Descripción general del chatbot
En 1950, Alan M. Turing publicó un artículo sobre mecánica informática e inteligencia en la revista "Mind". Al comienzo de este artículo preguntó "¿Pueden pensar las máquinas? (¿Pueden las máquinas pensar?)" y propuso la clásica prueba de Turing. Pasar la prueba de Turing se considera el objetivo final de la investigación en inteligencia artificial, y el propio Turing es llamado el "padre de la inteligencia artificial".
En 1966 nació el primer programa de robot de chat, ELIZA. Fue desarrollado por Joseph Weizenbaum en el Instituto Tecnológico de Massachusetts (MIT) para desarrollar un programa de guión básico para simulaciones clínicas de la psicoterapia de Rogers. La tecnología de implementación solo realiza coincidencias de palabras clave en el texto ingresado por el usuario en la computadora y escribe manualmente las reglas de respuesta.
Del 65438 al 0972, el psiquiatra estadounidense Kenneth Colby escribió un programa informático PARRY utilizando LISP para simular la esquizofrenia paranoide.
En 1988, el programador británico Rollo Carpenter creó el chatbot Jabber Wakey. El objetivo del proyecto es "simular el chat natural entre humanos y máquinas de una manera divertida, entretenida y con humor". Este proyecto también es un intento inicial de crear un chatbot con inteligencia artificial interactuando con humanos, pero Jabber Wakey aún no se ha utilizado para realizar ninguna otra función. Esta tecnología utiliza tecnología de coincidencia de patrones contextuales para encontrar el contenido de respuesta más apropiado.
Del 65438 al 0988, Robert Wilensky y otros en la Universidad de California, Berkeley, desarrollaron un sistema de robot de chat llamado UC (UNIX Consultant). El propósito del chatbot UC es ayudar a los usuarios a aprender el sistema operativo UNIX.
Del año 65438 al 0990, el científico y filántropo estadounidense Hugh G. Loebner estableció un concurso anual de inteligencia artificial, el Premio Loebner. El Premio Lobner está diseñado para poner a prueba la capacidad de pensamiento de las máquinas a través de la conversación. Se considera que es el momento de poner a prueba a Turing. Los premios del concurso se dividen en tres categorías: oro, plata y bronce. Hasta el momento, ninguna de las candidaturas ha cumplido los criterios para recibir un premio de Oro o Plata.
Promovida por el Premio Lobner, la investigación sobre chatbots ha alcanzado su clímax. Uno de los sistemas de chatbot más representativos es Alice (Artificial Language Internet Computer Entity), que nació el 23 de febrero. Aiml (lenguaje de marcado de inteligencia artificial) lanzado con ALICE se ha utilizado ampliamente en el desarrollo de asistentes virtuales para teléfonos móviles.
En 2001, la popularidad de SmarterChild en las herramientas de mensajes cortos y mensajería instantánea hizo que los chatbots se utilizaran por primera vez en el campo de la mensajería instantánea. En 2006, IBM comenzó a desarrollar Watson, un supercerebro que puede responder preguntas en lenguaje natural. Como supercomputadora basada en la tecnología de "respuesta profunda a preguntas" de IBM, Watson puede utilizar cientos de algoritmos para encontrar la respuesta a una pregunta específica en 3 segundos.
En 2010, Apple lanzó su asistente de inteligencia artificial Siri. La tecnología de Siri proviene del proyecto CALO anunciado por la Agencia de Proyectos de Investigación Avanzada de Defensa de EE. UU.: un asistente virtual con capacidades de aprendizaje, organizativas y cognitivas que simplifica asuntos militares complejos. La versión civil del software derivado del proyecto CALO es el asistente personal virtual Siri.
Desde entonces, Microsoft Xiao Bing, Microsoft Cortana (Cortana), Alibaba Xiaomi, JD.COM JIMI, NetEase Qiyu y otros robots de chat han surgido uno tras otro. Estos robots de chat han ido penetrando gradualmente en todas las áreas. la vida de las personas.
En 2016, importantes empresas de todo el país comenzaron a lanzar plataformas abiertas o arquitecturas de código abierto que se pueden utilizar para construir sistemas de chatbot.
Desde 2010, los productos icónicos de chatbot son los que se muestran en la siguiente figura.
Resumen: Con el aumento gradual de las tecnologías relacionadas con la inteligencia artificial, la investigación sobre el procesamiento del lenguaje natural ha logrado resultados fructíferos y las tecnologías relacionadas con los robots de chat se han desarrollado rápidamente. Al mismo tiempo, los chatbots, como forma novedosa de interacción entre humanos y computadoras, se están convirtiendo en una de las puertas de entrada a las búsquedas y servicios móviles. Después de todo, la forma definitiva de motor de búsqueda bien puede ser los chatbots. Muchos exploradores y desarrolladores en el campo de la inteligencia artificial quieren aprovechar y aprovechar la nueva entrada interactiva de los chatbots.
A continuación se introduce la clasificación a partir de la disposición de varias dimensiones.
