🏌️ 👩🏾‍🤝‍👨🏻 ✍🏽 तंत्रिका नेटवर्क पर बॉट: एक आभासी सहायक कैसे काम करता है और सीखता है 🌘 🔎 💊

2016 में, चैटबॉट की लोकप्रियता के चरम पर, हमारी टीम ने व्यापार के लिए बटन सहायक बनाए। जब तक एक दिलचस्प विचार नहीं आया: "क्या होगा यदि हम तंत्रिका नेटवर्क के साथ ग्राहक सहायता को स्वचालित करते हैं?" हम चाहते थे कि चैट रोबोट आखिरकार प्राकृतिक भाषा को समझें और सहज हो जाएं।

इसमें चार गणितज्ञों, छह महीने की कड़ी मेहनत, एक नई प्रोग्रामिंग भाषा और कई गलतियाँ हुईं - और हमने एक निर्माणकर्ता बनाया जिसमें हर कोई AI के साथ एक आभासी सहायक को इकट्ठा कर सकता है।

सामग्री में हम बताएंगे

कैसे एक आभासी सहायक एक नियमित चैट बॉट से भिन्न होता है
क्या यह सच है कि आभासी सहायक भाषा को समझते हैं
कैसे हमने संदर्भ को समझने के लिए रोबोट को पढ़ाया और भाषा लिलंग लिखी
मामले का परीक्षण: हम तीन बैंकों में स्वचालित समर्थन कैसे करते हैं
इंटरफेस के लिए लिया प्लेटफॉर्म और इंजन का निर्माण
तीन चरण: आभासी सहायकों को इकट्ठा करने के लिए मंच कैसे काम करता है (जहां कोई भी, यहां तक कि एक गैर-प्रोग्रामर, एक रोबोट को इकट्ठा कर सकता है)

चैट बॉट बनाम वर्चुअल असिस्टेंट

60 के दशक में उन्नत चैटबॉट कीवर्ड को उजागर करने और मानव संवाद की नकल करने में सक्षम थे। हिप्पीज ने खुद को एलएसडी पर फेंक दिया, द बीटल्स ने स्टेडियमों को इकट्ठा किया, और जोसेफ वेइज़ानबाम ने एलिजा को बनाया, एक वार्ताकार-मनोचिकित्सक, जो कई आधुनिक बॉट्स, और यहां तक कि मनोवैज्ञानिकों को भी मौका देगा।
उदाहरण के लिए, "मेरे पिता मुझसे घृणा करते हैं" वाक्य में, एलिजा ने "पिता" शब्द का जवाब दिया और पूछा: "परिवार से आपको और कौन नफरत करता है?" लेकिन रोबो-मनोचिकित्सक मुद्दों के सार को नहीं समझ पाए। आधुनिक चैटबॉट भी काम करते हैं: कीवर्ड, रैखिक स्क्रिप्ट और लाइव संवाद की पैरोडी।

लेकिन 60 के दशक से कुछ बदल गया है: अब, मशीन सीखने और एनएलपी प्रौद्योगिकियों के लिए धन्यवाद, हम चैट बॉट को प्राकृतिक भाषा और संदर्भ को समझने के लिए सिखा सकते हैं। यह अभी भी एक नकल है, लेकिन अधिक सार्थक है।

अंतर को देखने के लिए, चलो चैटबॉट और सहायक की तुलना करते हैं - कल्पना करें कि हमें एक आभासी सोमेलियर बनाने की ज़रूरत है जो ग्राहकों को शराब के विकल्प के साथ मदद करता है।

स्टेज 1

चैटबॉट और आभासी सहायक का पहला चरण एक है: हम उपयोगकर्ता के अनुरोधों का पता लगाते हैं और उन वाक्यांशों के साथ आते हैं जो वे लिख सकते हैं। और फिर हम लिखते हैं कि रोबोट प्रतिक्रिया में कैसे कार्य करेगा।

मूल अनुरोध स्पष्ट है - शराब उठाओ। लेकिन इस अनुरोध के कई पैरामीटर हो सकते हैं: कारण, मूल्य, देश, रंग, अंगूर की विविधता। शायद उपयोगकर्ता तुरंत पाया जाने वाला शराब का नाम लिखता है। या वह विवरण स्पष्ट करेगा: "यह कहाँ बनाया गया है?" या शायद जिज्ञासा से बाहर, वह सवालों के साथ बॉट फेंकना शुरू कर देगा: "कौन सी बोतल दुनिया में सबसे महंगी है?" और इसी पर। इसके अलावा, मामले में अनुरोधों के अलावा, "हैलो", "अलविदा", "आप कैसे हैं" और अन्य छोटी बात वाक्यांश हैं जिन्हें पूछने की आवश्यकता है।

