De # 1 reden waarom de meeste Chatbot NLU-modellen mislukken - DeLaatbusiness
positionering bekende merken

De # 1 reden waarom de meeste Chatbot NLU-modellen mislukken

3 min


117
6 gratis internet marketing ebooks, klik hier voor download

In vergelijking met mensen zijn chatbots vreselijke luisteraars šŸ¤¦

In de loop van de tijd zijn wij mensen gewend geraakt aan luchten en lange, zinloze tirades wanneer we gefrustreerd zijn.Ā Voor het grootste deel was dit nooit een probleem, want er was altijd een ander mens aan het andere einde van het telefoongesprek of de chatsessie die klaar en bereid was om de betekenisloze details van deze rants door te nemen en te bepalen wat we eigenlijk nodig hebben.

In 2019 wordt het echter steeds gebruikelijker om een ā€‹ā€‹AI-gebaseerd hulpmiddel zoals een chatbot of een stemassistent aan het andere einde van deze gesprekken te zien.Ā Dit vormt een enorm probleem, omdat die betekenisloze details van onze tirades, die andere mensen gemakkelijk kunnen doorkruisen, een doodvonnis zijn voor de meeste chatbot NLU-modellen (Natural Language Understanding).

Dit is waarschijnlijk hoe je chatbot aanvoelt wanneer zijn NLU-model een lange staartuiting van een ventilerende gebruiker tegenkomt

In mijn ervaringen met het gebruik van Dialogflow als het NLU-model voor het afstemmen van intenties (op een drempel van 0,6), heb ik ontdekt dat ongeveer vijftig tekens het punt is waarop de lengte van een uiting van een gebruiker problematisch begint te worden.Ā Naarmate uitingen meer en meer dit teken van vijftig tekens overschrijden, wordt de nauwkeurigheid van het afstemmen van intenties steeds slechter en beginnen fallbacks door het dak te gaan.

Het volgende is een perfect voorbeeld van een van deze problematische gebruikersuitingen en heeft 128 tekens, inclusief spaties:

ā€œIk ben al 8 jaar een trouwe klant en met je product kan ik geen tweede W-2 uploaden.Ā Kan iemand me hier alsjeblieft mee helpen !? ā€

Je kunt zien hoe uitdagend het zou zijn voor een chatbot NLU-model om deze uiting nauwkeurig te classificeren met de juiste intentie, gezien het feit dat slechts ongeveer dertig procent van de uiting echt betrekking heeft op de intentie van de gebruiker (“product laat me niet uploaden een tweede W-2 ā€).Ā De rest van die uitspraak is zinloos afval dat wordt gevoed door het impulsieve verlangen van de gebruiker om te razen alsof ze tegen een ander mens praten.

Voor de meeste chatbots in het klantenondersteuningsgebied zal dit niveau van intentieovereenkomst op lange staartuitingen het gewoon niet halen

Het trainen van uw chatbot NLU-model om te matchen met de nietszeggende details van uitingen zoals deze zou een heel nieuw blik wormen openen en waarschijnlijk leiden tot ongebreidelde overclassificatie en misclassificatie van andere intenties.

Om een ā€‹ā€‹krachtige NLU te bouwen, moet u zich concentreren op het vinden van wat belangrijk is in een uiting en het negeren van wat niet šŸ•µ šŸ˜“ is

Om NLB-modellen van chatbot naar het volgende niveau te brengen, moeten ze als mensen kunnen luisteren.Ā Daarmee verwijs ik specifiek naar het vermogen om te bepalen wat belangrijk en ook niet belangrijk is in een gesprek en alleen te verwerken en te handelen naar wat belangrijk wordt geacht.

Dit concept is nog belangrijker voor AI-tools zoals chatbots en spraakassistenten die actief zijn op het gebied van klantenservice en klantenservice.Ā Het is bijna onmogelijk om te bepalen waar een gebruiker hulp bij nodig heeft, en wat hun uiteindelijke bedoeling is, als u probeert lange uitingen uniform te evalueren.

In het bovengenoemde voorbeeld van de problematische uiting van gebruikers, zou ik alleen willen dat mijn chatbot NLU-model de juiste intentie evalueert op basis van het “product laat me geen tweede W-2” -gedeelte van de uiting uploaden.Ā Het is duidelijk dat dit eenvoudiger gezegd dan gedaan is en een idealistische oplossing, maar het vermogen van NLU-modellen om de relevantie van bepaalde delen van een uiting beter te begrijpen, is desalniettemin cruciaal voor het creĆ«ren van werkelijk adembenemende chatbots en AI-stemassistenten.

De gebruikers van je chatbot zullen dezelfde reactie hebben als het goed kan matchen met lange uitingen

Ongeacht welk chatbot NLU-model u gebruikt of in welk domein uw chatbot woont, menselijke impulsen zullen het waarschijnlijk op een gegeven moment overnemen en de gebruikers van uw chatbot zullen tekeer gaan, enthousiast zijn en ventileren totdat uw chatbot hun hele levensverhaal kent.

Is uw chatbot NLU-model hierop voorbereid?


What's Your Reaction?

hate hate
0
hate
confused confused
0
confused
fail fail
0
fail
fun fun
0
fun
geeky geeky
0
geeky
love love
0
love
lol lol
0
lol
omg omg
0
omg
win win
0
win
Erwin@delaatbusiness.com
Dag, Hulp nodig met internet marketing of websites maken? neem dan contact op

0 Comments

Het e-mailadres wordt niet gepubliceerd. Vereiste velden zijn gemarkeerd met *

Choose A Format
Personality quiz
Series of questions that intends to reveal something about the personality
Trivia quiz
Series of questions with right and wrong answers that intends to check knowledge
Poll
Voting to make decisions or determine opinions
Story
Formatted Text with Embeds and Visuals
List
The Classic Internet Listicles
Countdown
The Classic Internet Countdowns
Open List
Submit your own item and vote up for the best submission
Ranked List
Upvote or downvote to decide the best list item
Meme
Upload your own images to make custom memes
Video
Youtube, Vimeo or Vine Embeds
Audio
Soundcloud or Mixcloud Embeds
Image
Photo or GIF
Gif
GIF format