在AI開發(fā)中集成強大的Chatbots

個人人工智能（AI）助手正在成為一種日益普遍的交互式工具，使用現(xiàn)在可用的工具開發(fā)它們變得更加容易。我以前曾經談論過基于語音的個人助理，現(xiàn)在想看看基于文本的個人助理（也稱為chatbots）。Chatbots利用機器學習算法提供適當的響應，并且作為AI的實際應用，我認為這是一個有趣的工具，可以考慮在您的開發(fā)中使用。

與基于語音的個人助理類似，Chatbots允許您作為開發(fā)人員將您的用戶的會話體驗融入其中。然而，聊天機器人依賴于文本，有時圖像用于交談而不是口頭交流。當聊天機器人集成到您的用戶熟悉且對用戶最有用的區(qū)域（如短信，郵件平臺，電子郵件和網站）時，Chatbots可提供最佳的用戶體驗。這些互動可以采取自助式客戶服務請求，語言培訓工具，甚至兒童互聯(lián)網連接玩具的形式。

從機器人到Chatbots

不是所有的機器人都是智能的。它們不同于那些基于簡單規(guī)則集的規(guī)則，也不同于使用高級機器學習提供復雜對話的規(guī)則。

簡單的腳本機器人可能會掃描特定關鍵字的文本，例如“地址”或“聯(lián)系人”，以嘗試提供自助服務來查找商店。如果有人想“將隱形眼鏡送到我的家庭地址”，而不是提供商店的地址，這可能會導致一些令人困惑的用戶交互。

如果我們正在處理一個特定問題，例如收集用戶數據以更新護照，則可以對您的機器人程序進行編程，以僅處理那些相關的查詢并拒絕其他問題。這些程序相當容易實現(xiàn)，但范圍有限，因此可能令最終用戶感到沮喪。此外，對這些程序進行更改并添加新命令可能非常耗時，因為它們需要了解AI和機器學習開發(fā)的程序員。

為了達到智能聊天機器人的水平，需要在運行時進行復雜的文本分析，以了解用戶輸入的單詞的上下文。這個級別的處理可以使用AI機器學習來完成。通過與人交談并記住他們的回應，聊天機器人算法可以學習變得更像人類。如果您是機器學習的新手，那么請查看我們的電子書，以幫助您加快步伐。

自然語言處理

無論您是為AI助手制作簡單的機器人還是復雜的聊天機器人，自然語言處理（NLP）都扮演著關鍵角色。NLP是AI從文本中提取含義的方法：

1. 文本被標記并分解成單個單詞。

2. 詞性標注用于將詞語分類為名詞，動詞，形容詞等。

3. 統(tǒng)計模型，如隱馬爾可夫模型和條件隨機場，用于預測每個單詞的含義。

4. 使用解析器樹在單詞之間建立依賴關系以減少歧義。

5. 一個動作是從先前的預測中推導出來的，并傳遞給處理它的算法。

自然語言生成

一旦AI確定了它將如何響應，它就需要生成一個答案并將其作為回答發(fā)回給用戶。與NLP相比，這是一個更直接的任務：

1. 掃描結果以確定要傳播哪些內容。并非所有信息對最終用戶都有意義。

2. 選定的結果被組織成樹形結構以確定如何生成響應。

3. 詞匯選擇是為了確保動詞時態(tài)和名詞的形成。

4. 先前的選擇被組合成最后的句子，并返回給用戶。

機器學習需要大量的計算能力，但像高通 ? 神經處理引擎這樣的庫可以幫助利用移動平臺的強大功能，使聊天機器人交互更加靈敏。

如果您正在尋找更多信息，可以查看Facebook上的一些最佳實踐建議。