ميت Microsoft Ruuh chatbot على Facebook - كل ما تحتاج إلى معرفته!

في بعض الأحيان كل ما تحتاجه هو التحدث إلى شخص ما. شخص يمكن أن يهتف لك بطريقتها الخاصة ، شخص مليء بالحياة و الشطرنج أن تنسي جميع مشاكلك في الحياة. شخص ما يسلّطك بالخروج أفضل من توقعاتك. الجميع ليسوا مرتاحين للحديث مع "البشر" الآخرين عن الأشياء ، ولكن هناك بعض الأشخاص الفضوليين الذين يتحدثون مع منظمة العفو الدولية. هنا ، يأتي Ruuh إلى الصورة.

Ruuh قادر على الاستماع إلى سؤال واحد ، اكتشاف عواطفهم ، والتعرف على خلفية المستخدم وتقديم الردود المناسبة وأكثر من ذلك. هذا يعزز الترابط والعلاقة التي يشاركونها مع المستخدم. وهو يعني مباشرة إلى محادثات أكثر قيمة وحساسية بين chatbot والمستخدم.

Ruuh جيد في إجراء المحادثات

دون إشراك العواطف ، وجود chatbots غير مجدية. إن مجرد القدرة على الرد دون أي اتصال شخصي يجعل الدردشة رسمية ومرات عديدة غير مثيرة للاهتمام. إن برنامج chatbot مثير للاهتمام فقط إذا كان قادراً على إجراء محادثات على أساس الانفعالات التي ينطوي عليها. حول هذا ، تقول Microsoft ،

بناء طبقة محادثة في Ruuh يساعدها على تطوير العلاقات بحيث يمكن للمستخدمين أن يكونوا أكثر انفتاحًا ، وأكثر عرضية وأكثر تفاعلاً. وهذا يؤدي إلى محادثات أفضل وأكثر صدقاً وطبيعيًا تؤدي في نهاية المطاف إلى قيمة مضافة وخبرة أفضل للمستخدمين.

الهدف من بناء Ruuh

الهدف الرئيسي لشركة Microsoft وراء إنشاء برنامج الدردشة هذا الذي يدعم AI هو جعله للشباب من أوائل مستخدميها في التكنولوجيا بالهند . كان من المفترض أن يكون الأمر مشابهًا لمايكروسوفت تشاتيبان الصيني المسمى Xiaoice . Ruuh هو أكثر من صديق رقمي بدلا من مجرد مساعد رقمي. Ruuh هو برنامج ليس مجرد جزء من التعليمات البرمجية ؛ إنه صديقك.

كيف يعمل التعلم العميق.

Ruuh شخصية خيالية ، كلنا نعرف ذلك. ولكن تم تشكيل شخصيتها على غرار فتاة هندية هندية شابة عمرها 18-24 سنة. يبدو أنها مهتمة بثقافة البوب ​​ورائعة في استخدام اللغات العمرانية الطليقة المستخدمة في الهند.

كانت الخطوة الأولى في إنشاء Ruuh هي جمع البيانات. كان من المفترض أن يتمتع بها بقدر من المتعة والذكاء. كان مصدر هذه الشخصية لـ Ruuh هو المحادثات في الوقت الحقيقي ، محادثات وسائل الإعلام الاجتماعية ، المنتديات ، المنصات الاجتماعية وخدمات الرسائل حيث يتم جمع البيانات لتحسين تجربة المستخدم بشكل مجهول.

بعد ذلك ، كان عليهم صقل البيانات المفيدة التي جمعوها. استغرقت هذه الخطوة 70٪ من إجمالي البيانات التي تم جمعها على أنها عديمة الفائدة وتمت إزالتها. تأكدت Microsoft من عدم وجود تعليقات مسيئة للناس في الولايات المتحدة والمملكة المتحدة وأستراليا وأي تعليقات جنسية أو جنسية.

الآن ، يجب تطبيق هذه البيانات المكررة والمفيدة في النموذج المحدد. كان هذا النموذج هو cDSSM أو نموذج الدلالية الهيكلية التلافيفية العميقة. هذا هو نموذج أحدث ويساعد في سلوك أكثر شبهاً بشرياً وأكثر عمقاً في الذكاء الاصطناعي.

