Najlepsze praktyki tworzenia modeli interakcji Amazon Lex

Amazonka Lex to usługa AWS służąca do budowania interfejsów konwersacyjnych w dowolnej aplikacji za pomocą głosu i tekstu, umożliwiając firmom dodawanie wyrafinowanych chatbotów w języku naturalnym w różnych kanałach. Amazon Lex wykorzystuje uczenie maszynowe (ML) do rozumienia języka naturalnego (zwykły tekst konwersacyjny i mowa). W tym poście omawiamy zestaw najlepszych praktyk wykorzystania ML do stworzenia bota, który zachwyci Twoich klientów, dokładnie ich rozumiejąc. Dzięki temu Twój bot może prowadzić bardziej naturalne konwersacje, które nie wymagają od użytkownika przestrzegania zestawu ścisłych instrukcji. Projektowanie i budowanie inteligentnego interfejsu konwersacyjnego bardzo różni się od budowania tradycyjnej aplikacji lub strony internetowej, a ten post pomoże ci rozwinąć niektóre z nowych wymaganych umiejętności.

Przyjrzyjmy się terminologii, której często używamy w tym poście:

• Wypowiedź – Wyrażenie, które użytkownik mówi do twojego bota na żywo.
• Przykładowa wypowiedź – Kilka przykładów tego, co użytkownicy mogą powiedzieć. Są one dołączone do intencji i używane do szkolenia bota.
• Intencja – Reprezentuje to, co użytkownik miał na myśli i powinno być wyraźnie powiązane z odpowiedzią lub działaniem bota. Na przykład intencja, która odpowiada na powitanie użytkownika lub intencja, która może zareagować i podjąć działanie, jeśli użytkownik chce zamówić kawę. Bot ma jedną lub więcej intencji, do których można zamapować wyrażenia długości.
• Otwór – Parametr, który może przechwytywać określone typy informacji z wypowiedzi (na przykład czas spotkania lub imię i nazwisko klienta). Gniazda są dołączone do intencji.
• Wartość gniazda – Albo przykłady tego, co powinien przechwytywać automat, albo konkretna lista wartości dla automatu (np. duży, średni, mały jako wartości dla gniazda na rozmiary kawy).

Poniższy obraz pokazuje, jak wszystkie te elementy pasują do siebie, tworząc robota.

Zbudowanie dobrze zaprojektowanego bota wymaga rozważenia kilku różnych kwestii. Obejmują one gromadzenie i odkrywanie wymagań, projektowanie konwersacji, testowanie poprzez automatyzację i z użytkownikami oraz monitorowanie i optymalizowanie bota. W aspekcie projektowania konwersacyjnego istnieją dwa główne elementy: model interakcji i doświadczenie użytkownika konwersacyjnego lub głosowego (CUX/VUX). CUX i VUX obejmują osobowość bota, rodzaje odpowiedzi, przebieg rozmowy, warianty modalności oraz sposób, w jaki bot radzi sobie z nieoczekiwanymi danymi wejściowymi lub awariami. Model interakcji to element, który może wziąć to, co powiedział użytkownik (wypowiedź) i odwzorować to, co miał na myśli (intencja). W tym poście przyjrzymy się tylko, jak zaprojektować i zoptymalizować model interakcji.

Ponieważ Amazon Lex wykorzystuje uczenie maszynowe, stawia to twórcę bota w roli nauczyciela maszynowego. Kiedy budujemy bota, musimy dać mu całą potrzebną wiedzę na temat typów konwersacji, które będzie obsługiwał. Robimy to zarówno poprzez sposób konfigurowania bota (intencje i sloty), jak i dane szkoleniowe, które mu przekazujemy (przykładowe wyrażenia długości i wartości slotów). Podstawowa usługa wzbogaca ją następnie o ogólną wiedzę o języku, umożliwiając zrozumienie wyrażeń wykraczających poza dokładne dane, które jej przekazaliśmy.

Najlepsze praktyki wymienione w poniższych sekcjach mogą pomóc w zbudowaniu bota, który zapewni Twoim klientom doskonałe wrażenia użytkownika i dobrze sprawdzi się w przypadku użycia.

Tworzenie intencji

Każda intencja to koncepcja, której zrozumienia uczysz swojego bota. Na przykład może to być intencja, która reprezentuje kogoś, kto zamawia kawę lub kogoś, kto wita twojego bota. Musisz upewnić się, że sprawisz, że bot będzie naprawdę jasny i łatwy do rozpoznania, że ​​dana wypowiedź powinna być dopasowana do tego celu.