La función principal del sistema robot de chat de atención al cliente online es responder automáticamente a las preguntas relacionadas con productos o servicios planteadas por los usuarios, reduciendo así los costes operativos de la atención al cliente corporativa y mejorando la experiencia del usuario. Los sistemas de robot de chat de servicio al cliente en línea comerciales representativos incluyen el robot XiaoI, el robot de servicio al cliente JD.COM JIMI, Alibaba Xiaomi, etc. Tomando como ejemplo el robot de servicio al cliente JIMI de JD.COM, los usuarios pueden chatear con JIMI para conocer información específica del producto, información de actividad de la plataforma y problemas durante la compra. Además, JIMI tiene cierta capacidad de rechazo: puede saber qué preguntas los usuarios no pueden responder y puede transferirlos al servicio de atención al cliente manual de manera oportuna.
Alibaba Group lanzó un robot virtual asistente de compras con inteligencia artificial llamado "Alibaba Xiaomi" el 24 de julio de 2015. Alibaba Xiaomi proporciona una buena experiencia al cliente basada en campos verticales (servicios, guías de compra, asistentes, etc.). ) donde los clientes lo necesitan.
La función principal del sistema chatbot en escenarios de entretenimiento es mantener conversaciones (chat) con los usuarios sin restricciones de tema, sirviendo así de compañía y comodidad. Sus escenarios de aplicación se centran en las redes sociales, el compañerismo y el entretenimiento de los niños, los juegos de combate y otros campos. Hay sistemas representativos como Xiao Bing de Microsoft, Xiao Wei de WeChat y Xianer Robot Monk del Templo Longquan en Beijing.
Los sistemas de robots de chat en escenarios educativos se pueden dividir según diferentes contenidos educativos. Los escenarios de aplicación de este tipo de robot de chat son productos de aprendizaje y capacitación con funciones de interacción persona-computadora y juguetes inteligentes para niños.
Las aplicaciones de asistente personal pueden interactuar con los usuarios a través de voz o texto para realizar consultas y representar los asuntos personales de los usuarios, como consultas meteorológicas, tecnología SMS, recomendaciones de posicionamiento y ruta, despertadores y recordatorios de horarios, pedidos de comida. , etc., lo que permite a los usuarios manejar los asuntos diarios de manera más conveniente.
El sistema inteligente de robot de chat de preguntas y respuestas puede responder preguntas fácticas planteadas por los usuarios y otras preguntas complejas que requieren cálculo y razonamiento lógico en forma de lenguaje natural, satisfaciendo así las necesidades de información del usuario y ayudándole a tomar decisiones. . No solo preguntas y respuestas objetivas como qué, quién, cuál, dónde, cuándo, etc. , también incluye preguntas y respuestas no objetivas, como cómo, por qué, etc. Hay que tener en cuenta que los chatbots de respuesta inteligente se suelen utilizar como módulo de servicio de los chatbots.
Desde una perspectiva de implementación, los chatbots se pueden dividir en tipos de recuperación y generación. Las respuestas al chatbot de recuperación están predefinidas. Durante el chat, el bot utiliza un motor de reglas, coincidencia de patrones o un clasificador entrenado mediante aprendizaje automático para seleccionar la mejor respuesta de la base de conocimientos para mostrársela al usuario. Los chatbots generativos no se basan en respuestas predefinidas, pero en el proceso de entrenamiento del bot, se requiere un gran corpus que contenga mensajes de chat y respuestas contextualmente relevantes.
Aunque los sistemas de chatbot basados en búsquedas se utilizan actualmente generalmente para proporcionar servicios de chat en entornos de producción específicos, la aparición del modelo Seq2Seq basado en el aprendizaje profundo puede hacer que los sistemas de chatbot basados en generaciones se generalicen.
Los chatbots basados en funciones se pueden dividir en cuatro tipos: sistemas de preguntas y respuestas, sistemas de diálogo orientado a tareas, sistemas de chat y sistemas de recomendación activa.
En la actualidad, los indicadores de evaluación de los sistemas de preguntas y respuestas y los sistemas de recomendación activa son relativamente objetivos y los métodos de evaluación son relativamente maduros. Sin embargo, ante la misma información, los sistemas de diálogo orientados a tareas y los sistemas de relleno pueden responder de diversas formas. Para la misma entrada del usuario, generalmente hay múltiples reacciones razonables y no fijadas, lo que dificulta su evaluación a través de un mecanismo objetivo. Por lo tanto, es necesario agregar el juicio subjetivo humano como una de las bases de la evaluación.
Por lo general, en la figura se muestra un marco completo de sistema de robot de chat, que incluye principalmente cinco módulos funcionales principales: reconocimiento automático de voz, comprensión del lenguaje natural, gestión del diálogo, generación de lenguaje natural y síntesis de voz. Cabe señalar que no todos los sistemas de chatbot requieren tecnología de voz.
Por ejemplo, un sistema de robot de chat que realiza la interacción persona-computadora en modo texto no requiere un módulo de reconocimiento automático de voz ni un módulo de síntesis de voz.
