计算在过去十年中取得了显着进步,对于我们大多数人来说,它会在我们有生之年变得更大。 机器学习和人工智能在很大程度上归功于计算的最新进展。 回到功能手机和计算机愚蠢的时代,我们几乎已经放弃了有限的处理和硬件,这真是太神奇了。 一方面,我们拥有几乎濒临灭绝的传统设备和系统,然后我们拥有 Microsoft 的 Holo Lens 和亚马逊 Alexa 等设备和服务,让我们可以窥见未来。
人工智能最近的一项壮举是上下文感知助手软件和机器人。 谷歌、苹果、微软等公司为使我们认为的智能助手的本土版本更加人性化做出了很多贡献。
人工智能和智能助手的历史
现在,至关重要的是检查该领域究竟发生了什么,以及我们如何像没什么大不了的一样使用这项技术。 在 Apple 推出 Siri 的日子里,智能助手并不是一个真正的东西,当你唯一听到“bot”这个词时,你可以肯定它与实际的物理硬件机器人有关。 我们作为用户能够与这些助手互动的方式是一种方式。 当我说一种方式时,这意味着这些助手或机器人(如果当时有的话)使用预先编程的对某些热门词或问题的回复来响应用户的查询。
这种方法的问题在于它很快就会重复。 这一个原因本身就足够大,因为没有人认为助手有用,而且它们很快就变成了一个噱头,而不是成为一个有用的功能。
由于 Apple(在那个时代)是技术的先驱,其他所有公司都试图跟上潮流并构建自己的产品,因此我们看到三星在他们的 Galaxy 设备和许多其他设备上发布了 S Voice,这些设备随着时间的推移而消亡。
可以被认为是智能助手发展的关键时刻是谷歌进入游戏并决定给整个智能助手一个机会。 如果您对 Google 已经掌握了多少数据有丝毫的了解,您就不会否认 Google 最擅长做正确的事情。 Google Now 是第一个看起来像我们可以每天使用的智能助手。 谷歌用于训练系统的大量数据使整个体验感觉自然。 随着机器学习领域,特别是神经网络领域的最新进展,我们肯定已经达到了一个拐点,系统能够以人类水平的精度执行任务。 这就是今天您可以与助手进行双向、上下文感知对话的最大原因。 这就是机器人和助手开始变得有用的主要原因。 (特别感谢微软展示了我创建名为 Tay 的机器人的 AI 能力!)
虽然 Siri 和 Google Now 作为智能助手出现的时间很短(考虑到它们是 2012 年才推出的),但 IBM 在人工智能领域已经相当领先。 该公司拥有研究和创新支持其在该领域 40 多年的工作价值。 这是决定其在 Jeopardy 2011 中获胜的关键因素之一(在任何智能助手出现之前)。
什么是危险?
Jeopardy 是由 Merv Griffin 创建的美国电视游戏节目。 该节目以问答比赛为特色,参赛者以答案的形式获得常识线索,并且必须以问题的形式表达他们的回答,阅读更多 点击此处. 虽然您可能认为这只是另一个问答节目,但这是与 Jeopardy 的交易,了解问题本身就很重要,更不用说找出答案了。 仅这一点就使 Watson 成为有史以来最智能的机器之一。
IBM 创新的另一个证明是 IBM 的深蓝系统在 1997 年击败了当时的国际象棋世界冠军加里·卡斯帕罗夫。 虽然在围棋比赛中击败李世石引起了更多关注,但该领域的创新始于 1997 年之后深蓝的失败。
今天,我们有像 IBM、Microsoft 和 Facebook 这样的公司在平台上进行了大量投资,这些平台允许您在不需要大量专业知识的情况下构建机器人。 现在,在我们甚至开始讨论如何构建一个之前,首先要问为什么要构建一个是微不足道的。
如果你看得更近一点,你会发现很多情况下,机器人不仅可以提供帮助,而且可以超过人类完成任务的效率。 其中一些例子是客户支持、医疗保健 (您需要了解 IBM Watson 如何帮助医生和医学专业人士进行癌症研究。访问 此链接 有关更多信息) 和电子商务扩展。 大公司的运营规模和他们所拥有的庞大数据量,不仅有助于扩大业务规模,而且还可以为消费者提供更丰富、更具吸引力的体验。
在这篇文章中,我们将看看对于完全没有编程知识的人来说,创建一个智能且上下文相关的机器人是多么容易 IBM 的 Watson 对话服务 (WCS).
你问的这个 Watson 是什么?
