nguồn: rawpixel.com
AI đàm thoại là một ứng dụng LLM đã gây được nhiều tiếng vang và sự chú ý nhờ khả năng mở rộng của nó trên nhiều ngành và trường hợp sử dụng. Trong khi các hệ thống đàm thoại đã tồn tại trong nhiều thập kỷ, LLM đã mang lại sự thúc đẩy về chất lượng cần thiết cho việc áp dụng trên quy mô lớn. Trong bài viết này, chúng tôi sẽ sử dụng mô hình tinh thần được hiển thị trong Hình 1 để phân tích các ứng dụng AI đàm thoại (xem phần XNUMX). Xây dựng các sản phẩm AI với mô hình tư duy toàn diện để giới thiệu về mô hình tinh thần). Sau khi xem xét các cơ hội thị trường và giá trị kinh doanh của hệ thống AI đàm thoại, chúng tôi sẽ giải thích “bộ máy” bổ sung về mặt dữ liệu, tinh chỉnh LLM và thiết kế hội thoại cần được thiết lập để khiến các cuộc hội thoại không chỉ khả thi mà còn hữu ích. và thú vị.
1. Cơ hội, giá trị và hạn chế
Thiết kế UX truyền thống được xây dựng dựa trên vô số yếu tố UX nhân tạo, thao tác vuốt, chạm và nhấp chuột, đòi hỏi lộ trình học tập cho mỗi ứng dụng mới. Bằng cách sử dụng AI đàm thoại, chúng ta có thể loại bỏ sự bận rộn này, thay thế nó bằng trải nghiệm tao nhã về một cuộc trò chuyện trôi chảy tự nhiên, trong đó chúng ta có thể quên đi quá trình chuyển đổi giữa các ứng dụng, cửa sổ và thiết bị khác nhau. Chúng tôi sử dụng ngôn ngữ, giao thức phổ biến và quen thuộc để giao tiếp, để tương tác với các trợ lý ảo (VA) khác nhau và hoàn thành nhiệm vụ của mình.
Giao diện người dùng đàm thoại không hẳn là nội dung hấp dẫn mới. Hệ thống phản hồi bằng giọng nói tương tác (IVR) và chatbot đã xuất hiện từ những năm 1990 và những tiến bộ lớn trong NLP đã được theo sát bởi làn sóng hy vọng và sự phát triển cho giao diện giọng nói và trò chuyện. Tuy nhiên, trước thời LLM, hầu hết các hệ thống đều được triển khai theo mô hình biểu tượng, dựa trên các quy tắc, từ khóa và mô hình hội thoại. Chúng cũng bị giới hạn trong một lĩnh vực “năng lực” cụ thể, được xác định trước và những người dùng mạo hiểm bên ngoài những lĩnh vực này sẽ sớm đi vào ngõ cụt. Nói chung, các hệ thống này đã được khai thác với những điểm có thể xảy ra lỗi và sau một vài lần thử nản lòng, nhiều người dùng đã không bao giờ quay lại với chúng. Hình dưới đây minh họa một đoạn hội thoại mẫu. Một người dùng muốn đặt vé cho một buổi hòa nhạc cụ thể sẽ kiên nhẫn thực hiện quy trình thẩm vấn chi tiết, chỉ để cuối cùng phát hiện ra rằng buổi hòa nhạc đã bán hết vé.