Wyobraź sobie, że ktoś dał ci zestaw kart katalogowych z frazami, z których każda została posortowana w stosy, ale bez żadnego innego kontekstu ani szczegółów. Następnie zaczęli dawać ci dodatkowe fiszki ze zwrotami i prosili, abyś dodał je do właściwego stosu, po prostu na podstawie zwrotów na kartach w każdym stosie. Gdyby każdy stos reprezentował jasną koncepcję z podobnymi sformułowaniami, byłoby to łatwe. Ale gdyby w każdym z nich nie było jasnego tematu, miałbyś trudności z ustaleniem, jak dopasować je do stosu. Możesz nawet zacząć używać innych wskazówek, takich jak „to wszystko są krótkie zdania” lub „tylko te mają interpunkcję”.

Twój bot używa podobnych technik, ale pamiętaj, że chociaż uczenie maszynowe jest inteligentne, nie jest tak inteligentne jak człowiek i nie ma całej zewnętrznej wiedzy i kontekstu, które ma człowiek. Jeśli człowiek bez kontekstu tego, co robi twój bot, może mieć trudności ze zrozumieniem, co miał na myśli, twój bot prawdopodobnie też to zrobi. Najlepsze praktyki w tej sekcji mogą pomóc w tworzeniu intencji, które będą rozpoznawalne i z większym prawdopodobieństwem zostaną dopasowane do żądanej wypowiedzi.

1. Każda intencja powinna reprezentować jedną koncepcję

Każda intencja powinna reprezentować jedną koncepcję lub pomysł, a nie tylko temat. Można mieć wiele intencji, które odpowiadają tej samej akcji lub reakcji, jeśli oddzielenie ich daje wyraźniejszy, spójniejszy koncept. Przyjrzyjmy się niektórym nakazom i zakazom:

• Czy nie tworzyć ogólne intencje, które grupują razem wiele koncepcji.

Na przykład następująca intencja łączy wyrażenia dotyczące uszkodzonego produktu i bardziej ogólne wyrażenia dotyczące reklamacji:

DamageComplaint
I've received a damaged product
i received a damaged product
I'm really frustrated
Your company is terrible at deliveries
My product is broken
I got a damaged package
I'm going to return this order
I'll never buy from you again

Poniższa intencja to kolejny przykład, który łączy aktualizację danych osobowych z aktualizacją aplikacji mobilnej:

UpdateNeeded
I need to update my address
Can I update the address you have for me
How do I update my telephone number
I can't get the update for the mobile app to work
Help me update my iphone app
How do I get the latest version of the mobile app

• Do rozdzielać intencje, gdy mają one bardzo różne znaczenia. Możemy podzielić np UpdateNeeded intencję z poprzedniego przykładu na dwie intencje:

UpdatePersonalDetails
I need to update my address
Can I update the address you have for me
How do I update my telephone number

UpdateMobileApp
I can't get the update for the mobile app to work
Help me update my iphone app
How do I get the latest version of the mobile app

• Do podzielić intencje, gdy mają to samo działanie lub wymaganą reakcję, ale używają bardzo różnych sformułowań. Na przykład następujące dwa zamiary mogą mieć ten sam rezultat końcowy, ale pierwszy mówi nam bezpośrednio, że muszą odholować samochód, podczas gdy drugi tylko pośrednio sugeruje, że może potrzebować holowania samochodu.

RoadsideAssistanceRequested
I need to tow my car
Can I get a tow truck
Can you send someone out to get my car

RoadsideAssistanceNeeded
I've had an accident
I hit an animal
My car broke down

2. Ogranicz nakładanie się intencji

Pomyślmy jeszcze raz o tym stosie kart katalogowych. Gdyby istniały karty z takimi samymi (lub bardzo podobnymi) zwrotami, trudno byłoby ustalić, do którego stosu dodać nową kartę z tym zwrotem. Tak samo jest w tym przypadku. Chcemy naprawdę wyraźnych zestawów przykładowych wypowiedzi w każdej intencji. Oto kilka strategii:

• Czy nie tworzyć intencje z bardzo podobnymi sformułowaniami, które mają podobne znaczenie. Na przykład, ponieważ Amazon Lex uogólnia wypowiedzi poza przykładowymi wypowiedziami, wyrażenia, które nie są wyraźnie jednym konkretnym zamiarem, mogą zostać niedopasowane, na przykład klient mówiący „Chciałbym umówić się na spotkanie”, gdy istnieją dwa zamiary spotkania, np. następujące:

BookDoctorsAppointment
I’d like to book a doctors appointment

BookBloodLabAppointment
I’d like to book a lab appointment

• Do użyj slotów, aby połączyć intencje, które dotyczą tego samego tematu i mają podobne sformułowania. Na przykład, łącząc dwie intencje z poprzedniego przykładu, możemy dokładniej uchwycić wszelkie prośby o spotkanie, a następnie użyć przedziału czasu, aby określić właściwy typ spotkania:

BookAppointment
I’d like to book a {appointmentType} appointment

• Czy nie tworzyć intencje, w których jeden intencja jest podzbiorem innego. Na przykład, gdy twój bot się rozrośnie, może być łatwo rozpocząć tworzenie intencji w celu przechwytywania bardziej szczegółowych informacji:

BookFlight
I'd like to book a flight
book me a round trip flight
i need to book flight one way

BookOneWayFlight
book me a one-way flight
I’d like to book a one way flight
i need to book flight one way please

• Do używaj slotów do przechwytywania różnych podzbiorów informacji w ramach intencji. Na przykład, zamiast wykorzystywać różne intencje do przechwytywania informacji o typie lotu, możemy użyć szczeliny, aby uchwycić to:

BookFlight
I'd like to book a flight
book me a {itineraryType} flight
i need to book flight {itineraryType}
I’d like to book a {itineraryType} flight

3. Miej odpowiednią ilość danych

W ML dane treningowe są kluczowe. Często potrzebne są setki lub tysiące próbek, aby uzyskać dobre wyniki. Z przyjemnością usłyszysz, że Amazon Lex nie wymaga ogromnej ilości danych, a właściwie nie chcesz mieć zbyt wielu przykładowych wyrażeń w każdej intencji, ponieważ mogą one zacząć się różnić lub wprowadzać zamieszanie. Kluczowe jest jednak zapewnienie wystarczającej liczby przykładowych wyrażeń, aby stworzyć jasny wzorzec, z którego bot będzie mógł się uczyć.

Zastanów się, co następuje:

• Mieć co najmniej 15 wypowiedzi na intencję.
• Stopniowo dodawaj dodatkowe wypowiedzi (partie po 10–15), aby można było testować wydajność etapami. Większa liczba wyrażeń niekoniecznie jest lepsza.
• Przejrzyj intencje z dużą liczbą wypowiedzi (ponad 100), aby ocenić, czy możesz usunąć bardzo podobne wypowiedzi, czy też powinieneś podzielić intencję na wiele intencji.
• Zachowaj podobną liczbę wypowiedzi w różnych intencjach. Pozwala to na zrównoważenie rozpoznawania każdego zamiaru i pozwala uniknąć przypadkowego nakierowania bota na określone zamiary.
• Regularnie przeglądaj swoje intencje w oparciu o informacje uzyskane od bota produkcyjnego i kontynuuj dodawanie i dostosowywanie wypowiedzi. Projektowanie i rozwijanie bota to iteracyjny proces, który nigdy się nie kończy.

4. Dbaj o różnorodność swoich danych

Amazon Lex to konwersacyjna sztuczna inteligencja — jej głównym celem jest rozmawianie z ludźmi. Ludzie mają tendencję do dużej różnorodności w wyrażaniu rzeczy. Projektując bota, chcemy mieć pewność, że przechwytujemy ten zakres w naszej konfiguracji intencji. Ważne jest, aby regularnie oceniać i aktualizować konfigurację oraz przykładowe dane, zwłaszcza jeśli z czasem rozszerzasz lub zmieniasz bazę użytkowników. Rozważ następujące zalecenia:

• Do mieć zróżnicowany zakres wypowiedzi w każdej intencji. Poniżej przedstawiono przykłady rodzajów różnorodności, które należy wziąć pod uwagę:
  • Długości wypowiedzi – Poniżej znajduje się przykład różnych długości:

BookFlight
book flight
I need to book a flight
I want to book a flight for my upcoming trip

• • Słownictwo – Musimy dostosować to do tego, jak rozmawiają nasi klienci. Możesz to uchwycić, przeprowadzając testy użytkowników lub korzystając z dzienników konwersacji z bota. Na przykład:

OrderFlowers
I want to buy flowers
Can I order flowers
I need to get flowers

• • Frazowanie – Potrzebujemy mieszanki wypowiedzi reprezentujących różne sposoby, w jakie nasi klienci mogą formułować rzeczy. Poniższy przykład pokazuje wypowiedzi używające „książka„jako czasownik”Rezerwacja" jako rzeczownik, "Rezerwacja lotu” jako podmiot oraz język formalny i nieformalny:

BookFlight
I need to book a flight
can you help with a flight booking
Flight booking is what I am looking for
please book me a flight
I'm gonna need a flight

• • Interpunkcja – Powinniśmy uwzględnić zakres powszechnego użycia. Powinniśmy również uwzględnić użycie niegramatyczne, jeśli jest to coś, czego klient użyłby (zwłaszcza podczas pisania). Zobacz następujący przykład:

OrderFlowers
I want to order flowers.
i wanted to get flowers!
Get me some flowers... please!!

• • Wykorzystanie gniazda – Podaj przykładowe wypowiedzi, które pokazują zarówno używanie, jak i nieużywanie slotów. Używaj różnych kombinacji automatów w tych, które je zawierają. Upewnij się, że sloty mają przykłady z różnymi miejscami, w których mogą pojawić się w wypowiedzi. Na przykład:

CancelAppointment
Cancel appointment
Cancel my appointment with Dr. {DoctorLastName}
Cancel appointment on {AppointmentDate} with Dr. {DoctorLastName}
Cancel my appointment on {AppointmentDate}
Can you tell Dr. {DoctorLastName} to cancel my appointment
Please cancel my doctors appointment

• Czy nie dodawaj wypowiedzi, które są tylko małymi różnicami w frazowaniu. Amazon Lex jest w stanie poradzić sobie z ich uogólnieniem. Na przykład nie potrzebujesz każdej z tych trzech odmian, ponieważ różnice są niewielkie:

DamagedProductComplaint
I've received a damaged product
I received a damaged product
Received damaged product

• Czy nie dodaj różnorodność do niektórych intencji, ale nie do innych. Musimy być konsekwentni w formach różnorodności, które dodajemy. Zapamiętaj karty indeksowe od początku — gdy wypowiedź nie jest jasna, bot może zacząć używać innych wskazówek, takich jak długość zdania lub interpunkcja, aby spróbować dopasować. Czasami możesz chcieć wykorzystać to na swoją korzyść (na przykład, jeśli naprawdę chcesz skierować wszystkie jednowyrazowe frazy do określonego celu), ale ważne jest, aby unikać robienia tego przypadkowo.

Tworzenie slotów

Omówiliśmy kilka dobrych praktyk dotyczących automatów w poprzedniej sekcji, ale przyjrzyjmy się bardziej szczegółowym najlepszym praktykom dotyczącym automatów.

5. Używaj krótkich wyrażeń rzeczownikowych lub przymiotnikowych dla slotów

Automaty reprezentują coś, co można definitywnie uchwycić jako parametr, na przykład wielkość kawy, którą chcesz zamówić, lub lotnisko, na które lecisz. Rozważ następujące:

• Użyj rzeczowników lub krótkich przymiotników dla swoich wartości slotów. Nie używaj boksów dla fraz przewoźnika („Jak ja"Lub"co mogłem”), ponieważ zmniejszy to zdolność Amazon Lex do uogólniania twoich wypowiedzi. Postaraj się zachować miejsca na wartości, które musisz przechwycić, aby spełnić swój zamiar.
• Utrzymuj miejsca na ogół na jednym lub dwóch słowach.

6. Przedkładaj sloty nad jawne wartości

Możesz używać automatów do uogólniania używanych fraz, ale musimy również trzymać się zaleceń, które właśnie przejrzeliśmy. Aby nasze wartości slotów były jak najłatwiejsze do zidentyfikowania, nigdy nie używamy wartości zawartych w gnieździe bezpośrednio w przykładowych wyrażeniach długości. Pamiętaj o następujących wskazówkach:

• Czy nie jawnie uwzględnij wartości, które mogą być gniazdami w przykładowych wypowiedziach. Na przykład:

OrderFlowers
I want to buy roses
I want to buy lilies
I would love to order some orchids
I would love to order some roses

• Do użyj szczelin, aby zmniejszyć liczbę powtórzeń. Na przykład:

