Bygga AI-drivna smarta assistenter med IBM Watson

Datorn har utvecklats avsevärt under de senaste tio åren, och för de flesta av oss kommer det att bli ännu större under vår livstid. Maskininlärning och artificiell intelligens har tillskrivit mycket till de senaste framstegen inom datoranvändning. Det är lite häpnadsväckande att återvända till de dagar då funktionstelefoner och datorer var dumma med begränsad bearbetning och hårdvara som vi nästan har förkastat. I ena änden av spektrumet har vi sådana äldre enheter och system som nästan närmar sig utrotning och sedan har vi enheter och tjänster som Microsofts Holo Lens och Amazon Alexa som ger oss en titt på vad framtiden ser ut.

En av de senaste bedrifterna med AI har varit kontextmedveten assistentprogramvara och bots. Företag som Google, Apple, Microsoft och andra har bidragit mycket till att göra sin egentillverkade version av vad vi anser vara smarta assistenter, mer mänskliga.

Historien om AI och smarta assistenter

Nu är det viktigt att undersöka vad som exakt har hänt inom detta område och hur vi har kommit för att använda den här tekniken som om det inte är någon stor sak. På den tiden när Apple lanserade Siri, var smarta assistenter inte riktigt någonting, och den enda gången du hörde ordet "bot", kan du vara säker på att det hade något att göra med faktiska fysiska hårdvarurobotar. Det sätt på vilket vi som användare kunde interagera med dessa assistenter var på ett sätt. När jag säger ett sätt betyder det att dessa assistenter eller bots (om det fanns några vid den tiden) använde förprogrammerade svar på vissa heta ord eller frågor för att svara på användarens frågor.

Problemet med detta tillvägagångssätt var att det blev repetitivt, ganska snabbt. Denna ena anledning var tillräckligt stor i sig för att tillskriva det faktum att ingen fann assistenter användbara, och de blev snabbt bara en gimmick istället för att bli en användbar funktion.

Eftersom Apple (på den tiden) var pionjären inom teknik, försökte alla andra företag komma på tåget och bygga sitt eget erbjudande och så såg vi Samsung släppa S Voice på sina Galaxy-enheter och många andra som bara vissnade bort med tiden.

Det som kan anses vara ett avgörande ögonblick i utvecklingen av smarta assistenter var när Google kom in i spelet och bestämde sig för att ge hela den här smarta assistenten en chans. Om du ens har den minsta aning om hur mycket data Google har suttit på, kommer du inte att förneka att Google hade den bästa möjligheten att göra det rätt. Google Now var första gången som en smart assistent såg ut som vi kunde använda dagligen. Den stora mängden data som Google kastade in för att träna systemet gjorde att hela upplevelsen kändes naturlig. Med de senaste framstegen inom området maskininlärning och specifikt neurala nätverk har vi definitivt nått en brytpunkt, där system blir kapabla att utföra uppgifter på mänsklig nivå. Detta är de största anledningarna till att du idag kan ha ett tvåvägs, sammanhangsmedvetet samtal med assistenten. Och detta är den främsta anledningen till att bots och assistenter har börjat bli användbara. (Special shout out till Microsoft för att ha visat vad AI är kapabelt till att jag skapar boten som heter Tay!)

Medan Siri och Google Now, som smarta assistenter, bara har varit med i spelet under en kort tid (med tanke på att de lanserades först 2012), var IBM redan ganska före kurvan inom AI-sektorn. Företaget har forskning och innovationer som stödjer dess 40+ års arbete inom detta område. Detta är en nyckelfaktor som avgjorde dess seger i Jeopardy 2011 (innan några smarta assistenter fanns).

Vad är Jeopardy?

Jeopardy är ett amerikanskt tv-spel skapat av Merv Griffin. Showen innehåller en frågesportstävling där de tävlande får allmänna kunskapstips i form av svar och måste formulera sina svar i form av frågor, läs mer här. Även om du kanske tror att det bara var ännu en frågesport, här är affären med Jeopardy, att förstå frågan i sig är en stor sak, än mindre att ta reda på svaret. Bara detta gör Watson till en av de smartaste maskinerna som någonsin byggts.

Ett annat bevis på IBM:s innovation är när IBM:s Deep Blue-system besegrade den dåvarande världsmästaren i schack, Garry Kasparov redan 1997. Medan Lee Sedols nederlag vid spelet Go väckte mer uppmärksamhet, började innovationen på detta område långt tillbaka 1997 efter att Deep Blues nederlag.

Idag har vi företag som IBM, Microsoft och Facebook som investerar mycket på plattformar som gör att du kan bygga bots utan att det krävs mycket expertis. Nu innan vi ens kommer till hur du kan bygga en, är det trivialt att fråga varför du skulle vilja bygga en i första hand.

Om du ser lite närmare, kommer du att hitta massor av situationer där bots inte bara kan vara till hjälp utan överskrider effektiviteten där en människa kan utföra en uppgift. Några av dessa exempel skulle vara kundsupport, sjukvård (du måste kolla in hur IBM Watson hjälper läkare och medicinsk personal i cancerforskning. Besök denna länk för mer om det) och e-handelstillägg. Den skala som stora företag är verksamma i och den stora mängden data de sitter på, det kommer inte bara att hjälpa till att skala sina företag mer utan skulle också erbjuda rikare och mer engagerande upplevelser för sina konsumenter.

I det här inlägget ska vi titta på hur lätt det är för någon med absolut ingen programmeringskunskap att skapa en bot som är smart och kontextuell med IBMs Watson Conversation Service (WCS).

