Izboljšajte svoje samopostrežne pomočnike z novimi generativnimi funkcijami AI v Amazon Lex | Spletne storitve Amazon

V tem prispevku govorimo o tem, kako generativna umetna inteligenca spreminja pogovorno industrijo umetne inteligence z zagotavljanjem novih izkušenj strank in ustvarjalcev botov ter novih funkcij v Amazon Lex ki izkoriščajo ta napredek.

Ker povpraševanje po pogovorni umetni inteligenci še naprej narašča, razvijalci iščejo načine za izboljšanje svojih chatbotov s človeškimi interakcijami in naprednimi zmogljivostmi, kot je obravnavanje pogostih vprašanj. Nedavni preboji na področju generativne umetne inteligence vodijo k bistvenim izboljšavam razumevanja naravnega jezika, zaradi česar so pogovorni sistemi bolj inteligentni. Z usposabljanjem velikih modelov nevronskih mrež na naborih podatkov z bilijoni žetonov so raziskovalci umetne inteligence razvili tehnike, ki robotom omogočajo razumevanje kompleksnejših vprašanj, zagotavljanje niansiranih in bolj naravnih odgovorov, ki zvenijo človeku, ter obravnavanje širokega nabora tem. S temi novimi generativnimi inovacijami umetne inteligence lahko ustvarite virtualne pomočnike, ki se zdijo bolj naravni, intuitivni in koristni med besedilnimi ali glasovnimi samopostrežnimi interakcijami. Hiter napredek generativne umetne inteligence avtomatizirane klepetalne robote in virtualne pomočnike bistveno približuje cilju resnično inteligentnih, prosto tekočih pogovorov. Z nadaljnjim napredkom pri globokem učenju in tehnikah nevronskih mrež bodo pogovorni sistemi pripravljeni postati še bolj prilagodljivi, povezljivi in ​​podobni ljudem. Ta nova generacija pomočnikov, ki jih poganja AI, lahko zagotovi brezhibne samopostrežne izkušnje v številnih primerih uporabe.

Kako Amazon Bedrock spreminja pokrajino pogovorne umetne inteligence

Amazon Bedrock je uporabniku prijazen način za izdelavo in povečanje generativnih aplikacij AI s temeljnimi modeli (FM). Amazon Bedrock ponuja nabor FM-jev vodilnih ponudnikov, tako da imajo stranke AWS prilagodljivost in možnost izbire za uporabo najboljših modelov za svoj specifični primer uporabe.

V današnjem hitrem tempu od vsakega podjetja pričakujemo hitro in učinkovito storitev za stranke. Vendar pa je zagotavljanje odličnih storitev za stranke lahko precejšen izziv, če obseg povpraševanj prekaša človeške vire, zaposlene za njihovo obravnavanje. Podjetja lahko učinkovito premagajo ta izziv, hkrati pa nudijo prilagojene storitve za stranke, tako da izkoristijo napredek v generativni umetni inteligenci, ki jo poganjajo veliki jezikovni modeli (LLM).

Z leti je AWS vlagal v demokratizacijo dostopa do – in izboljšanje razumevanja – AI, strojnega učenja (ML) in generativne AI. LLM-ji so lahko zelo uporabni v kontaktnih centrih, saj zagotavljajo samodejne odgovore na pogosto zastavljena vprašanja, analizirajo razpoloženja strank in namere za ustrezno usmerjanje klicev, ustvarjajo povzetke pogovorov za pomoč agentom in celo samodejno ustvarjajo e-poštna sporočila ali odgovore v klepetu na pogosta vprašanja strank. Z obravnavanjem ponavljajočih se nalog in pridobivanjem vpogledov iz pogovorov LLM-ji omogočajo agentom kontaktnih centrov, da se osredotočijo na zagotavljanje višje vrednosti s prilagojenimi storitvami in reševanjem kompleksnih težav.