आप अंतहीन रूप से कल्पना कर सकते हैं, लेकिन फिर भी हम उपयोगकर्ताओं के सभी सवालों की भविष्यवाणी करने में सक्षम नहीं होंगे। जब यह हमें लगता है कि वर्णित स्थितियों में 98% अनुरोधों को कवर करने के लिए पर्याप्त होगा, तो हम रोकते हैं (हालांकि तब कठोर वास्तविकता टूट जाती है और हमें पता चलता है कि 80% सबसे अच्छे रूप में कवर किया जाएगा)।

फिर हम विशिष्ट अनुरोधों - इरादों के लिए उपयोगकर्ताओं की जरूरतों के बारे में अपनी धारणाओं को बिखेरते हैं। इरादों से संकेत मिलता है कि उपयोगकर्ता क्या चाहता है, लेकिन इस बारे में जानकारी न छोड़े कि उसने इसके बारे में कैसे लिखा। यह चरण चैटबॉट और असिस्टेंट के लिए समान है।

इरादों की सूची

इरादा 1 - मुझे कोई शराब चाहिए
वाक्यांश:

- मुझे शराब चुनने में मदद करें
- आप किस शराब की सलाह देंगे?
- मुझे सबसे अच्छी शराब चाहिए
- ...
इसके साथ क्या करना है: बेतरतीब ढंग से सबसे लोकप्रिय वाइन में से एक का चयन करें और उपयोगकर्ता को सूचित करें।

इरादा 2 - सस्ती शराब

वाक्यांश:

- क्या 1000 रूबल तक कोई अच्छी वाइन है?
- लेकिन सस्ता कुछ नहीं है?
- मेरे लिए बहुत महंगा है
- ...
क्या करें: अनुरोध के लिए एक मूल्य फ़िल्टर जोड़ें और सबसे लोकप्रिय वाइन में से एक चुनें।

इरादा 3 - मुझे मांस के लिए शराब चाहिए
वाक्यांश:

- वाइन को स्टेक में एडवाइज करें
"मैं रात के खाने के लिए गुलाल लूंगा।" क्या पीना है?
- ...
इसके बारे में क्या करना है: "मांस" के मानदंड द्वारा डेटाबेस के लिए एक अनुरोध, सबसे लोकप्रिय वाइन में से एक का चयन करें और उपयोगकर्ता को सूचित करें।

... (और सैकड़ों विभिन्न इरादों पर)

इरादा 290 - हमने उपयोगकर्ता को नहीं समझा
वाक्यांश: कोई अन्य

क्या करें: एक स्टब वाक्यांश जारी करें: "मुझे नहीं पता कि आपका क्या मतलब है, लेकिन पिनिस्टा वर्ष के किसी भी समय रमणीय है।"

स्टेज 2

इस स्तर पर, हम एक एल्गोरिथ्म बनाना शुरू करते हैं जिसके द्वारा रोबोट काम करेगा। यहाँ चैटबोट और आभासी सहायक की समानता समाप्त होती है।

जब एक चैटबोट को कोड करते हैं, तो प्रोग्रामर मैन्युअल रूप से प्रत्येक इरादे के लिए कीवर्ड निर्धारित करता है, और जब उपयोगकर्ता लिखता है, तो बॉट वाक्यांश में इन कीवर्ड को खोजेगा।

एक सहायक को विकसित करते समय, एक प्रोग्रामर उपयोगकर्ता को लेक्सिकल अर्थ के अनुसार उपयोगकर्ता प्रतिकृतियों की तुलना करना सिखाता है। यह आपको निकटतम इरादा खोजने की अनुमति देता है।