Vad är det här Watson frågar du?

Tja, Watson är IBMs superdator som använder AI och analysmjukvara för att skapa ett frågesvarssystem som är optimerat för prestanda. Watson kan bearbeta med en hastighet av 80 teraflops per sekund. För att nå den mänskliga nivåns noggrannhet när han bearbetar frågor och ger ut svar, har Watson åtkomst till över 90 servrar med ett kombinerat datalager på 200 miljoner sidor med information. Den fick sitt namn efter IBMs första vd (inte den från Sherlock Holmes, ni litteraturnördar!). Det är värt att notera att även om vi fokuserar mer på Watsons konversationstjänster i den här artikeln, är Watson inte bara begränsad till den här uppgiften. Watson kan bearbeta information mer som en "smart människa" än en dator, vilket betyder att den är kapabel till kontextuell analys av givna data. Systemet är så avancerat att det är kapabelt att avgöra om data är strukturerad eller ostrukturerad, det vet att data inte skapas lika. Förutom kontextuell analys kan den också skilja mellan olika typer av information. Den är också kapabel att läsa, analysera och lära sig från naturligt språk, precis som människor. Det är ett mycket sofistikerat system och vi kan inte fortsätta med alla dess funktioner, men de som anges ovan är mer än tillräckliga för att sätta det före alla andra system som för närvarande är i drift, eftersom Watson har lärt sig och utvecklats med tiden och nu tillåter IBM du, utvecklarna att utnyttja dess funktioner för att driva din applikation och dina tjänster.

Watsons konversationstjänst

Watson Conversation Service sitter ovanpå IBMs Bluemix Cloud och låter dig skapa gränssnitt för populära klienter som Slack och Facebook Messenger som kan användas av användare för att komma till vad de vill på ett enkelt sätt. (Konversationsgränssnitt skulle faktiskt ersätta visuella gränssnitt i framtiden!).

Watson Conversation Service är så avancerad och så välplanerad att du kan ha din chatbot igång på mindre än 10 minuter och det är inte jag som säger det, det är vad IBM hävdar. Dess enkelhet att använda gör den till en utmärkt verktygslåda för alla utvecklares arsenal. Föreställ dig hur smart din nästa app eller tjänst kan bli med integrationen av sådan intelligens och det bästa med det är att det absolut inte krävs någon erfarenhet av maskininlärning.

Innan du börjar bygga ut en chatbot måste du förstå några viktiga saker om hur Watson fungerar. Watson använder sig av tre viktiga saker:

• Intent
• enheter
• dialog

An uppsåt är en grupp exempel som en användare kan säga för att kommunicera ett specifikt mål eller en idé. Med enklare ord är en avsikt en bred beskrivning av en uppgift som en användare kan vilja utföra.

Entity, å andra sidan tillåter applikationen och tjänsten att på en mer lägre /granulär nivå bestämma vad det är exakt som användaren vill göra. Entiteter är Watsons sätt att hantera viktiga sätt att hantera användarnas input. Det används för att klargöra avsikterna och tillåta olika svar för varje fall.

Slutligen, a dialogruta är det som binder samman avsikter och enheter. Det gör det möjligt för en bot att känna igen avsikter och enheter för att svara på användarens frågor. Dialogrutor används för att ställa klargörande frågor om den tillhandahållna informationen inte är tillräcklig eller för att vägleda användare genom mer utarbetade processer.

Med bara den kunskap jag förmedlade dig ovan kan du enkelt använda IBM:s webbverktyg för att skapa en chattbot som svarar på dina frågor. Det enda kravet är att du måste ha ett IBM Bluemix-konto. Bortsett från det är allt ganska okomplicerat. Du kan registrera dig för ett Bluemix-konto på denna länk.

Det finns massor av guider och videor tillgängliga online för att du ska komma igång, för att inte tala om att IBMs dokumentation är ganska självförsörjande för att komma igång. Med tanke på att Bluemix är gratis för en 30-dagars provperiod, bör du vänta, istället bara smutsa ner händerna.

Det finns en blogg av IBM om att bygga chatbots som är särskilt användbar, gå över till denna länk att titta på det. Som en användbar resurs har IBM också gjort en genomgångsvideo som är inbäddad nedan, du kan använda den som referens för en detaljerad översikt.

Dessutom är IBM värd för 2 CrowdChats och en Facebook Live Session för utvecklare som är intresserade av att bygga saker med Watson. Jag uppmuntrar dig starkt att registrera dig för dem via länkarna nedan.

• Crowdchat 02 – http://ibm.co/2jgrrq9 (13th februari 2017)
• Facebook Live - http://ibm.co/2jo6rM1 (16th februari 2017)

Om du behöver en snabb genomgång här är en video som lär dig att bygga din egen bot på under 6 minuter.

Slutligen, för ytterligare information och för att kolla in utvecklingen av Watson, kan du kolla in deras GitHub-sida på denna länk.

Slutsats

I takt med vilken tekniken går framåt, är det extremt uppenbart att smarta assistenter och bots kommer att driva nästa generations tjänster medan hårdvara och till och med mjukvara tar plats i baksätet. Användare kommer att kunna engagera sig direkt med tjänsterna på ett så naturligt sätt som möjligt. I den tid då IBM experimenterar med erbjudanden som Bluemix och Watson Conversation Service, kommer den enda flaskhalsen som företagen kommer att möta när de utvecklar dessa upplevelser vara bristen på talang. Så du bör helt klart ge AI och Machine Learning ett hårdare utseende som en möjlig karriärmöjlighet.