OrderFlowers
I want to buy {flowers}
I would love to order some {flowers}

flowers
roses
lilies
orchids

• Czy nie mieszaj szczeliny i wartości rzeczywiste w przykładowych wypowiedziach. Na przykład:

OrderFlowers
I want to buy {flowers}
I want to buy lilies
I would love to order some {flowers}

flowers
roses
lilies
orchids

• Czy nie mają intencje tylko z gniazdami w przykładowych wyrażeniach długości, jeśli typy gniazd są AlphaNumeric, Number, Date, GRXML, są bardzo szerokimi boksami niestandardowymi lub zawierają skróty. Zamiast tego rozwiń przykładowe wypowiedzi, dodając frazy konwersacyjne, które zawierają szczelinę do przykładowych wypowiedzi.

7. Zadbaj o spójność wartości slotów

Bot musi zdecydować, czy dopasować slot na podstawie tego, czego może się dowiedzieć z wprowadzonych przez nas wartości. Jeśli istnieje wiele podobieństw lub nakładania się w przedziałach o tej samej intencji, może to powodować problemy z dopasowaniem właściwego przedziału.

• Czy nie mieć gniazda z nakładającymi się wartościami w tym samym celu. Zamiast tego spróbuj je połączyć. Na przykład:

pets
cat
dog
goldfish

animals
horse
cat
dog

8. Zastanów się, jak zostaną przepisane słowa

Amazon Lex używa automatycznego rozpoznawania mowy (ASR) do transkrypcji mowy. Oznacza to, że wszystkie dane wejściowe do modelu interakcji Amazon Lex są przetwarzane jako tekst, nawet w przypadku korzystania z bota głosowego. Musimy pamiętać, że transkrypcja może się różnić od tego, jak użytkownicy mogą wpisać to samo. Rozważ następujące:

• Wpisz akronimy lub inne wyrazy, których litery należy wymawiać pojedynczo, jako pojedyncze litery oddzielone kropką i spacją. Będzie to ściślej odpowiadać sposobowi transkrypcji. Na przykład:

A. T. M.
A. W. S.
P. A.

• Regularnie przeglądaj dźwięk i transkrypcje, aby móc dostosować przykładowe wypowiedzi lub typy okienek. Aby to zrobić, włącz dzienniki konwersacji i włącz zarówno dzienniki tekstowe, jak i audio, gdy tylko jest to możliwe.

9. Korzystaj z odpowiednich opcji dostępnych dla Twoich automatów

Dostępnych jest wiele różnych rodzajów automatów i opcji, a korzystanie z najlepszych opcji dla każdego z naszych automatów może pomóc w rozpoznaniu wartości tych automatów. Zawsze chcemy poświęcić trochę czasu na zrozumienie opcji przed podjęciem decyzji o tym, jak zaprojektować nasze automaty:

• Użyj opcji ograniczenia, aby ograniczyć przedziały do ​​zamkniętego zestawu wartości. Możesz zdefiniować synonimy dla każdej wartości. Mogą to być na przykład pozycje menu w Twojej restauracji.
• Użyj opcji rozwijania, jeśli chcesz mieć możliwość zidentyfikowania czegoś więcej niż tylko przykładowych wartości, które podałeś (na przykład Nazwa).
• Włącz zaciemnianie dla slotów, które zbierają poufne dane, aby uniemożliwić rejestrowanie danych.
• Zastosowanie wskazówki dotyczące czasu pracy aby poprawić rozpoznawanie slotów, gdy możesz zawęzić potencjalne opcje w czasie wykonywania. Wybranie jednego slotu może zawęzić opcje dla innego; na przykład określony rodzaj mebli może nie mieć wszystkich opcji kolorystycznych.
• Zastosowanie style pisowni uchwycić nietypowe słowa lub słowa z odmianami pisowni, takie jak nazwy.

