Andrew Ng a inventé et défend le concept d'IA centrée sur les données. L'IA centrée sur les données est la discipline d'ingénierie des données d'entrée pour les modèles d'IA et les mêmes principes s'appliquent à la découverte et à la structuration des données de formation NLU.

Introduction

Dans Conversational AI, le développement des chatbots et des voicebots a mis l'accent sur les cadres, la conception des conversations et l'analyse comparative NLU.

Les cadres de développement ont atteint une grande efficacité dans le développement de l'état de la conversation et la conception de la conversation. Et un nombre croissant de fournisseurs s'accordent sur le fait que la différenciation entre les modèles NLU devient négligeable.

Cela soulève donc la question suivante : comment briser l'état actuel de la parité des plates-formes et parvenir à une véritable différenciation CX ?

La réponse réside dans une approche centrée sur les données pour créer des données de formation NLU…

Découverte et développement d'intentions centrées sur les données

Le développement de chatbot a un besoin urgent d'une approche centrée sur les données, où l'accent est mis sur la sélection des données non structurées et la transformation des données non structurées en données de conception et de formation NLU .

Les chatbots échouent principalement pour deux raisons… la première raison est que les intentions développées ne sont pas alignées sur les intentions des utilisateurs. La deuxième raison est que les intents ne sont pas flexibles, vous devez pouvoir facilement et de manière continue :
▪️ Fusionner des intents
▪️ Diviser des intents
▪️ Créer des intents hiérarchiques ou imbriqués
▪️ Découverte et maintenance d'intents.

Une approche centrée sur les données pour le développement d'un chatbot commence par la définition d'intentions basées sur les conversations client existantes. Une intention est essentiellement un regroupement ou un groupe d'énoncés ou de phrases sémantiquement similaires. Le nom d'intention est l'étiquette décrivant le cluster ou le groupement d'énoncés.

Il existe divers outils créant les groupements ou les clusters, ci-dessus est un exemple utilisant les intégrations Cohere .

Un autre outil graphique pour explorer et enregistrer des phrases similaires s'appelle Bulk .

Vous trouverez ci-dessous un exemple de Bulk montrant comment un cluster peut être sélectionné graphiquement et les phrases désignées affichées. La liste des énoncés qui font partie de la sélection constitue une intention. Et le regroupement peut être enregistré dans le cadre du processus d'ingénierie de structuration des données de formation NLU.

⭐️ Veuillez me suivre sur LinkedIn pour les mises à jour sur l'IA conversationnelle ⭐️

Considérant l'image ci-dessous, le processus de création d'intentions à partir de données conversationnelles existantes augmente le chevauchement des conversations client existantes (intentions client) avec les intentions développées. L'alignement entre ces deux éléments est crucial pour un déploiement réussi de l'IA conversationnelle.

Gestion d'intention humaine dans la boucle

Les intentions sont en effet la ligne de front de toute implémentation de chatbot et définissent les conversations que les utilisateurs peuvent avoir. Pour des raisons d'efficacité et d'évolutivité, la création et la gestion d'intentions à grande échelle exigent un espace latent accéléré où une approche de supervision faible assistée par l'IA peut être suivie.

Le processus de gestion des intentions est une tâche continue et nécessite un espace latent accéléré sans code où les meilleures pratiques centrées sur les données peuvent être mises en œuvre.

Comme le montre l'image ci-dessus, la gestion des intentions ne consiste pas seulement à gérer les étiquettes et les données d'entraînement, mais également la gestion des intentions. La gestion des intentions comprend le fractionnement, la fusion, les hiérarchies et le déplacement des intentions.

Un processus continu de conception NLU et de gestion des intentions garantit que la couche d'intention de la mise en œuvre de l'IA conversationnelle reste flexible et s'adapte aux conversations des utilisateurs.

⭐️ Veuillez me suivre sur LinkedIn pour les mises à jour sur l'IA conversationnelle ⭐️

Je suis actuellement l' évangéliste en chef @ HumanFirst . J'explore et j'écris sur tout ce qui se situe à l'intersection de l'IA et du langage ; allant des LLM , Chatbots , Voicebots , Frameworks de développement, espaces latents centrés sur les données et plus encore.

Le Cobus Quadrant™ de la conception NLU Le Cobus Quadrant™ des capacités de conception de conversation