会话人工智能的趋势和挑战
对话式人工智能(AI)已经出现在许多家庭的客厅、汽车和网上购物体验中。聊天机器人、语音助手、智能扬声器、交互式语音识别系统:所有这些都是会话人工智能的例子。这是一个吸引大量投资的领域，因为它通过增强客户体验提供了更高的可访问性。
用最简单的术语来说，对话式人工智能可以定义为人与机器之间的互动。它能识别语音、文本、意图和各种语言，以便模仿自然语言或人类谈话。对话式人工智能解决方案可以完成人类通bob平台app下载常做的重复性任务，节省金钱和时间，并使人类能够从事更高层次的战略工作。
作为机器学习(ML)领域中增长最快的领域之一，对话式人工智能并非没有挑战。但随着智能工作流规划和战略基础设施到位，它可能是企业投资的最有利可图的领域之一。
会话AI的趋势观察
在人工智能对话领域，有几个关键的趋势和转变正在发生。
越来越多地采用数字助手
数字助理的使用率正在稳步上升，年增长率高达34%。其中包括智能扬声器、智能家居应用程序和其他技术驱动的语音命令(例如，亚马逊Alexa或谷歌Assistant)。预测显示，未来两年，三分之一的美国人将使用语音助手。
AI驱动车内体验
理想情况下，驾驶员需要在驾驶车辆时双手一直握在方向盘上，让声音成为在行驶中安全地执行任务的自然解决方案。汽车制造商已经在加强车内的经验使用语音辅助功能;在一些模型中，你可以问:“北京的天气怎么样?”，就会立即得到准确的回答。
汽车制造商也在增加面部识别功能，以更多地了解驾驶员，以及他们需要什么样的理想驾驶体验。
客户服务集成AI
未来几年，人工智能将成为企业改善客户体验的主流投资。根据Gartner的数据，47%的组织将在未来几年利用聊天机器人，而40%的组织将部署虚拟助手。这在一定程度上是一种节约成本的措施，但也是对客户不断增长的个性化需求和问题的即时解决的响应。雇佣虚拟助手还有助于企业快速扩张规模，因为这些聊天机器人比人类聊天机器人更便宜、更快。
对话型AI的挑战
对话型人工智能与一般的人工智能开发具有许多相同的挑战。偏见多样性是首要问题，必须正面解决。这些元素在用于训练模型的数据中起关键作用。bob体育手机下载特别是语音助手的培训数据必须具有覆盖不同方言、口音和语言的深度和广度，因为全球各地的人们说话的方式非常不同。
当训练数据bob体育手机下载不足时，失败的机会显著增加。例如，最近对流行的自动语音识别技术进行的一项研究发现，非裔美国人的错误率比白人高得多。这些技术，以及它们服务的人们，将受益于在他们的培训数据中有更多非裔美国人的代表。bob体育手机下载如果在这些项目的早期阶段处理了表示，差异可能不会那么显著，客户体验也会受到较小的影响。
任何时候涉及到数据，数据的隐私和安全性也应该是首要考虑的因素。在构建人工智能之前，企业应该制定数据治理政策，以保护敏感数据，并确保他们从道德上获取这些数据。
在开始人工智能之旅之前需要考虑的另一点是生产规模和ML数据管道。构建和自动化管道使公司能够在部署之后继续调整和训练模型，因为模型将不断遇到边缘情况、新用户和场景。介绍human-in-the-loop是监测模型性能和提供地面真实精度的理想方法。
这些挑战不是微不足道的，需要持续的主动性。通过预先提出有关道德和数据的正确问题，对话AI领域的公司将更有可能满足不同地域、文化和语言的客户。
为会话AI构建工作流
构建一个清晰的项目工作流是模型构建过程的第一步。当设计一个对话式AI工作流时，记住训练数据准备阶段是正确的最关键的组成部分。bob体育手机下载这个步骤包括收集数据使用这些数据训练你的模型，并分析输出结果。人工智能项目的绝大多数时间都花在了培训数据准备阶段，所以公司需要适当的工具和流程，才能在这个关键时刻取得成功。bob体育手机下载
通常情况下，对话型AI将在与人类的一次互动中执行以下事件序列:
- 语音到文本转换:人工智能将客户所说的原始音频文件转换为文本。
- 自然语言理解(NLU):人工智能分析和处理文本，以创建可操作的指令。
- 内容相关性:AI返回能够帮助客户的最佳信息。
构建会话AI模型的示例工作流场景可能包括，例如，车内虚拟助手。培训bob体育手机下载数据准备工作流程可能是这样的:
步骤1。使用客户命令和包括收集音频数据质量保证确保数据高质量和准确的步骤。修改任何低质量的数据。
步骤2。分段音频剪辑以检测剪辑的哪一部分是语音、背景噪音或音乐。
步骤3。转录音频剪辑转换成文本。
步骤4。注释和标签的文本，以识别意图和实现对自然语言的理解。为句子中的每个单词分配不同标记的类标签。
第5步。在这些数据类型上训练您的模型，以便它能够理解语音命令的主题，以及它背后的上下文和意图。
大多数公司将雇佣来自不同地域和语言的人群工作人员来处理这个工作流程所需的大量注释工作，并最大化其模型的多样性。
数据合作伙伴如何提供帮助
前面的示例是一个简单的工作流或数据管道。随着模型的复杂性的增加，这些步骤可能会变得越来越复杂。在任何情况下，您都希望寻找一个支持各种用例的数据平台和合作伙伴，它可以帮助您在模型构建、部署等过程中自动使用管道。这将使您能够快速缩放和处理模型漂移。对于那些将质量和可扩展性铭记于心的公司，以及那些构建正确流程、基础设施和工具集的公司来说，在对话式人工智能和人工智能整体上的成功是可以实现的。了解更多Appen能帮上什么忙