चैट बॉट के साथ चॉइस वाइन	एक आभासी एआई सहायक के साथ शराब का चयन	क्या हुआ?
उपयोगकर्ता: नमस्कार! मैं 2000r से पहले रात के खाने के लिए वाइन चुनना चाहता हूं बॉट: हैलो! बॉट: हम किस प्राइस रेंज की तलाश कर रहे हैं? उपयोगकर्ता: 2000r तक Bot: मैं Ramirez de la Piscina की सिफारिश कर सकता हूं। तीखा सबसे अच्छा करने के लिए, स्पेन से सुंदर आदमी रात के खाने के लिए, और आपकी पसंदीदा श्रृंखला के लिए उपयुक्त है। 1240 12 प्रति बोतल	उपयोगकर्ता: नमस्कार! मैं 2000r से पहले रात के खाने के लिए वाइन चुनना चाहता हूं सहायक: नमस्कार! मैं रामिरेज़ डी ला पिसीना की सिफारिश कर सकता हूं। तीखा सबसे अच्छा करने के लिए, स्पेन से सुंदर आदमी रात के खाने के लिए, और आपकी पसंदीदा श्रृंखला के लिए उपयुक्त है। 1240 12 प्रति बोतल	बीओटी - कीवर्ड द्वारा शराब का चयन करने के लिए चला गया। मैंने मूल्य सीमा को नहीं समझा और फिर से पूछा। सहायक - निकटतम इरादे के लिए गया और मूल्य सीमा को पुनः प्राप्त किया।
उपयोगकर्ता: मुझे तीखा पसंद नहीं है बॉट: आपका उम्मीदवार कैसलेरो डेल डियाब्लो कैबरनेट सॉविग्नन रिज़र्व है बॉट: चिली टार्ट सॉविनन निश्चित रूप से आपको गर्म करेगा। केवल 872₽	उपयोगकर्ता: मुझे तीखा पसंद नहीं है सहायक: आपका उम्मीदवार एंटीगल है, "ऊनो" मलबेक। सहायक: 2015 से एक नरम अर्जेंटीना सीधे। एक बोतल की कीमत $ 20 है	चैटबॉट को "तीखा" कीवर्ड द्वारा निर्देशित किया गया था और उसने गलती की थी। और सहायक समझ गया कि "मुझे तीखा पसंद नहीं है" का इरादा नरम मदिरा था।
उपयोगकर्ता: खैर, यह बहुत सस्ती है। मैं शायद ले जाऊंगा बॉट: फिर "FYI" रेड ब्लेंड का प्रयास करें बॉट: उच्च रेटिंग के बावजूद, इसकी कीमत केवल $ 10 है बॉट: अच्छा विकल्प	उपयोगकर्ता: खैर, यह बहुत सस्ती है। मैं शायद ले जाऊंगा सहायक: अच्छा विकल्प	रोबोट प्रक्रिया एक समय में एक प्रदान करती है। मिस्टर चैटबोट ने "सस्ती" शब्द को देखा, टेम्पलेट के अनुसार उत्तर दिया - परिणामस्वरूप, उसने अनुमान नहीं लगाया और भ्रमित हो गया। सहायक ने पहले वाक्य को अनसुना कर दिया, क्योंकि उसने दूसरा समझा।

