Joskus sinun tarvitsee vain puhua jonkun kanssa. Joku, joka voi piristää sinut omalla tavallaan, joku on täynnä elämää ja kiusaa, että unohdat kaikki ongelmasi elämässä. Joku, joka huvittaa sinua tulossa paremmin kuin odotuksesi. Kaikki eivät ole niin tyytyväisiä puhumaan muiden "ihmisten" kanssa asioista, mutta on joitain uteliaita ihmisiä, jotka puhuvat AI: lle. Täällä Ruuh tulee kuvaan.
Ruuh kykenee kuuntelemaan kysymystä, havaitsemaan tunteitaan, tutustumaan käyttäjän taustaan ja tekemään asianmukaisia vastauksia ja paljon muuta. Tämä parantaa niiden liimausta ja suhteita, jotka ne jakavat käyttäjän kanssa. Se merkitsee suoraan arvokkaita ja järkeviä keskusteluja chatbotin ja käyttäjän välillä.
Ruuh on hyvä keskustelujen tekemiseen
Ilman tunteita, chatbotsin olemassaolo on hyödytöntä. Vain mahdollisuus vastata ilman henkilökohtaista yhteyttä tekee chat muodollista ja monesti mielenkiintoista. Chatbot on mielenkiintoinen vain, jos he pystyvät tekemään keskusteluja siihen liittyvien tunteiden perusteluihin. Tästä Microsoft sanoo,
Building a conversational layer in Ruuh helps her develop relationships so users can be more open, more casual and more engaged. This leads to better, more honest and natural conversations that ultimately lead to added value and a better experience for users.
Tavoitteena Ruuh
Microsoftin päätavoite tämän AI-powered chatbotin rakentamisessa oli tehdä se nuorille, tech-savvyille varhaisille Intia. Sen oli tarkoitus olla samanlainen kuin Microsoftin kiinalainen Chatbot-niminen Xiaoice. Ruuh on pikemminkin digitaalinen ystävä kuin pelkkä digitaalinen avustaja. Ruuh on ohjelmisto, joka ei ole vain koodi; se on ystäväsi. Kuinka syvä oppiminen toimii.
Ruuh on kuvitteellinen luonne, me kaikki tiedämme sen. Mutta hänen hahmonsa on mallinnettu nuoren, kaupunkilaisen intialaisen tytön, joka on noin 18-24-vuotiaita. Hän näyttää olevan kiinnostunut popkulttuurista ja on suuri Intiassa käytettävien sujuvien urbaanien slangien käytössä.
Seuraavaksi he joutuivat tarkentamaan kerättyjä hyödyllisiä tietoja. Tämä vaihe otti 70% kaikista kerätyistä tiedoista hyödyttömiksi ja poistettiin. Microsoft varmisti, että Yhdysvalloissa, Isossa-Britanniassa ja Australiassa ei ole lainkaan loukkaavia kommentteja eikä seksistisiä tai poliittisia kommentteja.
Nyt tämä hienostunut ja hyödyllinen data on tarkoitus soveltaa valitussa mallissa. Tämä malli oli cDSSM tai Convolutional Deep Structured Semantic Model. Tämä on uudempi malli ja auttaa parantamaan ja syvempään ihmisen kaltaiseen käyttäytymiseen AI: ssa.
Miten cDSSM johtaa parempaan AI: han?
Kyselyn tunnistetiedot
Kyselyn tunnistaminen on ensimmäinen askel AI: n tekemisessä enemmän ihmisten kanssa. Algoritmi ottaa sisääntulohakemuksen ja etsii tietokannasta vastaavia kysymyksiä. Tätä kutsutaan myös tiedonhankinnaksi tai IR: ksi. Esimerkiksi: jos kysymys on, "miten teen kanapasta?", Ruuh analysoi tiedot ja löytää useita näytteitä samankaltaisista kysymyksistä.
Ranking vastaukset
Tässä algoritmissa lajitellaan vastaukset sen perusteella, miten näytteet ovat. Näin saadaan tärkeimmät tiedot tuotoksena.
Ymmärtäminen konteksti
Nyt voi olla turhaa, jos chatbot unohtaa, mitä käyttäjä puhuu.
For Example: Question: “Do you like ice cream, Ruuh?”
Ruuh: “Yes, I like it.”
Question: “which flavors do you like?”
Ruuh: “Chocolate and Vanilla.”
Nyt Ruuh tiesi, että toinen kysymys koski jäätelöä, joten vastaus oli asianmukainen.
Tunnistus ja vastaus henkisiin vihjeisiin
Nyt ihmisen kaltaisempi tarkoittaa tunteiden tunnistamista. Tämä johtuu siitä, että ihmisillä on tunnepitoisia ajatuksia. Joten, jotta voidaan havaita käyttäjien tunteet, Ruuh etsii kuvioita chat-viestit vastaanottaa ja tyyppi emojis käyttää chat. Joten, kun puhut hänen kanssaan, hän tietää, jos olet onnellinen, surullinen, innostunut tai järkyttynyt.
tuomio
Ruuh on voimakas ja erinomainen tapa osoittaa voiman, mitä AI voi tehdä nykyään käyttäytyessään kuin ihminen. CDSSM: n voimalla Ruuh on paljon älykkäämpi.
Microsoft sanoo:
To summarize, the model combined with deep learning integrates context and the user’s message to extract the appropriate response. The model extracts the context from the message, retrieves previous messages, creates a group of appropriate responses, ranks them according to relevance, and generates the final output.
Ymmärrämme tämän paremmin esimerkillä. Jos käyttäjä kysyi Ruuhilta, "Minkä pizzan päällysteet ovat suosituin?", Ruuh tunnistaa kyselyn "pizza toppings" -kyselystä ja hakee tärkeimmät vastaukset tämän kyselyn perusteella. Ruuh sijoittaisi samanlaiset vastaukset tietokannasta, jotka perustuivat merkityksellisyyteen saadakseen sopivimman vastauksen. Asiayhteyteen liittyvä tietoisuus Ruuh voi helposti vastata seuraaviin kysymyksiin, kuten "Mitkä pidät?" Vastaamalla "Rakastan sieniä ja ananasta".
Ruuh on nyt yhden vuoden vanha, ja minun on sanottava, että AI: n tulevaisuus on kirkas, koska meillä on yhä enemmän edistyksellistä AI: ta, me tulemme lähitulevaisuudessa ymmärtämään älykkäämpiä asioita. Toivotamme Microsoftin joukkueelle erittäin hyvää onnea ja toivon, että ne tulevat yllättämään meitä tulevaisuudessa näillä upeilla tuotteilla.
Voit lukea lisää Ruuhista täältä Microsoftin virallisella artikkelilla - ja antaa hänelle kokeilla täällä Facebookissa.
