Dlaczego dobre chatboty potrzebują kontekstu, a nie przepływów opartych na drzewie

Opublikowane ponownie przez Plato

Obserwuje: 0

W tym przykładzie chcesz odwiedzić atrakcję i dowiedzieć się, ile kosztują bilety wstępu, więc pytasz:

Użytkownik: „Ile kosztują bilety dla 2 osób dorosłych i 1 dziecka do lasu w chmurach?”

Co zaskakujące, chatbot nie znał odpowiedzi, pomimo posiadania odpowiednich integracji API.

Bot: „Przepraszam, wciąż się uczę”.

Z odrobiną wskazówek chatbot przekierowuje Cię do kierowanego (opartego na regułach) przepływu konwersacji. Sugeruje, że powinieneś powiedzieć „Kup bilety” najpierw, a następnie „Ceny biletów", i w końcu "Cloud Forest”, aby uzyskać odpowiedź.

Bot: „Bilety są dostępne na stronie internetowej.”

Jeszcze nie całkiem blisko.

Zdecydowana większość agentów wirtualnych korzysta z modelu rozumienia języka naturalnego (NLU), ale użytkownicy wciąż są zaskakiwani nienaturalnymi dialogami.

Nie można po prostu wyjaśnić inteligencji chatbota, mówiąc, że jedna platforma NLP jest lepsza lub gorsza od drugiej. Jest to wygodny powód, ale nie w tym przypadku. Dlaczego? Celem dobrze wyszkolonego modelu NLU jest pomoc w mapowaniu danych wejściowych (wypowiedzi użytkownika) na dane wyjściowe (intencje użytkownika). Na przykład oba „Wyślij pizzę z kurczakiem curry na Sunshine Avenue 20” i “Chcę rybę z frytkami” odnoszą się do tej samej intencji „Zamówienie na jedzenie”.

Jednak na tym kończy się wykrywanie intencji. Jako projektant lub programista konwersacji musisz rozważyć, co dzieje się po wykryciu intencji. To jest nazwane kontekst w miarę możliwości udzielić bezpośredniej odpowiedzi.

1. Jak konwersacyjna sztuczna inteligencja może zautomatyzować obsługę klienta

2. Czaty automatyczne a czaty na żywo: jak będzie wyglądać przyszłość obsługi klienta?

3. Chatboty jako asystenci medyczni w pandemii COVID-19

4. Chatbot vs. Inteligentny wirtualny asystent — jaka jest różnica i dlaczego warto?

W prawdziwym życiu, jeśli ty i twój przyjaciel w końcu spotkacie się po miesiącach blokady, wszystkie chwile z ostatniej podróży, które oboje pamiętacie, kształtują kontekst. Ma określone parametry, takie jak nazwy miast i ludzi, których spotykasz po drodze. Kontekst jest również nietrwały, co oznacza, że świąteczne chwile sprzed COVID nie są pierwszą rzeczą, o której myślisz, jeśli ty i twój przyjaciel spotkaliście się wiele razy, rozmawiając o innych rzeczach.

Kiedy programujesz chatboty, możesz chcieć coś zrobić z konkretnymi informacjami przekazanymi przez użytkownika. Na przykład dobrym pomysłem dla wirtualnego agenta jest proaktywne wyodrębnienie nazwy jedzenia i adresu dostawy podczas sesji konwersacyjnej i zatwierdzenie stanu pamięci (kontekstu). Bot nie powinien pytać o te same informacje, gdy użytkownik już je powiedział na ścieżce.

Niestety, niektóre chatboty nie są w stanie zapamiętać podstawowych parametrów, aby prowadzić pomocny dialog z użytkownikiem, który ostatecznie będzie musiał powtarzać chatbotowi krytyczne szczegóły, aby mu pomóc.

Oto kilka możliwości:

Projektowanie szczęśliwych ścieżek tylko w narzędziach do projektowania konwersacji przypominających drzewa w niektórych programach o niskim kodzie
Traktowanie intencji jako zwrotów lub punktów kontrolnych w przepływie, a nie celów, które klient ma na myśli
Prezentowanie map myśli lub schematów blokowych konwersacji inżynierom oprogramowania bez specyfikacji dotyczących poprawiania błędów użytkownika i objazdów na czacie
Trudność w uwzględnieniu dużych permutacji w aplikacji nieliniowej, w przeciwieństwie do aplikacji internetowej lub mobilnej ze skończonymi przepływami do stanów sukcesu/porażki

Użytkownik: „jakie są ceny biletów dla 2 osób dorosłych i 1 dziecka do lasu chmur jeszcze raz?"

Tym razem chatbot wyodrębnia podmioty, których szuka w intencji zapytania o cenę biletu. To uczestnicy i miejsce atrakcji. Ponieważ danych jest wystarczająco dużo, aby wyszukać ceny biletów, chatbot przedstawia kilka odpowiednich bogatych kart.

Podobno popełniłeś błąd. Poprawiasz błąd, mówiąc

Użytkownik: „a co z 1 osobą dorosłą, 1 dzieckiem i 1 seniorem?"

Zamiast powrotu („Przepraszam, nie zrozumiałem”), wiadomość prowadzi do intencji opartej na parametrach. Chatbot zapamiętał już Twoją preferowaną atrakcję i uwzględnia teraz tylko informacje o nowych uczestnikach. Wie również, że jesteś w stanie zapytania o cenę biletu, więc bez konieczności powtarzania podaje nową cenę całkowitą.

Bot: „Standardowe stawki to 20 USD za osobę dorosłą, 12 USD za dziecko i 10 USD za seniora. Suma to 42 dolary.

Nadal wspominasz, że jesteś lokalnym obywatelem.

Użytkownik: „jestem lokalny”

Ponownie, bez konieczności powtarzania miejsca atrakcji i liczby osób oraz zmiany aktualnego tematu rozmowy, chatbot sprawdza ceny biletów na podstawie wszystkich zebranych zaktualizowanych informacji. Powodzenie!