यह कैसे काम करता है: चैटबॉट और आभासी सहायकों की तुलना करने वाली एक तालिका

बॉट चैट करें	आभासी सहायक
उपयोगकर्ता को समझने के लिए, हम कीवर्ड लेते हैं। चैटबॉट बनाते समय मशीन लर्निंग और एनएलयू तकनीकों का उपयोग नहीं किया जाता है।	उपयोगकर्ता को समझने के लिए, हम एक "स्मार्ट" तुलना करते हैं और निकटतम इरादा चुनते हैं (थोड़ी देर बाद हम बताते हैं कि यह कैसे काम करता है)। मशीन लर्निंग और एनएलयू एल्गोरिदम हमें प्रतिकृतियों के बीच की दूरी को मापने की अनुमति देते हैं। उदाहरण के लिए, "स्पेसशिप" वाक्यांश "स्कूटर" की तुलना में "हवाई जहाज" के करीब है। और "गुर्दे की बिक्री" से - बहुत दूर।
तैयारी: प्रत्येक इरादे के लिए, हम कीवर्ड लिखते हैं (wine_year_meat: स्टेक, मांस, गोलश, शराब + शराब) एल्गोरिथ्म: हम उपयोगकर्ता की प्रतिकृति से शब्द लेते हैं ("एडवाइस वाइन टू स्टेक" → सलाह, शराब, स्टेक)। वह आशय चुनें जिसमें सबसे अधिक खोजशब्द उपयोगकर्ता की प्रतिकृति (wine_meat_meat) से हैं। यदि बॉट को खोजशब्दों द्वारा चौराहों का पता नहीं चला, तो हम "हम उपयोगकर्ता को समझ नहीं पाए" इरादे का चयन करते हैं। इरादे से मेल खाने वाली क्रिया करें।	तैयारी: हम स्मार्ट तुलना के लिए मॉडल को प्रशिक्षित करते हैं एल्गोरिथ्म: एक स्मार्ट तुलना का उपयोग करके इरादों के वाक्यांशों के साथ उपयोगकर्ता के वाक्यांश की तुलना करें। निकटतम वाक्यांशों के साथ इरादा चुनें यदि चयनित इरादा उपयोगकर्ता की प्रतिकृति के लिए पर्याप्त करीब नहीं है (सीमा समाप्त नहीं हुई है), तो हम "हम उपयोगकर्ता को समझ नहीं पाए" इरादे का चयन करते हैं। इरादे से मेल खाने वाली क्रिया करें।
कैसे सुधारें: त्रुटियों को कम करने के लिए, कमांड और बटन जोड़ें। तब उपयोगकर्ता आम तौर पर भाषा में संवाद करना बंद कर देते हैं, और बस बटन पर क्लिक करेंगे। इस तरह के सुधार से संवादी बुद्धि का क्षरण होता है।	कैसे सुधारें: उपयोगकर्ताओं द्वारा रोबोट से बात करने के बाद, हमारे पास वाक्यांशों के नए उदाहरण होंगे और हम उन्हें उनके इरादों के अनुसार वितरित करेंगे। समय के साथ, कवरेज का प्रतिशत बढ़ेगा, सहायक संचार के साथ बेहतर सामना करना शुरू कर देगा। इस तरह के सुधारों से बेहतर संवादी बुद्धिमत्ता पैदा होती है।

क्या यह सच है कि आभासी सहायक भाषा को समझते हैं?

एल्गोरिदम कुछ वाक्यांशों को दूसरों से अलग कर सकता है - लेकिन क्या हम कह सकते हैं कि रोबोट वास्तव में भाषा को समझते हैं?

इस प्रश्न का उत्तर देने के लिए, हम वाक्यांशों के शाब्दिक अर्थ की तुलना में लौटते हैं। कंप्यूटर के लिए अर्थ समझ में आने वाले डेटा प्रकार हैं: तार, संख्या और संयोजन। इसलिए, प्रोग्रामर स्रोत पाठ को तुलना के गणितीय कार्यों के लिए उपयुक्त रूप में बदलने का कार्य करता है - एक वेक्टर।

vectorize(" ") = (0.004, 17.43, -0.021, ..., 18.68) vectorize("  ") = (0.004, 19.73, -0.001, ..., 25.28) vectorize("  ") = (-8.203, 15.22, -9.253, ..., 10.11) vectorize(" ") = (89.23, -68.99, -10.62, ..., -0.982)

हमारे कार्यों के लिए, शाब्दिक रूप से घनिष्ठ वाक्यांशों के वैक्टर गणितीय रूप से एक-दूसरे के करीब होने चाहिए, शाब्दिक रूप से दूर के लोगों को दूर होना चाहिए, दूसरे ओपेरा के वाक्यांशों का वेक्टर बहुत दूर होना चाहिए। उदाहरण के लिए, "मुझे शराब चाहिए" मैं "मुझे शराब नहीं चाहिए" की तुलना में "मुझे सफेद शराब चाहिए" के करीब है। और "मंगल के हमलों" से बहुत दूर।

एक उचित रूप से प्रशिक्षित तंत्रिका नेटवर्क इन वैक्टरों में शाब्दिक अर्थ को समाप्त करने में सक्षम होगा। यह पता चला है, दो वाक्यांशों के अर्थ की तुलना करने के लिए, आपको उनके वैक्टर की तुलना करने की आवश्यकता है।

इसलिए, इस सवाल का जवाब "क्या रोबोट भाषा समझते हैं?" इस तरह होगा: वे यह नहीं समझते हैं कि एक व्यक्ति कैसा है, वे सिर्फ शाब्दिक अर्थों की तुलना करना जानते हैं और नरम के साथ गर्म भ्रमित नहीं करते हैं। लेकिन जब एल्गोरिदम विचारोत्तेजक शोधन की पेशकश कर सकता है और निष्कर्ष निकाल सकता है, तो हम ईमानदारी से कहते हैं: हां, समझ आ गई है। इस बीच, "भाषा को समझें" केवल एक सुंदर विपणन वाक्यांश है।

