アンドロイド

Facebook上でMicrosoft Ruuhチャットボットをご覧ください - あなたが知る必要があることすべて

Git & GitHub Crash Course For Beginners

Git & GitHub Crash Course For Beginners
Anonim

あなたが必要とするのは、誰かと話すことだけです。あなた自身のやり方であなたを応援できる人、人生の中であなたのすべての問題を忘れるほどの人生とチャットでいっぱいの人。あなたの期待以上にあなたを楽しませる人。誰もが物事について他の人間と話すことについてとても快適ではありませんが、AIと話をする好奇心が強い人がいます。 Ruuh

は、質問を聞いて感情を検出し、ユーザーの背景を知り、適切な回答をすることができます。これにより、ユーザーとの関係やユーザーとの関係が強化されます。 会話をするのがうまい

感情の関与がなければ、チャットボットの存在は無意味です。個人的な接続なしで返信できるだけで、チャットは正式で何度も面白くなくなります。チャットボットは、それに関わる感情の基礎について会話をすることができる場合にのみ面白いです。これについて、マイクロソフトは言う。

Ruuhの会話層を構築することで、関係を発展させることができ、ユーザーはよりオープンで、よりカジュアルで、より魅力的なものになれる。

Ruuhの構築の目的

このAI機能のチャットボットを構築するためのMicrosoftの主な目的は、若者のためのものです、

インド で技術に精通した早期採用者これは、すでに Xiaoice というMicrosoftのチャットボットと似ていることを意味していました。 Ruuhは単なるデジタルアシスタントではなく、より多くのデジタル友達です。 Ruuhは単なるコードではないソフトウェアです。それはあなたの友です。学習の深さ

ルーは架空の人物です。しかし、彼女の性格は、18-24歳の若い、都市のインド人の女の子をモデルにしています。彼女はポップカルチャーに興味があるようで、インドで流暢な都市のスラングを使うのには大変です。

Ruuhを作る最初のステップはデータを収集することでした。彼女は親切でも気分も良かった。 Ruuhのこのパーソナリティの源泉は、リアルタイムの会話、ソーシャルメディアの会話、フォーラム、ソーシャルプラットフォーム、メッセージングサービスであり、匿名でユーザーエクスペリエンスを向上させるためにデータが収集されました。

次に、収集された有用なデータ。このステップでは、収集された全データの70%が無駄であり、削除されました。マイクロソフトでは、米国、英国、オーストラリアの人々に対する性的な意見や政治的なコメントには不快なコメントはないことを確認した。

ここで、この洗練された有用なデータが選択されたモデルに適用された。このモデルは、cDSSMまたは畳み込み構造化セマンティックモデルでした。これはより新しいモデルであり、AIのより人間的な動作に役立ちます。

cDSSMがより良いAIをもたらす方法

クエリの識別

クエリの識別はAIを人間のようにする第一歩です。アルゴリズムは入力クエリを受け取り、データベース内で同様の質問を探します。これは、情報検索またはIRとも呼ばれます。

例:クエリが「どのようにチキンパスタを作るのですか?」という場合、Ruuhはデータを分析して同様の質問の複数のサンプルを見つけます。

ここで、アルゴリズムは、サンプルがどの程度関連性があるかに基づいて応答をソートします。

コンテキストの理解

ここで、チャットボットがユーザーの話しを忘れてしまった場合、無意味である可能性があります。

例:質問:「好きですか?アイスクリーム、Ruuh? "

Ruuh:「はい、私はそれが好きです。」

質問:「どの味が好きですか?」

ルー:「チョコレートとバニラ」

ルーは2番目の質問がアイスクリームに関するものであることを知っていたので、回答は適切でした。 Ruuhのアルゴリズムは、ユーザからの以前のクエリのデータを常に検索し、ユーザが何について話しているかのコンテキストを理解しています。

感情的手がかりの検出と応答

感情の検出。これは、人間が感情的な考え方を持っているからです。そこで、ユーザーの感情を検出するために、Ruuhは自分が受け取ったチャットメッセージのパターンと、チャットに使用された絵文字のタイプを探します。

評決

Ruuhは、AIが今日のように行動することができることの力を示す強力で素晴らしい方法です。彼女が話しているとき、彼女はあなたが幸せで、悲しい、興奮しているか、怒っているかを知っています。人間。要約すると、深い学習と組み合わされたモデルは、文脈とユーザーのメッセージを統合して適切な応答を抽出します。

モデルは、メッセージからコンテキストを抽出し、以前のメッセージを取り出し、適切な応答のグループを作成し、関連性に従ってランク付けし、最終出力を生成します。

ユーザがRuuhに「どのピザトッピングが最も人気があるのですか?」と尋ねた場合、Ruuhはクエリを「ピザトッピング」について識別し、このクエリに基づいて最も関連性の高い回答を検索します。 Ruuhは、最も適切な応答を生成するための関連性に基づいて、データベースから同様の回答をランク付けします。文脈の認識で、Ruuhは「私はキノコとパイナップルが大好きです」と返信することで、「あなたはどちらが好きですか?」などの後続の質問に簡単に答えることができます。

Ruuhは現在1歳です。私たちがますます先進的なAIを見ているこのレートのため、AIの明るいです。私たちはすぐに私たちの周りのよりスマートなものをすぐに見ようとしています。私たちはマイクロソフトのチームが大変幸運を祈っています。これらの偉大な製品で今後も私たちが驚いてくれることを願っています。

Ruuhの詳細については、マイクロソフトの公式記事を参照してください。ここでは

on Facebook