Là một công nghệ hỗ trợ, LLM có thể đưa giao diện đàm thoại lên những cấp độ mới về chất lượng và sự hài lòng của người dùng. Hệ thống đàm thoại giờ đây có thể hiển thị kiến thức thế giới rộng hơn, năng lực ngôn ngữ và khả năng đàm thoại. Bằng cách tận dụng các mô hình được đào tạo trước, chúng cũng có thể được phát triển trong khoảng thời gian ngắn hơn nhiều vì công việc biên soạn các quy tắc, từ khóa và luồng hội thoại tẻ nhạt giờ đây đã được thay thế bằng kiến thức thống kê về LLM. Hãy xem xét hai ứng dụng nổi bật trong đó AI đàm thoại có thể mang lại giá trị trên quy mô lớn:
- Hỗ trợ khách hàng và nói chung hơn là các ứng dụng được nhiều người dùng sử dụng và thường đưa ra các yêu cầu tương tự. Ở đây, công ty cung cấp dịch vụ hỗ trợ khách hàng có lợi thế về thông tin rõ ràng so với người dùng và có thể tận dụng điều này để tạo ra trải nghiệm người dùng trực quan và thú vị hơn. Hãy xem xét trường hợp đặt lại chuyến bay. Đối với bản thân tôi, một người thường xuyên bay, đây là điều xảy ra 1–2 lần mỗi năm. Ở giữa, tôi có xu hướng quên các chi tiết của quy trình, chứ đừng nói đến giao diện người dùng của một hãng hàng không cụ thể. Ngược lại, bộ phận hỗ trợ khách hàng của hãng hàng không đặt yêu cầu đặt lại vé lên hàng đầu và trung tâm trong hoạt động của họ. Thay vì hiển thị quá trình đặt lại thông qua giao diện đồ họa phức tạp, logic của nó có thể bị “ẩn” khỏi những khách hàng liên hệ với bộ phận hỗ trợ và họ có thể sử dụng ngôn ngữ như một kênh tự nhiên để thực hiện việc đặt lại. Tất nhiên, vẫn sẽ còn lại một “đuôi dài” những yêu cầu ít quen thuộc hơn. Ví dụ: hãy tưởng tượng một sự thay đổi tâm trạng tự phát khiến một khách hàng doanh nghiệp phải thêm chú chó yêu quý của mình làm hành lý quá cước vào chuyến bay đã đặt trước. Những yêu cầu riêng lẻ hơn này có thể được chuyển đến các tác nhân con người hoặc được xử lý thông qua hệ thống quản lý tri thức nội bộ được kết nối với trợ lý ảo.
- Quản lý kiến thức dựa trên một lượng lớn dữ liệu. Đối với nhiều công ty hiện đại, kiến thức nội bộ mà họ tích lũy qua nhiều năm vận hành, lặp lại và học hỏi là tài sản cốt lõi và là điểm khác biệt — nếu kiến thức đó được lưu trữ, quản lý và truy cập một cách hiệu quả. Dựa trên vô số dữ liệu ẩn trong các công cụ cộng tác, wiki nội bộ, cơ sở kiến thức, v.v., họ thường không thể biến nó thành kiến thức có thể hành động được. Khi nhân viên rời đi, nhân viên mới sẽ được giới thiệu và bạn không bao giờ hoàn thành trang tài liệu mà bạn đã bắt đầu ba tháng trước, kiến thức có giá trị sẽ trở thành nạn nhân của entropy. Việc tìm cách vượt qua mê cung dữ liệu nội bộ và có được những thông tin cần thiết trong một tình huống kinh doanh cụ thể ngày càng trở nên khó khăn hơn. Điều này dẫn đến tổn thất lớn về hiệu suất cho người lao động tri thức. Để giải quyết vấn đề này, chúng tôi có thể tăng cường LLM bằng tìm kiếm ngữ nghĩa trên các nguồn dữ liệu nội bộ. LLM cho phép sử dụng các câu hỏi bằng ngôn ngữ tự nhiên thay vì các truy vấn chính thức phức tạp để đặt câu hỏi đối với cơ sở dữ liệu này. Do đó, người dùng có thể tập trung vào nhu cầu thông tin của mình hơn là vào cấu trúc của cơ sở tri thức hoặc cú pháp của ngôn ngữ truy vấn như SQL. Dựa trên văn bản, các hệ thống này hoạt động với dữ liệu trong không gian ngữ nghĩa phong phú, tạo ra các kết nối có ý nghĩa “dưới mui xe”.
Ngoài các lĩnh vực ứng dụng chính này, còn có rất nhiều ứng dụng khác, chẳng hạn như telehealth, trợ lý sức khỏe tâm thần và chatbot giáo dục, có thể hợp lý hóa UX và mang lại giá trị cho người dùng theo cách nhanh hơn và hiệu quả hơn.