वास्तव में, रोबोट केवल तीन साल के बच्चे की तरह उपमाओं के साथ काम करता है। हालाँकि, यदि आप बच्चे को पर्याप्त संख्या में उदाहरण देते हैं, तो वह बौद्धिक होने का दिखावा कर सकता है और चर्चा का नेतृत्व कर सकता है। समर्थन की पहली पंक्ति का "लाइव" ऑपरेटर उसी तरह से काम करता है - वे स्थितियों का एक सेट तैयार करते हैं और उन्हें बताते हैं कि उन्हें कैसे व्यवहार करना है। इसलिए, वर्चुअल असिस्टेंट समर्थन स्वचालन के लिए अच्छी तरह से अनुकूल हैं।

हमने रोबोट को संदर्भ को समझने के लिए कैसे सिखाया: लियांग

सामान्य समर्थन के लिए, रोबोट को प्राकृतिक भाषा की थोड़ी "समझ" की आवश्यकता होती है - यह महत्वपूर्ण है कि वे सवालों के जवाब दे सकें और संदर्भ में रहें। ऐसा करने के लिए, हमने लियालंग लिखा, एक डायलॉग मार्कअप लैंग्वेज जहां स्क्रिप्ट्स का वर्णन किया जा सकता है और रोबोट को दिया जा सकता है।

एक लियालंग प्रोग्रामर का मुख्य कार्य उन सभी स्थितियों का वर्णन करना है जो किसी व्यक्ति और मशीन के बीच एक संवाद में हो सकता है। ऐसा करने के लिए, हमारी भाषा में आप इरादों और कार्यों के नामों को जोड़ सकते हैं।

एक साधारण उदाहरण पर गौर करें - एक अभिवादन:

 if intent() { reaction(_) }

यह नियमित कोड की तरह दिखता है, लेकिन सामान्य प्रोग्रामिंग कंस्ट्रक्शंस का उपयोग करके सामान्य पैटर्न ("यदि आपसे कुछ पूछा गया था") में संवाद के बारे में नीरा ग्रिड इरादे (...) निर्माण के पीछे काम करता है। बेशक, इसे काम करने के लिए, आपको मशीन लर्निंग और एनएलयू प्रौद्योगिकियों को लागू करने की आवश्यकता है, क्योंकि उपयोगकर्ता अपने अनुरोध को अपनी इच्छानुसार लिख सकता है।

और यहां संदर्भ संबंधी स्थितियों का वर्णन करना है।

हमने संवाद में कहीं भी अनुचित अभिवादन को पकड़ने के लिए "था" निर्माण पेश किया:

 if intent() { if was_reaction(_) { reaction(___) } else { reaction(_) } }

यह कहता है: लिया, अगर उन्होंने आपको नमस्ते कहा, तो जवाब में नमस्ते कहें। और अगर उसके बाद उन्होंने फिर से "हैलो" कहा - तो कहें कि आपने पहले ही नमस्ते कहा है।

एक प्रतिक्रिया एक कार्रवाई है जिसे लिया को एक इरादे के जवाब में करना चाहिए। 95% मामलों में, यह सिर्फ पाठ है। लेकिन यह भी रोबोट कोड में एक फ़ंक्शन कॉल कर सकता है, ऑपरेटर को संचार स्विच कर सकता है या अन्य जटिल क्रियाएं कर सकता है।

पाठ और कार्यों को भेजने के लिए कोड भाषा से अलग से मौजूद है - भाषा स्थितियों का यथासंभव सरल वर्णन करती है।

अब चलो एक और अधिक जटिल बात लिखने की कोशिश करते हैं - बैंक के साथ बातचीत में, ग्राहक अक्सर उनका विवरण मांगते हैं। आइए जानें कि लियलैंग का उपयोग करके उन्हें चैट और मेल पर कैसे भेजा जाए।

 if intent(_) or intent(___) { reaction(___) { if intent(__) { reaction(___) } } } if intent(___) { reaction(___) }

यहाँ दो स्थितियों का वर्णन किया गया है:

Lia, यदि आपको विवरण भेजने के लिए कहा गया - तो उन्हें चैट पर भेजें। यदि उन्होंने पूछा कि "यह डाकघर के लिए आवश्यक है", तो उन्हें डाकघर भेजें।
Lia, यदि आपको तुरंत मेल में विवरण भेजने के लिए कहा गया था - मेल को विवरण भेजें।

