第一生活网

3月2日为什么时间已成为对话式 AI 聊天机器人的真正考验

贾力辰
导读 本文将揭示 AI 聊天机器人的主要缺点之一,即时间。聊天机器人和对话式 AI基于规则并遵循预定的对话流程。他们使用自然语言处理、自然语...

本文将揭示 AI 聊天机器人的主要缺点之一,即时间。

聊天机器人和对话式 AI基于规则并遵循预定的对话流程。他们使用自然语言处理、自然语言理解、机器学习、深度学习和预测分析来提供更动态、更少限制的用户体验。自动语音识别器 (ASR)、口语理解 (SLU) 模块、对话管理器 (DM)、自然语言生成器 (NLG) 和文本到语音 (TTS) 合成器都是典型会话的一部分人工智能架构。

近年来,它们越来越受欢迎,因为它们允许公司快速轻松地响应客户对其产品或服务的基本问题。聊天机器人现在是提供在线客户服务的最广泛使用的技术之一。他们可以回答有关服务、运输、退款政策和网站问题等问题。因此,它们可以部署在网站、语音助手、智能扬声器和呼叫中心。

聊天机器人主要有两种类型:

1. 基于人工智能:这些聊天机器人依靠动态学习,根据客户互动定期更新自己。它们很聪明,设计精良,并提供更好的用户体验。

2. 固定聊天机器人:这些程序具有预先编程的信息,因此只能提供有限的帮助。它们用于处理具有有限消费者访问权限的后端查询或段。另一方面,固定聊天机器人不受欢迎,因为它们无法理解令人困惑的人类行为。此外,他们甚至可能无法解决所有询问,从而使交互变得困难。

聊天机器人经常被认为难以操作并且需要大量时间来了解用户的需求。无法及时过滤结果的不良处理可能会激怒消费者,从而破坏加快响应速度和改善客户联系的目标。由于受限的数据可用性和自我更新所需的时间,该方法看起来更耗时且成本更高。

此类对话式 AI 机器人的复杂性越高,就越难与实时答案的预期相匹配。它需要一个庞大的机器学习模型网络,每个模型都解决了选择下一步要讲什么的一小部分难题。每个模型都通过考虑用户的位置、所述交互的历史以及之前对类似回复的反馈来增加系统延迟的毫秒数。

特别是对话式 AI 机器人的每一项可能的进步都必须针对缩短延迟的目标进行评估。它最终归结为通过依赖关系减少延迟,这长期以来一直是软件开发中一个相当重要的问题。改进一个应用程序可以促使开发人员在任何网络软件架构中升级整个系统。但是,在某些情况下,应用 A 的关键更新与应用 B、C 和 D 不兼容。

大多数软件依赖项都使用 API 传输特定程序的基本离散状态,例如电子表格中的单元格从红色变为绿色。API 使工程师能够以自己的方式设计每个应用程序,同时保持在同一页面上。另一方面,处理 ML 依赖关系的工程师处理抽象概率密度函数。因此,对一个模型的修改将如何影响更广泛的 ML 网络并不总是很清楚。