Nếu nội dung giáo dục chuyên sâu này hữu ích cho bạn, bạn có thể đăng ký vào danh sách gửi thư nghiên cứu AI của chúng tôi để được cảnh báo khi chúng tôi phát hành tài liệu mới.
2. Dữ liệu
LLM ban đầu không được đào tạo để tham gia vào các cuộc nói chuyện nhỏ trôi chảy hoặc các cuộc trò chuyện quan trọng hơn. Thay vào đó, họ học cách tạo mã thông báo sau ở mỗi bước suy luận, cuối cùng tạo ra một văn bản mạch lạc. Mục tiêu cấp thấp này khác với thách thức trong cuộc trò chuyện của con người. Cuộc trò chuyện cực kỳ trực quan đối với con người, nhưng nó trở nên vô cùng phức tạp và nhiều sắc thái khi bạn muốn dạy một cỗ máy thực hiện điều đó. Ví dụ, chúng ta hãy xem xét khái niệm cơ bản về ý định. Khi chúng ta sử dụng ngôn ngữ, chúng ta làm như vậy vì một mục đích cụ thể, đó là mục đích giao tiếp của chúng ta - nó có thể là truyền tải thông tin, giao tiếp xã hội hoặc yêu cầu ai đó làm điều gì đó. Mặc dù hai phần đầu tiên khá đơn giản đối với LLM (miễn là nó đã nhìn thấy thông tin cần thiết trong dữ liệu), nhưng phần sau lại khó khăn hơn. LLM không chỉ cần kết hợp, cấu trúc các thông tin liên quan một cách mạch lạc mà còn cần đặt ra giai điệu cảm xúc phù hợp theo các tiêu chí nhẹ nhàng như trang trọng, sáng tạo, hài hước,… Đây là một thách thức đối với thiết kế hội thoại. (xem phần 5), phần này gắn bó chặt chẽ với nhiệm vụ tạo ra dữ liệu tinh chỉnh.
Thực hiện quá trình chuyển đổi từ việc tạo ngôn ngữ cổ điển sang nhận biết và phản hồi các ý định giao tiếp cụ thể là một bước quan trọng hướng tới khả năng sử dụng và chấp nhận tốt hơn các hệ thống đàm thoại. Đối với tất cả các nỗ lực tinh chỉnh, việc này bắt đầu bằng việc tổng hợp một tập dữ liệu thích hợp.
Dữ liệu tinh chỉnh phải càng gần với phân phối dữ liệu trong thế giới thực (trong tương lai) càng tốt. Đầu tiên, nó phải là dữ liệu đàm thoại (đối thoại). Thứ hai, nếu trợ lý ảo của bạn chuyên về một lĩnh vực cụ thể, bạn nên cố gắng tập hợp dữ liệu tinh chỉnh phản ánh kiến thức cần thiết về lĩnh vực đó. Thứ ba, nếu có các luồng và yêu cầu điển hình sẽ lặp lại thường xuyên trong ứng dụng của bạn, chẳng hạn như trong trường hợp hỗ trợ khách hàng, hãy thử kết hợp các ví dụ khác nhau về những điều này vào dữ liệu đào tạo của bạn. Bảng sau đây trình bày một mẫu dữ liệu tinh chỉnh hội thoại từ Bộ dữ liệu hội thoại 3K cho ChatBot, được cung cấp miễn phí trên Kaggle:
Việc tạo dữ liệu hội thoại theo cách thủ công có thể trở thành một công việc tốn kém — huy động nguồn lực từ cộng đồng và sử dụng LLM để giúp bạn tạo dữ liệu là hai cách để mở rộng quy mô. Sau khi dữ liệu hội thoại được thu thập, các cuộc hội thoại cần được đánh giá và chú thích. Điều này cho phép bạn hiển thị cả ví dụ tích cực và tiêu cực cho mô hình của mình và thúc đẩy mô hình chọn ra các đặc điểm của cuộc trò chuyện “đúng”. Việc đánh giá có thể diễn ra bằng điểm tuyệt đối hoặc xếp hạng giữa các lựa chọn khác nhau. Cách tiếp cận thứ hai dẫn đến dữ liệu tinh chỉnh chính xác hơn vì con người thường xếp hạng nhiều lựa chọn tốt hơn so với việc đánh giá chúng một cách riêng lẻ.