तो लिलयांग अपना काम करता है - संदर्भ में काम करता है। यहां तक कि अगर कोई व्यक्ति "मेल द्वारा, कृपया," लिखता है, तो रोबोट समझ जाएगा कि हम विवरण के बारे में बात कर रहे हैं।

लिया ने जटिल परिदृश्यों का समर्थन करना सीखा है - उपयोगकर्ता के लिए आवश्यक समय पर, वह / से सीआरएम को डेटा भेजेगा, एसएमएस भेजेगा, भुगतान के साथ मदद करेगा या जीवन के बारे में बात करेगा।

धीरे-धीरे, हमने भाषा में सुधार किया: हमने चर, फ़ंक्शंस, इकाइयां (दिनांक, पते, फ़ोन नंबर, नाम, आदि), राज्य और अन्य उपयोगी निर्माण जोड़े। इसलिए उस पर लिखना और भी सुविधाजनक हो गया।

मामले का परीक्षण: हम तीन बैंकों में स्वचालित समर्थन कैसे करते हैं

जैसे ही हमने तकनीक बनाई, उसे तत्काल अंतिम रूप दिया जाना था - हमारा पहला ग्राहक था। वीटीबी को उद्यमियों के लिए एक नए इंटरनेट बैंक में समर्थन को स्वचालित करने की आवश्यकता है।

हमने काफी सफलतापूर्वक शुरुआत की - विशेष रूप से एक उत्पाद के लिए जो चार महीनों में बनाया गया था। वीटीबी के लिए हमारा हाइब्रिड रोबोट तंत्रिका नेटवर्क पर आधारित था और तुरंत प्रभावी था: इसने 800 से अधिक सवालों के जवाब दिए, कई जटिल परिदृश्यों (बयान, टैरिफ परिवर्तन, उपयोगकर्ता सेटिंग्स) का समर्थन किया और एक व्यक्ति की तरह बात की। नतीजतन, दो महीनों में, हमारे लिया ने समर्थन भार को 74% तक कम कर दिया। यह स्पष्ट हो गया: समर्थन स्वचालन कार्यों के साथ विचार।

इसके अलावा, लिया के आधार पर, हमने "रॉकेटबैंक" और "डेलबैंक" में एफएक्यू को स्वचालित कर दिया - और दो सप्ताह में उन्होंने ऑपरेटरों के बिना 32% आवेदन बंद कर दिए।

ऐसा लगता है कि लड़कों को सफलता मिली। हालांकि, पहले ग्राहकों के बाद यह स्पष्ट हो गया कि अवधारणा को बदलने की जरूरत है। यह नरक था - हमें लिपियों को मैन्युअल रूप से संशोधित करना, संपादन करना, शाखाओं को विकसित करना था। सरल बॉट के साथ एक ही बात, केवल कठिन और अधिक ताकत की आवश्यकता होती है। इस स्थिति में, स्केल करना मुश्किल था।

फिर हमने एक उपकरण बनाने का फैसला किया जिसमें ग्राहक खुद भी एक जटिल सहायक को इकट्ठा करने में सक्षम होगा। और हम केवल ट्यूटोरियल और उपयोगकर्ताओं को शिक्षित करने में मदद करेंगे।

इंटरफेस के लिए लिया प्लेटफॉर्म और इंजन

इसलिए, हमने उन लोगों के लिए एक मंच बनाने का फैसला किया जो विकास को नहीं समझते हैं। हालांकि लियांग में दस से कम अलग-अलग डिज़ाइन होते हैं, लेकिन हर प्रबंधक इसे अपना बॉट बनाना नहीं सिखाएगा। प्रबंधकों को चूहे से प्यार है।

इसलिए, हमने इस तरह के इंटरफ़ेस के बारे में सोचना शुरू कर दिया, जो कि वह सब कुछ करने में सक्षम होगा जो लिलंग कर सकता है। उन्हें नेस्टेड शाखाओं, एक स्क्रिप्ट से दूसरी स्क्रिप्ट में बदलाव और सबसे महत्वपूर्ण बात - न केवल हमारे प्रोग्रामर, बल्कि हर कोई जो स्क्रिप्ट बनाना चाहता है, के साथ समस्या नहीं होगी।

देखिये कैसा दिखता है:

लीया का धैर्य

संवाद एक गैर-रेखीय चीज है और सभी प्रकार की वार्तालाप योजनाओं के लिए एक सार्वभौमिक इंजन लिखना बहुत मुश्किल है। लेकिन इससे पहले कि हम योजनाओं के बारे में सोचते, हमारे पास पहले से ही लीलांग था - यह इंजन बन गया।

