυξη chatbot. Η αρχή πίσω από το CDD είναι ότι οι χρήστες σας λένε —με τα δικά τους λόγια— ακριβώς αυτό που θέλουν σε κάθε συνομιλία. Εξασκώντας το CDD σε κάθε στάδιο ανάπτυξης του bot, προσανατολίζετε τον βοηθό σας στη γλώσσα και τη συμπεριφορά του χρήστη.

Περιλαμβάνει αυτά τα βασικά βήματα:

● Δημιουργήστε ένα λειτουργικό πρωτότυπο
● Μοιραστείτε με δοκιμαστές
● Ελέγξτε τις συνομιλίες
● Σημειώστε πραγματικά δεδομένα
● Δοκιμή με συνομιλίες από άκρο σε άκρο
● Παρακολουθήστε τα επιθυμητά αποτελέσματα
● Διορθώστε τυχόν προβλήματα που προκύπτουν

Τώρα θα εξετάσουμε:

Τι περιλαμβάνει ένα Conversational AI;

Σημείωση: Διαφορά μεταξύ chatbot και συνομιλίας AI. Ενώ το chatbot είναι κατά κύριο λόγο κατάλληλο για συνομιλίες που βασίζονται σε κείμενο, το Conversational AI μπορεί να λειτουργήσει μέσω κειμένου και ομιλίας.

Συνομιλητική AI συνδυάζει την επεξεργασία φυσικής γλώσσας (NLP) με παραδοσιακό λογισμικό όπως chatbots, βοηθούς φωνής ή ένα διαδραστικό σύστημα αναγνώρισης φωνής για να βοηθήσει τους πελάτες μέσω μιας προφορικής ή δακτυλογραφημένης διεπαφής. Για παράδειγμα, το Amazon Alexa, το Siri της Apple κ.λπ.

Βήματα που εμπλέκονται στη δημιουργία ενός Chatbot Conversational AI

Κατανόηση φυσικής γλώσσας: Αρχικά, εισαγάγετε κείμενο και μετατρέψτε το σε μορφή αναγνώσιμη από υπολογιστή. Μοιάζει περισσότερο με τη λήψη μιας εισαγωγής κειμένου και τη διανυσματική της με κάποιο τρόπο. Δεν χρειάζεται να το διανυσματοποιήσουμε μόνο στα αγγλικά και μπορούμε να το κάνουμε σε οποιαδήποτε γλώσσα. Μπορείτε να χρησιμοποιήσετε προεκπαιδευμένες ενσωματώσεις για να το κάνετε αυτό ή μπορείτε να εκπαιδεύσετε τις δικές σας στα δεδομένα προπόνησής σας.

Πολιτική διαλόγου: Πώς να αποφασίσετε τι θα έχουν να πουν στη συνέχεια τα chatbots

  • Πολιτική απομνημόνευσης: Αν έχουμε ξαναδεί αυτήν τη σειρά στροφών, επαναλάβετε την ακριβώς.
  • Πολιτική TED: Μια ευέλικτη πολιτική που βασίζεται σε μετασχηματιστή μαντεύει την καλύτερη απάντηση με βάση την προηγούμενη συζήτηση.
  • Εφεδρική πολιτική: Τι πρέπει να κάνει ο βοηθός όταν δεν είναι σίγουρος για την καλύτερη απόκριση.

Απαντήσεις Βοηθού: Ασχολείται με- τι λέει ο βοηθός. Μπορείτε να το παράγετε χρησιμοποιώντας το Natural Language Generation (NLG), αλλά πιο συχνά παρέχοντας κατά λέξη.

Ώρα για Κωδικοποίηση σε πραγματικό χρόνο

Όποια και αν είναι η κωδικοποίηση σε πραγματικό χρόνο που χρειάζεστε για να εκτελέσετε, όλα αυτά υπάρχουν ήδη στο βίντεο. Μπορείτε να περάσετε από το ίδιο και να εκτελέσετε ό,τι ακριβώς χρειάζεται να εκτελέσετε για να δημιουργήσετε το chatbot σας.

Σημείωση: Δοκιμάστε τον κωδικό μόνοι σας, γιατί η παραβίαση των δεδομένων δεν έχει νόημα. Για να έχετε σαφήνεια σχετικά με την προσέγγιση, δοκιμάστε το και δημιουργήστε ένα δικό σας μοντέλο.

συμπέρασμα

Ελπίζω να έχετε κατανοήσει την έννοια «Δημιουργήστε το πρώτο σας chatbot χρησιμοποιώντας την προσέγγιση Rasa (εργαλείο ανοιχτού κώδικα)» και θα εφαρμόσετε το ίδιο στα chatbot σας. Επιπλέον, μερικοί σύνδεσμοι θα σας βοηθήσουν περαιτέρω στη διαδικασία.