Với dữ liệu đã có sẵn, bạn đã sẵn sàng tinh chỉnh mô hình của mình và làm phong phú mô hình đó bằng các khả năng bổ sung. Trong phần tiếp theo, chúng ta sẽ xem xét việc tinh chỉnh, tích hợp thông tin bổ sung từ bộ nhớ và tìm kiếm ngữ nghĩa, đồng thời kết nối các tác nhân với hệ thống đàm thoại của bạn để trao quyền cho hệ thống thực hiện các tác vụ cụ thể.
3. Lắp ráp hệ thống đàm thoại
Một hệ thống đàm thoại điển hình được xây dựng với một tác nhân đàm thoại có nhiệm vụ sắp xếp và điều phối các thành phần cũng như khả năng của hệ thống, chẳng hạn như LLM, bộ nhớ và các nguồn dữ liệu ngoài. Sự phát triển của hệ thống AI đàm thoại là một nhiệm vụ mang tính thử nghiệm và thực nghiệm cao và các nhà phát triển của bạn sẽ phải liên tục qua lại giữa việc tối ưu hóa dữ liệu của bạn, cải thiện chiến lược tinh chỉnh, thử nghiệm với các thành phần và cải tiến bổ sung cũng như kiểm tra kết quả . Các thành viên không thuộc nhóm kỹ thuật, bao gồm người quản lý sản phẩm và nhà thiết kế UX, cũng sẽ liên tục thử nghiệm sản phẩm. Dựa trên các hoạt động khám phá khách hàng, họ có vị thế tuyệt vời để dự đoán phong cách và nội dung trò chuyện của người dùng trong tương lai và nên tích cực đóng góp kiến thức này.
3.1 Dạy kỹ năng hội thoại cho LLM của bạn
Để tinh chỉnh, bạn cần có dữ liệu tinh chỉnh (xem phần 2) và LLM được đào tạo trước. LLM đã biết rất nhiều về ngôn ngữ và thế giới, và thách thức của chúng tôi là dạy họ các nguyên tắc trò chuyện. Trong quá trình tinh chỉnh, đầu ra mục tiêu là văn bản và mô hình sẽ được tối ưu hóa để tạo ra các văn bản giống với mục tiêu nhất có thể. Để tinh chỉnh có giám sát, trước tiên bạn cần xác định rõ ràng nhiệm vụ AI đàm thoại mà bạn muốn mô hình thực hiện, thu thập dữ liệu cũng như chạy và lặp lại trong quá trình tinh chỉnh.
Với sự cường điệu xung quanh LLM, nhiều phương pháp tinh chỉnh đã xuất hiện. Để biết một ví dụ khá truyền thống về tinh chỉnh cuộc trò chuyện, bạn có thể tham khảo mô tả về mô hình LaMDA.[1] LaMDA đã được tinh chỉnh theo hai bước. Đầu tiên, dữ liệu hội thoại được sử dụng để dạy các kỹ năng đàm thoại mẫu (tinh chỉnh “sáng tạo”). Sau đó, các nhãn do người chú thích tạo ra trong quá trình đánh giá dữ liệu sẽ được sử dụng để huấn luyện các bộ phân loại có thể đánh giá kết quả đầu ra của mô hình theo các thuộc tính mong muốn, bao gồm tính nhạy cảm, tính đặc hiệu, tính thú vị và độ an toàn (tinh chỉnh (“tinh chỉnh” phân biệt đối xử). Sau đó, các bộ phân loại này được sử dụng để điều khiển hành vi của mô hình theo các thuộc tính này.