जो भी इंटरफ़ेस डिज़ाइनर सामने आए हैं, हम इसके लिए दिमाग को कोड नहीं करते हैं, लेकिन इंटरफ़ेस से लेयांग कोड तक मार्कअप का केवल एक छोटा अनुवादक लिखते हैं। यदि इंटरफ़ेस फिर से बनाया गया है, तो हमें केवल अनुवादक को बदलने की आवश्यकता होगी - जिसके लिए इंटरफ़ेस कमांड और कोर कमांड अलग-अलग मौजूद हो सकते हैं।

वर्चुअल असिस्टेंट बनाने का प्लेटफ़ॉर्म कैसे काम करता है?

लीया में अपने स्वयं के आभासी सहायक को इकट्ठा करने के लिए, उपयोगकर्ता को तीन चरणों से गुजरना पड़ता है।

चरण 1. उपयोगकर्ताओं के साथ चैट इतिहास डाउनलोड करें ताकि रोबोट मुख्य परिदृश्यों को समझे और उजागर करे

यदि क्लाइंट के पास उपयोगकर्ताओं के साथ बातचीत का इतिहास है, तो वह उन्हें सिस्टम में अपलोड कर सकता है और सबसे लोकप्रिय प्रश्नों से क्लस्टर्स प्राप्त कर सकता है। उनसे इरादे बनाना बहुत सुविधाजनक होगा।

उपयोगकर्ता का एक उदाहरण अनजाना

समय के साथ, लिया की प्रभावशीलता बढ़ जाएगी। संदेश जो रोबोट जवाब नहीं दे सका, उन्हें फिर से समूहों में वितरित किया जाता है: उदाहरण के लिए, "आप कौन हैं?", "आप कौन हैं?", "आपका नाम क्या है?" और "क्या आप एक रोबोट हैं?" एक समूह में गिर जाएंगे। इसलिए प्लेटफ़ॉर्म अर्ध-स्वचालित रूप से स्वयं-सीखता है: उपयोगकर्ता देखता है कि अंतर कहां है और इसे बंद कर देता है, नए परिदृश्यों को जोड़ रहा है - परिणामस्वरूप, छह महीने में कवर किए गए अनुरोधों का प्रतिशत 30% से 70% तक बढ़ता है।

यदि कोई पत्राचार इतिहास नहीं है, तो हम इस चरण को छोड़ देते हैं और तुरंत दूसरे चरण के साथ शुरू करते हैं: हम भविष्यवाणी करते हैं कि उपयोगकर्ता सहायक के लिए क्या अनुरोध करेंगे।

चरण 2. हम इरादे को लिखते हैं: सबसे लगातार उपयोगकर्ता अनुरोधों के लिए 10-20 विकल्प

दूसरे चरण में, हम 10-20 सबसे लोकप्रिय प्रश्नों के आधार पर इरादे लिखते हैं: विकल्प की यह संख्या तंत्रिका नेटवर्क के लिए पर्याप्त है। तो "मुझे शराब ऑर्डर करना है" जैसे वाक्यांश बॉट को समान उपयोगकर्ता अनुरोधों को पहचानने के लिए सिखाता है: उदाहरण के लिए, "शराब प्राप्त करें" या "शराब प्राप्त करें"।

इरादा मार्कअप उदाहरण

एक अन्य सहायक सार को समझता है और निकालता है: शहर के नाम, फोन नंबर, पते, समय टिकट, अवधि, दिनांक और शाप - भले ही आप कहते हैं कि "थका हुआ, कल शराब का एक डिब्बा लाओ"।

इसके अलावा, उपयोगकर्ता अपनी वस्तुओं को जोड़ सकते हैं और मैन्युअल रूप से प्रशिक्षण वाक्यांशों को चिह्नित कर सकते हैं ताकि सहायक तेजी से सीखे। यह प्लेटफ़ॉर्म की सबसे शक्तिशाली विशेषताओं में से एक है, जिसकी बदौलत यह ऐसे रोबोट बना सकता है जो मानव ऑपरेटर से ज्यादा खराब काम नहीं करते।

चरण 3. एक परिदृश्य बनाएँ: कई उत्तरों या कार्यों को लिखिए

यहां यूजर को यूजर रिक्वेस्ट के जवाब के साथ आना होगा। औसत परियोजना का 95% आमतौर पर एक साधारण प्रश्न-उत्तर परिदृश्य लेता है - लोकप्रिय सवालों के जवाब।