Amazon Lex es un servicio que utiliza voz y texto para crear interfaces conversacionales en cualquier programa. Amazon Lex proporciona una solución integral escalable, segura y fácil de usar para crear, publicar y monitorear bots publicados por desarrolladores. La siguiente imagen muestra cómo el chatbot ayuda a los usuarios a completar sus necesidades de pedidos de flores a través del diálogo.
Otro marco típico de chatbot es Wit.ai de Facebook. Wit.ai ha acumulado una gran cantidad de datos de conversaciones de alta calidad, promoviendo eficazmente el desarrollo de sistemas de robots de chat y mejorando aún más el nivel de inteligencia de los robots de chat mediante la combinación de inteligencia artificial e inteligencia humana.
Existen cuatro categorías principales de chatbots, incluidos los sistemas de preguntas y respuestas, los sistemas de diálogo orientado a tareas, los sistemas de chat y los sistemas de recomendación activa.
Siri se posiciona como un sistema de diálogo orientado a tareas, que proporciona a los usuarios servicios como hacer llamadas telefónicas, pedir comida, reservar entradas y reproducir música. Siri se conecta a muchos servicios y configura operaciones de "bajo nivel". Cuando Siri no puede entender la entrada del usuario, le indica al motor de búsqueda que devuelva los servicios relevantes. La aparición de Siri ha liderado la tendencia de desarrollo comercial de asistentes de asuntos personales en terminales móviles.
La siguiente imagen es el marco técnico de Siri:
En febrero de 2011, IBM Watson, desarrollado por IBM con un costo de 30 millones de dólares, apareció en el famoso cuestionario estadounidense. mostrar peligro. Frente a preguntas en inglés llenas de doble significado en el programa, IBM Watson puede analizar y encontrar pistas en una enorme base de conocimiento del lenguaje natural y combinar estas pistas en respuestas. Al final, IBM Watson derrotó abrumadoramente a las mentes más brillantes del programa, estableciendo la puntuación más alta en los 27 años de historia de la serie de pruebas. IBM Watson es un sistema de preguntas y respuestas desarrollado por IBM que integra la aplicación de procesamiento del lenguaje natural, recuperación de información, representación del conocimiento, razonamiento automático, aprendizaje automático y otras tecnologías.
Y forme tecnología de preguntas y respuestas en profundidad para la cognición de hipótesis y la recopilación, el análisis y la evaluación de evidencia a gran escala. IBM Watson puede analizar datos utilizando lenguaje natural y brindar a los usuarios servicios personalizados mediante aprendizaje y razonamiento a gran escala.
El 9 de julio de 2012, Google lanzó el asistente personal inteligente Google Now. Google Now proporciona a los usuarios funciones como búsqueda de páginas e instrucciones automáticas mediante interacción de lenguaje natural. Allo es un asistente de voz lanzado por Google basado en el trabajo anterior. Allo puede aprender el comportamiento del usuario a lo largo del tiempo.
2 de abril de 2065 438+04
El sistema de recomendación activa utiliza un método técnico para lograr un envío de información personalizado. El sistema de recomendación activa no requiere que los usuarios proporcionen necesidades claras. En cambio, crea retratos de usuarios analizando los datos de comportamiento históricos de los usuarios y luego recomienda activamente información que el sistema cree que satisface los intereses y necesidades del usuario en función de los retratos de los usuarios. Se ha utilizado amplia y exitosamente en compras de comercio electrónico (como Alibaba, Amazon), redes sociales (como Facebook, Weibo), información de noticias (como Toutiao), música y películas (como NetEase Cloud Music, Douban). y otros campos. El sistema de recomendación activa es esencialmente una herramienta para ayudar a las personas a resolver el problema de la sobrecarga de información. La llamada sobrecarga de información significa que las cosas que los usuarios realmente necesitan y les interesan se ahogan en un mar de elementos similares. La interacción activa puede mejorar significativamente la experiencia del usuario. La interacción activa de los robots se acerca más a las conversaciones reales entre personas, haciendo que las conversaciones sean más naturales.
Una forma de recomendación activa es un sistema de recomendación activo basado en gráficos de conocimiento. Por ejemplo, al construir un sistema de recomendación activo en el campo de la música, primero puede establecer un gráfico de conocimiento en el campo de la música y el gráfico de conocimiento del usuario, y luego crear un retrato de las preferencias musicales del usuario durante el proceso de búsqueda de información del usuario, de modo que para impulsar la música del usuario con mayor precisión.
Como se puede ver en la figura, en el proceso de solicitud de canciones por parte del usuario, el sistema de recomendación activo puede brindar de manera integral las mejores recomendaciones musicales combinando el gráfico de conocimiento musical, el gráfico de conocimiento personal del usuario y el historial del usuario. datos del diálogo.
Los sistemas de recomendación activos y los sistemas de preguntas y respuestas, los sistemas de diálogo orientados a tareas y los sistemas de chat se consideran las cuatro categorías principales de productos de robots de chat.