10. Używaj niestandardowego słownictwa dla domen specjalistycznych

W większości przypadków a niestandardowe słownictwo nie jest wymagane, ale może być pomocne, jeśli Twoi użytkownicy będą używać specjalistycznych słów, które nie są używane w codziennym języku. W takim przypadku dodanie jednego może być pomocne w upewnieniu się, że Twoje transkrypcje są dokładne. Pamiętaj o następujących kwestiach:

• Do użyj niestandardowego słownictwa, aby dodać słowa, które nie są łatwo rozpoznawane przez Amazon Lex w rozmowach głosowych. Poprawia to transkrypcję mowy na tekst i ogólne wrażenia klienta.
• Czy nie używaj krótkich lub popularnych słów, takich jak „na”, „to”, „do”, „tak” lub „nie” w niestandardowym słownictwie.
• Do zdecydować, jaką wagę nadać słowu na podstawie tego, jak często słowo nie jest rozpoznawane w transkrypcji i jak rzadkie jest to słowo na wejściu. Słowa trudne do wymówienia wymagają większej wagi. Użyj reprezentatywnego zestawu testów, aby określić, czy waga jest odpowiednia. Możesz zebrać zestaw testów audio, włączając rejestrowanie dźwięku w dziennikach konwersacji.
• Do używać niestandardowych typów miejsc dla list wartości katalogowych lub jednostek, takich jak nazwy produktów lub fundusze inwestycyjne.

11. Sloty GRXML wymagają ścisłej gramatyki

Podczas migracji do Amazon Lex z usługi, która może już mieć gramatykę (taką jak tradycyjne silniki automatycznego rozpoznawania mowy), możliwe jest ponowne użycie Gramatyki GRXML podczas procesu projektowania nowego bota. Jednak podczas tworzenia zupełnie nowego bota Amazon Lex zalecamy najpierw sprawdzić, czy inne typy slotów mogą spełnić Twoje potrzeby przed użyciem GRXML. Rozważ następujące:

• Do używaj slotów GRXML tylko do wprowadzania głosowego, a nie do interakcji tekstowych.
• Czy nie dodaj frazy nośne dla slotów GRXML w samym pliku GRXML (gramatykę).
• Do umieść wyrażenia przewoźnika w przykładowych wypowiedziach, na przykład mieszkam w {zipCode} lub {zipCode} to mój kod pocztowy.
• Do opracuj gramatykę, aby uchwycić tylko prawidłowe wartości slotów. Na przykład, aby przechwycić pięciocyfrowy kod pocztowy w USA, należy akceptować tylko wartości składające się z dokładnie pięciu cyfr.

Podsumowanie

W tym poście omówiliśmy zestaw najlepszych praktyk, które powinny pomóc w projektowaniu i budowaniu kolejnego bota. Podczas usuwania tych informacji należy pamiętać, że najlepsze praktyki są zawsze zależne od kontekstu. To nie są zasady, ale wytyczne, które pomogą Ci zbudować wydajnego chatbota. Kontynuując budowanie i optymalizację własnych botów, przekonasz się, że niektóre z nich są ważniejsze dla twojego przypadku użycia niż inne, i możesz dodać własne dodatkowe najlepsze praktyki. Jako twórca bota masz dużą kontrolę nad tym, jak skonfigurujesz swojego bota Amazon Lex, aby uzyskać najlepsze wyniki w swoim przypadku użycia, a te najlepsze praktyki powinny dać ci świetne miejsce do rozpoczęcia.

Najlepsze praktyki w tym poście możemy podsumować w następujący sposób:

• Utrzymuj każdą intencję w jednej jasnej koncepcji ze spójnym zestawem wypowiedzi
• Używaj reprezentatywnych, zrównoważonych i zróżnicowanych przykładowych danych wypowiedzi
• Używaj slotów, aby wyraźniej wyrażać intencje i przechwytywać dane
• Każde miejsce należy przypisać jednemu tematowi z jasnym zestawem wartości
• Poznaj i używaj właściwego typu gniazda dla swojego przypadku użycia

Aby uzyskać więcej informacji na temat Amazon Lex, sprawdź Pierwsze kroki z Amazon Lex do dokumentacji, samouczków, filmów instruktażowych, przykładów kodu i zestawów SDK.

---

O autorze

Gillian Armstrong jest Architektem Rozwiązań Budowlanych. Jest podekscytowana tym, jak chmura otwiera przed większą liczbą ludzi możliwości korzystania z technologii do rozwiązywania problemów, a szczególnie podekscytowana tym, jak technologie kognitywne, takie jak konwersacyjna sztuczna inteligencja, pozwalają nam wchodzić w interakcje z komputerami w bardziej ludzki sposób.

• Dystrybucja treści i PR oparta na SEO. Uzyskaj wzmocnienie już dziś.
• Platoblockchain. Web3 Inteligencja Metaverse. Wzmocniona wiedza. Dostęp tutaj.
• Źródło: https://aws.amazon.com/blogs/machine-learning/best-practices-for-creating-amazon-lex-interaction-models/