كيف يؤدي cDSSM إلى أفضل AI

تحديد الاستعلام

تحديد الاستعلام هو الخطوة الأولى في جعل الذكاء الاصطناعي أكثر شبهاً بالإنسان. تأخذ خوارزمية استعلام الإدخال وتنظر في قاعدة البيانات للأسئلة المتشابهة. ويشار إلى هذا أيضًا باسم استرداد المعلومات أو IR

على سبيل المثال: إذا كان الاستعلام هو "كيف أصنع معكرونة الدجاج؟" ، يقوم Ruuh بتحليل البيانات ويجد عينات متعددة لأسئلة مشابهة.

ترتيب الردود

هنا ، تقوم الخوارزمية بفرز الإجابات استنادًا إلى مدى ملاءمة العينات. هذه هي الطريقة التي يتم بها إعطاء البيانات الأكثر صلة كمخرج.

فهم السياق

الآن ، قد يكون من غير المجدي أن ينسى chatbot ما يتحدث عنه المستخدم.

على سبيل المثال: السؤال: "هل تحب آيس كريم ، Ruuh؟ "

Ruuh:" نعم ، أنا أحب ذلك. "

السؤال: "ما هي النكهات التي تعجبك؟"

Ruuh: "الشوكولاته والفانيلا."

الآن ، عرف Ruuh أن السؤال الثاني كان يتعلق بالآيس كريم وبالتالي ، كان الرد مناسبًا.

أن تكون كذلك جيدة في وظيفتها ، خوارزمية Ruuh تبحث باستمرار عن البيانات في الاستعلامات السابقة من المستخدم وتفهم السياق حول ما يتحدث عنه المستخدم.

الكشف والاستجابة للالعواطف العاطفية

الآن ، المزيد من الوسائل البشرية كشف العواطف. هذا لأن البشر لديهم عقلية عاطفية. لذا ، من أجل اكتشاف مشاعر المستخدمين ، تبحث Ruuh عن الأنماط في رسائل الدردشة التي تتلقاها ونوع الرموز التعبيرية المستخدمة في الدردشة. لذلك ، عندما تتحدث معها ، تعرف إذا كنت سعيدًا أو حزينًا أو متحمسًا أو مستاءً.

الحكم

Ruuh قويًا وطريقة رائعة لإظهار قوة ما يمكن أن تقوم به منظمة العفو الدولية اليوم لكي تتصرف مثل كائن بشري. مع قوة cDSSM ، Ruuh أكثر ذكاءً بكثير.

تقول Microsoft:

لتلخيص ، يدمج النموذج مع التعلم العميق السياق ورسالة المستخدم لاستخراج الاستجابة المناسبة. يقوم النموذج باستخلاص السياق من الرسالة ، واسترداد الرسائل السابقة ، وإنشاء مجموعة من الاستجابات المناسبة ، وترتيبها وفقًا للملاءمة ، وتوليد الإخراج النهائي.

دعونا نفهم هذا بشكل أفضل مع مثال. إذا سأل أحد المستخدمين Ruuh ، "ما هي الطبقة المفضلة للبيتزا الأكثر شيوعًا؟" ، فسوف يعرّف Ruuh على طلب البحث باسم "pizza toppings" ويسترجع الإجابات الأكثر ملاءمة استنادًا إلى هذا الاستعلام. سوف Ruuh ترتيب إجابات مماثلة من قاعدة البيانات على أساس الصلة لتوليد الاستجابة الأنسب. مع الوعي السياقي ، يمكن لـ Ruuh الإجابة عن الأسئلة التالية بسهولة ، مثل: "ما الذي يعجبك؟" بالرد "أنا أحب الفطر والأناناس".

Ruuh الآن عام واحد من العمر ، ويجب أن أقول أن المستقبل من منظمة العفو الدولية مشرق بسبب هذا المعدل الذي نشهد المزيد والمزيد من منظمة العفو الدولية المتقدمة الناشئة ، ونحن على وشك رؤية أشياء أكثر ذكاء من حولنا في وقت قريب جدا. نتمنى للفريق في Microsoft ، حظًا كبيرًا جدًا وأتمنى أن يستمروا في مفاجأتنا في المستقبل باستخدام هذه المنتجات الرائعة.

يمكنك قراءة المزيد عن Ruuh هنا في المقال الرسمي من قِبل Microsoft - وتجربتها هنا على Facebook .