Noen ganger er alt du trenger å snakke med noen. Noen som kan oppmuntre deg på egen måte, noen som er så fulle av livet og chatty at du glemmer alle dine problemer i livet. Noen som morer deg ved å komme bedre enn dine forventninger. Alle er ikke så hyggelige om å snakke med andre 'mennesker' om ting, men det er noen nysgjerrige mennesker som snakker med AI. Her kommer Ruuh til bildet.
Ruuh er i stand til å lytte til ens spørsmål, oppdage følelsene sine, lære om brukerens bakgrunn og lage passende svar og mer. Dette forbedrer deres binding og forholdet de deler med brukeren. Det innebærer direkte mer verdifulle og fornuftige chatter mellom chatbot og brukeren.
Ruuh er god til å lage samtaler
Uten involvering av følelser, er eksistensen av chatbots ubrukelig. Bare å kunne svare uten personlig tilkobling, gjør chatten formell og mange ganger uinteressant. En chatbot er bare interessant hvis de er i stand til å lage samtaler på grunnlag av følelser som er involvert i det. Om dette, sier Microsoft,
Building a conversational layer in Ruuh helps her develop relationships so users can be more open, more casual and more engaged. This leads to better, more honest and natural conversations that ultimately lead to added value and a better experience for users.
Målet med å bygge Ruuh
Microsofts hovedmål bak å bygge denne AI-drevne chatbot var å gjøre det til de unge, teknologisk kyndige tidlige adopterne i India. Det var allerede ment å være lik Microsofts kinesiske Chatbot som heter Xiaoice. Ruuh er mer en digital venn enn bare en digital assistent. Ruuh er en programvare som ikke bare er et stykke kode; det er din venn. Hvor dyp læring fungerer.
Ruuh er en fiktiv karakter, vi vet alle det. Men hennes karakter er modellert etter en ung, urbane indisk jente som er rundt 18-24 år gammel. Hun ser ut til å være interessert i popkultur og er flott på bruken av flytende urban slanger som brukes i India.
Deretter måtte de avgrense de nyttige dataene de samlet inn. Dette trinnet tok 70% av totale data samlet som ubrukelig og ble fjernet. Microsoft sørget for at det ikke er noen støtende kommentarer for personer i USA, Storbritannia og Australia og noen seksistiske eller politiske kommentarer.
Nå, denne raffinerte og nyttige data skulle bli brukt i den valgte modellen. Denne modellen var cDSSM eller Convolutional Deep Structured Semantic Model. Dette er en nyere modell og hjelper i mer bedre og dypere menneskelig oppførsel i AI.
Hvordan cDSSM resulterer i bedre AI
Query Identification
Query Identification er det første trinnet i å gjøre AI mer som mennesker. En algoritme tar innspørringen og ser i databasen for lignende spørsmål. Dette kalles også Information Retrieval eller IR. For eksempel: Hvis spørringen er "Hvordan lager jeg kyllingspasta?", Analyserer Ruuh dataene og finner flere eksempler på lignende spørsmål.
Rangering svar
Her sorterer algoritmen ut svarene basert på hvor relevant prøvene er. Slik får du de mest relevante dataene som en utgang.
Forstå sammenheng
Nå kan det være meningsløst hvis chatbot glemmer hva brukeren snakker om.
For Example: Question: “Do you like ice cream, Ruuh?”
Ruuh: “Yes, I like it.”
Question: “which flavors do you like?”
Ruuh: “Chocolate and Vanilla.”
Nå visste Ruuh at det andre spørsmålet handlet om iskrem, og derfor var svaret hensiktsmessig.
Påvisning og respons på følelsesmessige tegn
Nå betyr mer menneskelig som deteksjon av følelser. Dette er fordi mennesker har følelsesmessige tankegang. Så, for å oppdage brukerens følelser, ser Ruuh opp etter mønstre i chatmeldinger mottatt av henne og typen emojis som brukes i chatten. Så, når du snakker til henne, vet hun om du er glad, trist, spent eller opprørt.
Kjennelse
Ruuh er kraftig og en fin måte å vise kraften til hva AI kan gjøre i dag for å oppføre seg som et menneske. Med kraften i cDSSM er Ruuh mye smartere.
Microsoft sier:
To summarize, the model combined with deep learning integrates context and the user’s message to extract the appropriate response. The model extracts the context from the message, retrieves previous messages, creates a group of appropriate responses, ranks them according to relevance, and generates the final output.
La oss forstå dette bedre med et eksempel. Hvis en bruker spurte Ruuh, "Hvilke pizza pålegg er mest populære?", Ville Ruuh identifisere spørringen som om "pizza toppings" og hente de mest relevante svarene basert på denne spørringen. Ruuh ville rangere lignende svar fra databasen basert på relevans for å generere det mest hensiktsmessige svaret. Med kontekstuell bevissthet kan Ruuh enkelt svare på etterfølgende spørsmål som "Hvilke liker du?" Ved å svare "Jeg elsker sopp og ananas".
Ruuh er nå ett år gammel, og jeg må si at fremtiden for AI er lys på grunn av denne hastigheten der vi ser mer og mer avansert AI som kommer, vi er i ferd med å se smartere ting rundt oss veldig snart. Vi ønsker teamet på Microsoft, et stort lykke, og jeg håper de vil forbli overraskende oss i fremtiden med disse flotte produktene.
Du kan lese mer om Ruuh her på den offisielle artikkelen fra Microsoft - og gi henne en prøve her på Facebook.