Izboljšanje uporabniške izkušnje s pogovornimi pogostimi vprašanji

Generativna umetna inteligenca ima izjemen potencial za zagotavljanje hitrih in zanesljivih odgovorov na pogosto zastavljena vprašanja strank na pogovoren način. Z dostopom do pooblaščenih virov znanja in LLM lahko vaš obstoječi bot Amazon Lex zagotovi koristne, naravne in natančne odgovore na pogosta vprašanja, ki presegajo k nalogam usmerjen dialog. Naš pristop Retrieval Augmented Generation (RAG) omogoča Amazon Lexu, da izkoristi tako širino znanja, ki je na voljo v repozitorijih, kot tudi tekoče znanje LLM. Svoje vprašanje lahko preprosto postavite v prosti obliki, pogovornem jeziku in v nekaj sekundah prejmete naraven, prilagojen odgovor. Nova pogovorna funkcija pogostih vprašanj v Amazon Lex razvijalcem botov in oblikovalcem pogovorov omogoča, da se osredotočijo na definiranje poslovne logike, namesto da bi oblikovali izčrpne tokove pogovorov, ki temeljijo na pogostih vprašanjih, znotraj bota.

Predstavljamo vgrajeni QnAIntent, ki uporablja LLM za poizvedovanje pooblaščenega vira znanja in zagotavlja smiseln in kontekstualni odgovor. Poleg tega lahko razvijalci konfigurirajo QnAIntent tako, da kaže na določene razdelke baze znanja, s čimer zagotovijo, da se med izvajanjem poizveduje le po določenih delih vsebine znanja, da se izpolnijo zahteve uporabnikov. Ta zmožnost izpolnjuje potrebo po visoko reguliranih panogah, kot so finančne storitve in zdravstvo, po zagotavljanju odgovorov samo v jeziku, ki je skladen s predpisi. Pogovorna funkcija pogostih vprašanj v Amazon Lex omogoča organizacijam, da izboljšajo stopnje zadrževanja, hkrati pa se izognejo visokim stroškom zgrešenih poizvedb in prenosov človeških predstavnikov.

Izdelava bota Amazon Lex z graditeljem opisnih botov

Izdelava pogovornih botov iz nič je dolgotrajen proces, ki zahteva globoko poznavanje interakcije uporabnikov z boti, da lahko predvidimo morebitne zahteve in kodiramo ustrezne odgovore. Danes oblikovalci in razvijalci pogovorov preživijo veliko dni pri pisanju kode, ki pomaga izvajati vsa možna uporabniška dejanja (namere), različne načine, kako uporabniki izrazijo svoje zahteve (izrekov), in informacije, ki jih uporabnik potrebuje za dokončanje teh dejanj (reže).

Nova deskriptivna funkcija gradnje botov v Amazon Lexu uporablja generativno umetno inteligenco za pospešitev procesa gradnje botov. Namesto pisanja kode lahko oblikovalci pogovorov in razvijalci botov zdaj v navadni angleščini opišejo, kaj želijo, da bot doseže (na primer »Sprejmi rezervacije za moj hotel z uporabo imena in kontaktnih podatkov, datumov potovanja, vrste sobe in podatkov o plačilu«) . Samo z uporabo tega preprostega poziva bo Amazon Lex samodejno ustvaril namere, izreke za usposabljanje, reže, pozive in pogovorni tok, da bo opisani bot oživel. Z zagotavljanjem osnovne zasnove bota ta funkcija izjemno skrajša čas in kompleksnost gradnje pogovornih klepetalnikov, kar graditelju omogoča, da ponovno razvrsti prednostna prizadevanja pri natančnem prilagajanju pogovorne izkušnje.

Z izkoriščanjem moči generativne umetne inteligence z LLM-ji Amazon Lex razvijalcem in netehničnim uporabnikom omogoča izdelavo botov preprosto tako, da opišejo svoj cilj. Namesto natančnega kodiranja namenov, izjav, rež itd., lahko razvijalci zagotovijo poziv v naravnem jeziku in Amazon Lex bo samodejno ustvaril osnovni tok botov, pripravljen za nadaljnje izboljšave. Ta zmožnost je sprva na voljo samo v angleščini, vendar lahko razvijalci pred uvedbo po potrebi dodatno prilagodijo bota, ki ga ustvari umetna inteligenca, in tako prihranijo veliko ur ročnega razvojnega dela.

Izboljšanje uporabniške izkušnje s pomočjo razreševanja rež

Ko se potrošniki bolj seznanjajo s klepetalnimi roboti in sistemi interaktivnega glasovnega odziva (IVR), pričakujejo višje ravni inteligence, vključene v samopostrežne izkušnje. Razločevanje odgovorov, ki so bolj pogovorni, je nujno za uspeh, saj uporabniki pričakujejo bolj naravne, človeškim izkušnjam. Z naraščajočim zaupanjem potrošnikov v zmogljivosti chatbota se pričakuje tudi večja zmogljivost razumevanja naravnega jezika (NLU). V verjetnem scenariju, da semantično preprosta ali zapletena izjava ni pravilno razrešena v režo, se lahko zaupanje uporabnika zmanjša. V takih primerih lahko LLM dinamično pomaga obstoječemu modelu Amazon Lex NLU in zagotovi natančno ločljivost reže, tudi če je uporabniška izjava onkraj meja modela reže. V Amazon Lexu funkcija podprtega razreševanja rež ponuja razvijalcu botov še eno orodje za povečanje zadrževanja.

