Как CoChat использует человеческий фактор для улучшения ИИ для обслуживания клиентов
Эта статья является частью серии Academic Alibaba и взята из статьи под названием CoChat: обеспечение совместной работы бота и человека для выполнения задач, написанной Xufang Luo, Zijia Lin, Yunhong Wang, и Zaiqing Nie, впервые опубликованные на конференции Ассоциации по развитию искусственного интеллекта в 2018 году. Полностью статью можно прочитать здесь.
Использование чат-ботов в качестве инструментов онлайн-обслуживания растет, но человеческие агенты по-прежнему незаменимы для удовлетворения потребностей клиентов в сложных случаях. Столкнувшись с этой реальностью, большинство подходов, как правило, разделяли человеческий труд и труд ИИ, вводя людей-агентов для решения проблем только тогда, когда боты не справляются. По большому счету отсутствуют исследования моделей взаимодействия человека и ИИ в реальном времени, когда люди и боты работают взаимодополняющим образом, а не изолированно.
Теперь команда исследователей из Alibaba AI Labs, Microsoft Research и Beihang University разработала CoChat, оригинальную систему управления диалогами, которая позволяет чат-ботам получать новые подсказки от своих коллег-людей в режиме реального времени при обработке запросов клиентов. Помимо рационализации человеческого труда, это постепенно снижает потребность в человеческом вмешательстве с течением времени в растущем количестве сценариев.
Разработчики CoChat называют его способность учиться у коллег в режиме реального времени «онлайн-обучением». Предыдущие системы использовали двухкомпонентную модель обучения, состоящую из «обучения с учителем», когда чат-бот учится на исторических журналах чата между работником и пользователем, и «обучения с подкреплением», когда бот учится на взаимодействиях с пользователями. Добавление «онлайн-обучения» к этой существующей комбинации делает CoChat уникальным.
Модель онлайн-обучения CoChat стала возможной благодаря новому типу иерархической рекуррентной нейронной сети (HRNN). Разработчики добавили внешнюю память в HRNN CoChat, назвав новую модель HRNN с расширенной памятью или «MemHRNN». Когда работники-люди вводят ответы на вновь возникающие ситуации, с которыми боты пытаются справиться, диспетчер диалогов бота сохраняет ответы во внешней памяти. Затем он пытается применить эти новые предложения к будущим сценариям, после чего рабочие-люди снова взаимодействуют с ботами по мере необходимости.
Разработчики CoChat протестировали бота на двух реальных задачах: бронирование столика в ресторане и бронирование билетов в кино. Тесты показали, что CoChat смог снизить рабочую нагрузку на людей на 91,35% при бронировании столиков в ресторанах и на 89,32% при бронировании билетов в кино. Кроме того, диалоговый менеджер с расширенным обучением достиг впечатляющих показателей удовлетворенности пользователей: 97,04% и 92,62% соответственно для двух задач.
Эти результаты показывают, что платформа CoChat MemHRNN может эффективно справляться с однократными задачами обучения, когда требуются новые действия для удовлетворения новых запросов пользователей. Как практический инструмент управления диалогами, CoChat открывает новые возможности, используя внешнюю память и гибридные решения человека и ИИ, чтобы лучше удовлетворять потребности пользователей.
Полностью статью можно прочитать здесь.
Алибаба Тех
Подробная и исчерпывающая информация из первых рук о новейших технологиях Alibaba → Найдите «Alibaba Tech» на Facebook.
