在AI开发中集成Compelling Chatbots

[feeling-yao]

在AI开发中集成强大的Chatbots
个人人工智能（AI）助手正在成为一种日益普遍的交互式工具，使用现在可用的工具开发它们变得更加容易。我以前曾经谈论基于语音的个人助理，现在想看看基于文本的个人助理（也称为chatbots）。Chatbots利用机器学习算法提供适当的响应，并且作为AI的实际应用，我认为这是一个有趣的工具，可以考虑在您的开发中使用。
与基于语音的个人助理类似，Chatbots允许您作为开发人员将您的用户的会话体验融入其中。然而，聊天机器人依赖于文本，有时图像用于交谈而不是口头交流。当聊天机器人集成到您的用户熟悉且对用户最有用的区域（如短信，邮件平台，电子邮件和网站）时，Chatbots可提供最佳的用户体验。这些互动可以采取自助式客户服务请求，语言培训工具，甚至儿童互联网连接玩具的形式。
从机器人到Chatbots
不是所有的机器人都是智能的。它们不同于那些基于简单规则集的规则，也不同于使用高级机器学习提供复杂对话的规则。
简单的脚本机器人可能会扫描特定关键字的文本，例如“地址”或“联系人”，以尝试提供自助服务来查找商店。如果有人想“将隐形眼镜送到我的家庭地址”，而不是提供商店的地址，这可能会导致一些令人困惑的用户交互。
如果我们正在处理一个特定问题，例如收集用户数据以更新护照，则可以对您的机器人程序进行编程，以仅处理那些相关的查询并拒绝其他问题。这些程序相当容易实现，但范围有限，因此可能令最终用户感到沮丧。此外，对这些程序进行更改并添加新命令可能非常耗时，因为它们需要了解AI和机器学习开发的程序员。
为了达到智能聊天机器人的水平，需要在运行时进行复杂的文本分析，以了解用户输入的单词的上下文。这个级别的处理可以使用AI机器学习来完成。通过与人交谈并记住他们的回应，聊天机器人算法可以学习变得更像人类。如果您是机器学习的新手，那么请查看我们的电子书，以帮助您加快步伐。

自然语言处理
无论您是为AI助手制作简单的机器人还是复杂的聊天机器人，自然语言处理（NLP）都扮演着关键角色。NLP是AI从文本中提取含义的方法：
1. 文本被标记并分解成单个单词。
2. 词性标注用于将词语分类为名词，动词，形容词等。
3. 统计模型，如隐马尔可夫模型和条件随机场，用于预测每个单词的含义。
4. 使用解析器树在单词之间建立依赖关系以减少歧义。
5. 一个动作是从先前的预测中推导出来的，并传递给处理它的算法。
自然语言生成
一旦AI确定了它将如何响应，它就需要生成一个答案并将其作为回答发回给用户。与NLP相比，这是一个更直接的任务：
1. 扫描结果以确定要传播哪些内容。并非所有信息对最终用户都有意义。
2. 选定的结果被组织成树形结构以确定如何生成响应。
3. 词汇选择是为了确保动词时态和名词的形成。
4. 先前的选择被组合成最后的句子，并返回给用户。
机器学习需要大量的计算能力，但像高通神经处理引擎这样的库可以帮助利用移动平台的强大功能，使聊天机器人交互更加灵敏。

如果您正在寻找更多信息，可以查看Facebook上的一些最佳实践建议。