Med izvajanjem, ko NLU ne uspe razrešiti reže med pogovornim obratom, bo Amazon Lex poklical LLM, ki ga je izbral razvijalec bota, da pomaga pri razrešitvi reže. Če LLM lahko zagotovi vrednost ob ponovnem poskusu reže, lahko uporabnik nadaljuje s pogovorom kot običajno. Na primer, če ob ponovnem poskusu reže bot vpraša "V katerem mestu prebiva zavarovanec?" in uporabnik odgovori "I live in Springfield," bo LLM lahko razrešil vrednost v "Springfield." Podprte vrste rež za to funkcijo vključujejo AMAZON.City, AMAZON.Country, AMAZON.Number, AMAZON.Date, AMAZON.AlphaNumeric (brez regularnega izraza) in AMAZON.PhoneNumber ter AMAZON.Confirmation. Ta funkcija je v času pisanja na voljo samo v angleščini.

Izboljšanje izkušnje graditelja z generiranjem izjav za usposabljanje

Ena od bolečih točk, s katerimi se pogosto srečujejo izdelovalci botov in oblikovalci pogovorov, je predvidevanje variacije in raznolikosti odzivov pri sklicevanju namena ali pridobivanju informacij o reži. Ko razvijalec bota ustvari nov namen, je treba predložiti vzorčne izjave, da se model ML nauči o vrstah odzivov, ki jih lahko in mora sprejeti. Pogosto je težko predvideti permutacije besedila in sintakse, ki jo uporabljajo stranke. Pri ustvarjanju izjav Amazon Lex uporablja temeljne modele, kot je npr Amazon Titan za ustvarjanje učnih izjav s samo enim klikom, brez potrebe po kakršnem koli hitrem inženiringu.

Generiranje izrekov uporablja ime namena, obstoječe izreke in po izbiri opis namena za ustvarjanje novih izjav z LLM. Razvijalci botov in pogovorni oblikovalci lahko uredijo ali izbrišejo ustvarjene izjave, preden jih sprejmejo. Ta funkcija deluje z novimi in obstoječimi nameni.

zaključek

Nedavni napredek na področju generativne umetne inteligence je nedvomno izboljšal avtomatizirane potrošniške izkušnje. Z Amazon Lex smo predani vnašanju generativne umetne inteligence v vse vidike graditelja in uporabniške izkušnje. Funkcije, omenjene v tej objavi, so šele začetek – in komaj čakamo, da vam pokažemo, kaj še prihaja.

Če želite izvedeti več, glejte Dokumentacija Amazon Lexin preizkusite te funkcije na konzoli Amazon Lex.

---

O avtorjih

Anuradha Durfee je višji produktni vodja v ekipi Amazon Lex in ima več kot 7 let izkušenj na področju pogovorne umetne inteligence. Navdušujejo jo glasovni uporabniški vmesniki in omogočanje dostopnosti tehnologije z intuitivnim dizajnom.

Sandeep Srinivasan je višji produktni vodja v ekipi Amazon Lex. Kot natančen opazovalec človeškega vedenja je navdušen nad uporabniško izkušnjo. Svoje ure preživlja na stičišču ljudi, tehnologije in prihodnosti.

• Distribucija vsebine in PR s pomočjo SEO. Okrepite se še danes.
• PlatoData.Network Vertical Generative Ai. Opolnomočite se. Dostopite tukaj.
• PlatoAiStream. Web3 Intelligence. Razširjeno znanje. Dostopite tukaj.
• PlatoESG. Ogljik, CleanTech, Energija, Okolje, sončna energija, Ravnanje z odpadki. Dostopite tukaj.
• PlatoHealth. Obveščanje o biotehnologiji in kliničnih preskušanjih. Dostopite tukaj.
• vir: https://aws.amazon.com/blogs/machine-learning/elevate-your-self-service-assistants-with-new-generative-ai-features-in-amazon-lex/