वैसे, सहायक चित्रों, वीडियो और ऑडियो फ़ाइलों के साथ प्रतिक्रिया कर सकता है, और यदि आवश्यक हो, तो एक जियोलोकेशन भेजें।

निर्माण के लिए कूद विशेष रूप से उपयोगी है - इसके लिए धन्यवाद, लिया एक परिदृश्य से दूसरे में बदल सकता है, और फिर कई समस्याओं को हल करके वापस लौट सकता है। यह उपयोगी है यदि आपको बातचीत में एक तरफ कदम रखने की जरूरत है, लेकिन फिर सही रास्ते पर लौट आएं: उदाहरण के लिए, एक स्पष्ट प्रश्न पूछें।

उदाहरण संवाद कूदो:

सहायक: हमें डिलीवरी पते को स्पष्ट करने की आवश्यकता है, क्योंकि प्राप्तकर्ता जवाब नहीं दे रहा है।
ग्राहक: और किस बारे में? कौन सा आदेश? (ऑर्डर स्पष्टीकरण के लिए JumpTo)
सहायक: आदेश 21 अगस्त, एंटीगल, "ऊनो" मलबेक।
सहायक: तो क्या हम वर्तमान डिलीवरी पते को स्पष्ट कर सकते हैं? (मुख्य स्क्रिप्ट पर लौटें)

जब निर्माता चाहता है कि उसका सहायक न केवल पाठ के साथ प्रतिक्रिया करे, बल्कि कार्रवाई करने के लिए, वह विशेषज्ञ के लिए जेएस स्निपेट लिखने के लिए एक प्रोग्रामर को कॉल कर सकेगा। हम आपको स्क्रिप्ट के दौरान सीधे जावास्क्रिप्ट चलाने की अनुमति देते हैं: बाहरी एपीआई तक पहुंचें, ई-मेल भेजें या अन्य जटिल कार्रवाई करें।

4. सारांश

एक सहायक किसी भी चीज के साथ एकीकृत कर सकता है: फोन पर किसी व्यक्ति से बात करें, तत्काल दूतों में या एक विजेट जो क्लाइंट साइट पर पोस्ट करेगा।

मंच में एक स्मार्ट सहायक को इकट्ठा करने में कुछ घंटों से लेकर एक महीने तक का समय लगता है। फिर रोबोट वास्तविक रूप से अनुरोधों को समझने और पैटर्न को पहचानने में सीखता है - इसमें लगभग छह महीने लगते हैं (इस समय एक जीवित व्यक्ति इसकी देखरेख करता है)। Lia रोबोट गर्ल के लिए बिजनेस ज्यादातर रुटीन टास्क कर सकता है: डिलीवरी कोऑर्डिनेट करने से लेकर क्लाइंट्स को कंसल्ट करने के लिए टैक्सी बुलाना।

वर्चुअल शराब सहायक चैट उदाहरण

वैसे, हमने पहले ही प्रोजेक्ट्स को बैंकों के साथ प्लेटफॉर्म पर स्थानांतरित कर दिया है। वे बस के रूप में अच्छी तरह से काम करते हैं, लेकिन वे बहुत अधिक आसानी से संचालित होते हैं।

निकट भविष्य में, हम एक्सट्रैक्टर्स जोड़ने की योजना बनाते हैं, जो हमारे उपयोगकर्ताओं को अधिक जटिल डेटा निकालने की अनुमति देगा (उदाहरण के लिए, रोबोट "दोपहर के भोजन के बाद का दिन" वाक्यांश को समझ जाएगा)। हम संस्करण नियंत्रण को भी अंतिम रूप देंगे ताकि ग्राहक जल्दी से परियोजनाओं के संस्करणों को रोल और रोल कर सकें। हम संगठन की भूमिका प्रणाली भी जारी करेंगे।

हमें उम्मीद है कि गार्टनर के पूर्वानुमान सही होंगे - और 2022 में, सभी ग्राहक इंटरैक्शन में से 70% तक किसी न किसी प्रकार के एआई से गुजरेंगे। हमारे विचार के अनुसार, लाइया जैसे डिजाइनर क्लाइंट सेवा को रोबोटों में तेज़ी से स्थानांतरित करने में मदद करेंगे।

तंत्रिका नेटवर्क पर बॉट: एक आभासी सहायक कैसे काम करता है और सीखता है