F:
Hur tränas chatbots?
A:Nästan alla har interagerat med en chatbot, antingen via personliga assistenter som Apples Siri eller genom kundserviceavdelningar, men hur verkar de så smarta? Det finns flera sätt AI-utvecklare kan träna dessa bots för att ge realistiska svar.
Det enklaste sättet att designa en bot är att få den att svara på ett förprogrammerat intervall av svar. Detta var den metod som användes av Joseph Weizenbaums (1923-2008) ELIZA-program som utvecklades på 1960-talet.
ELIZA var avsedd att simulera en Rogerian psykoterapeut. Programmet kunde bara svara enligt förprogrammerade "skript", men många användare tyckte effekten så realistisk att de insisterade på att ELIZA verkligen var intelligent.
Detta har kallats "ELIZA-effekten."
Forskning inom AI har möjliggjort mycket mer sofistikerade metoder för att utveckla chatbots, som gör att de kan "lära sig" från både träningsdata från utvecklare och från användarinmatning.
Låt oss ta exemplet på en chatbot som används för kundserviceavdelningen hos ett programvaruföretag. Bot kommer först att matas information från företagets egna resurser: dokumentation, vanliga frågor, e-post, chattutskrifter, till att börja med.
Botten kommer inte bara att begränsas till vad utvecklarna ger det, som ELIZA var. Det kommer att kunna lära av verkliga interaktioner med kunder som använder naturlig språkbearbetning (NLP).
Även med automatiserat lärande kommer det fortfarande att finnas områden där bots stöter på problem. Människor kommer att behöva träna botten ibland med övervakad inlärning. Med tanke på tvetydigheten i mänskliga språk kommer det att vara svårt att bygga en chatbot som kan köras helt utan övervakning.
En mänsklig användare kommer sannolikt också att behöva kontrollera en chatbots resultat för noggrannhet, särskilt i affärssammanhang. Fortfarande är dessa chatbots mer flexibla än ett rent reglerbaserat program som ELIZA.
Framstegen i maskininlärning och naturligt språkbearbetning kan göra att dessa chatbots verkar ännu mer intelligenta i framtiden.