好吧,Watson 是 IBM 的超级计算机,它利用人工智能和分析软件来创建一个针对性能进行优化的问答系统。 Watson 能够以每秒 80 teraflops 的速率进行处理。 为了在处理查询和给出答案时达到人类水平的准确性,Watson 访问了 90 多台服务器以及 200 亿页信息的组合数据存储。 它是以 IBM 的第一任 CEO 的名字命名的(不是来自歇洛克福尔摩斯的那个,你们这些文学书呆子!)。 值得注意的是,虽然我们在本文中更多地关注 Watson Conversation Services,但 Watson 不仅限于这一任务。 Watson 能够更像一个“聪明人”而不是计算机来处理信息,这意味着它能够对给定数据进行上下文分析。 该系统非常先进,能够确定数据是结构化的还是非结构化的,它知道数据不是生而平等的。 除了上下文分析之外,它还能够区分不同类型的信息。 它还能够像人类一样阅读、分析和学习自然语言。 这是一个非常复杂的系统,我们不能继续讨论它的所有功能,但上面列出的功能足以使其领先于当前运行的任何其他系统,因为 Watson 已经学习并随着时间的推移而发展,现在 IBM 允许您,开发人员,可以利用其功能来支持您的应用程序和服务。
沃森对话服务
Watson Conversation Service 位于 IBM 的 Bluemix Cloud 之上,允许您为 Slack 和 Facebook Messenger 等流行客户端创建界面,供用户以简单的方式使用它们来获取他们想要的东西。 (事实上,对话界面将在未来取代视觉界面!)。
Watson Conversation Service 非常先进且布局合理,您可以在 10 分钟内启动并运行聊天机器人,这不是我说的,这是 IBM 的说法。 它的使用简单使其成为任何开发人员的武器库的绝佳工具包。 想象一下,通过集成这种智能,您的下一个应用程序或服务会变得多么智能,其中最好的部分是绝对不需要机器学习经验。
在开始构建聊天机器人之前,您需要了解有关 Watson 工作原理的一些关键事项。 Watson 使用了 3 个关键的东西:
- 意图
- 实体
- 对话
An 意图 是一组用户可能会说来传达特定目标或想法的示例。 简单来说,意图是对用户可能想要执行的任务的广泛描述。
实体另一方面,允许应用程序和服务在更低/更细化的级别上决定用户希望做什么。 实体是 Watson 处理用户输入的重要方式。 它用于阐明意图并允许对每种情况做出不同的响应。
最后, 对话框 是将意图和实体联系起来的东西。 它使机器人能够识别意图和实体以响应用户的查询。 如果提供的信息不充分,对话框用于提出澄清问题或引导用户完成更复杂的过程。
仅使用我在上面传授给您的知识,您就可以轻松地使用 IBM 的 Web 工具来创建响应您的问题的聊天机器人。 唯一的要求是您需要有一个 IBM Bluemix 帐户。 除此之外,一切都相当简单。 您可以去注册一个 Bluemix 帐户 此链接.
有大量的在线指南和视频可供您开始使用,更不用说 IBM 的文档对于入门来说是非常自给自足的。 考虑到 Bluemix 可免费试用 30 天这一事实,您应该等待,而不是亲自动手。
IBM 有一篇关于构建聊天机器人的博客特别有用,请访问 此链接 看看那个。 作为有用的资源,IBM 还制作了嵌入下面的演练视频,您可以将其用作详细概述的参考。
此外,IBM 还为有兴趣使用 Watson 构建事物的开发人员举办了 2 个 CrowdChats 和一个 Facebook Live Session。 我强烈建议您通过下面给出的链接注册它们。
- 群聊 02 – http://ibm.co/2jgrrq9 (13 年 2017月XNUMX日)
- 脸书直播 – http://ibm.co/2jo6rM1 (16 年 2017月XNUMX日)
如果您需要快速演练,这里有一个视频,可教您在 6 分钟内构建自己的机器人。
最后,要了解更多详细信息并查看 Watson 的开发,您可以查看他们的 GitHub 页面: 此链接.
结论
技术进步的速度非常明显,智能助手和机器人将为下一代服务提供动力,而硬件甚至软件则处于次要地位。 用户将能够以最自然的方式直接使用服务。 在 IBM 试验 Bluemix 和 Watson Conversation Service 等产品的时候,公司在开发这些体验时面临的唯一瓶颈将是缺乏人才。 因此,您应该明确地将 AI 和机器学习视为可能的职业前景。
里希·米什拉
太棒了,真是个好主意。
杰斯林
我只是偶然发现了你的博客,想说我真的很喜欢阅读你的博客文章。 无论如何,我都会订阅您的提要,希望您能尽快再次发帖。