Ngoài ra, nền tảng thực tế - khả năng đưa ra kết quả đầu ra của họ dựa trên thông tin bên ngoài đáng tin cậy - là một thuộc tính quan trọng của LLM. Để đảm bảo tính xác thực và giảm thiểu ảo giác, LaMDA đã tinh chỉnh một tập dữ liệu bao gồm các lệnh gọi đến hệ thống truy xuất thông tin bên ngoài bất cứ khi nào cần có kiến thức bên ngoài. Do đó, mô hình đã học cách truy xuất thông tin thực tế trước tiên bất cứ khi nào người dùng thực hiện truy vấn yêu cầu kiến thức mới.
Một kỹ thuật tinh chỉnh phổ biến khác là Học tăng cường từ phản hồi của con người (RLHF)[2]. RLHF “chuyển hướng” quá trình học tập của LLM từ nhiệm vụ dự đoán mã thông báo tiếp theo đơn giản nhưng nhân tạo sang việc tìm hiểu sở thích của con người trong một tình huống giao tiếp nhất định. Những sở thích này của con người được mã hóa trực tiếp trong dữ liệu đào tạo. Trong quá trình chú thích, con người được đưa ra các lời nhắc và viết phản hồi mong muốn hoặc xếp hạng một loạt các phản hồi hiện có. Hành vi của LLM sau đó được tối ưu hóa để phản ánh sở thích của con người.
3.2 Thêm dữ liệu ngoài và tìm kiếm ngữ nghĩa
Ngoài việc biên soạn các cuộc hội thoại để tinh chỉnh mô hình, bạn có thể muốn cải thiện hệ thống của mình bằng dữ liệu chuyên biệt có thể được tận dụng trong quá trình hội thoại. Ví dụ: hệ thống của bạn có thể cần quyền truy cập vào dữ liệu bên ngoài, chẳng hạn như bằng sáng chế hoặc bài báo khoa học hoặc dữ liệu nội bộ, chẳng hạn như hồ sơ khách hàng hoặc tài liệu kỹ thuật của bạn. Điều này thường được thực hiện thông qua tìm kiếm ngữ nghĩa (còn được gọi là thế hệ tăng cường truy xuất hoặc RAG) [3]. Dữ liệu bổ sung được lưu trong cơ sở dữ liệu dưới dạng nhúng ngữ nghĩa (cf. bài viết này để biết giải thích về các phần nhúng và các tài liệu tham khảo thêm). Khi có yêu cầu của người dùng, nó sẽ được xử lý trước và chuyển thành phần nhúng ngữ nghĩa. Sau đó, tìm kiếm ngữ nghĩa sẽ xác định các tài liệu phù hợp nhất với yêu cầu và sử dụng chúng làm ngữ cảnh cho lời nhắc. Bằng cách tích hợp dữ liệu bổ sung với tìm kiếm ngữ nghĩa, bạn có thể giảm ảo giác và cung cấp các phản hồi hữu ích hơn, có căn cứ thực tế hơn. Bằng cách liên tục cập nhật cơ sở dữ liệu nhúng, bạn cũng có thể cập nhật kiến thức và phản hồi của hệ thống mà không cần phải liên tục chạy lại quy trình tinh chỉnh.
3.3 Trí nhớ và nhận thức bối cảnh
Hãy tưởng tượng bạn đến một bữa tiệc và gặp Peter, một luật sư. Bạn cảm thấy hào hứng và bắt đầu giới thiệu chatbot hợp pháp mà bạn đang dự định xây dựng. Peter có vẻ thích thú, nghiêng người về phía bạn, ừm và gật đầu. Tại một thời điểm nào đó, bạn muốn biết ý kiến của anh ấy về việc liệu anh ấy có muốn sử dụng ứng dụng của bạn hay không. Thay vì một tuyên bố đầy thông tin có thể bù đắp cho tài hùng biện của bạn, bạn sẽ nghe thấy: “Uhm… ứng dụng này lại đang làm gì vậy?”
Hợp đồng giao tiếp bất thành văn giữa con người giả định trước rằng chúng ta đang lắng nghe đối tác trò chuyện của mình và xây dựng hành vi lời nói của riêng mình dựa trên bối cảnh mà chúng ta đang cùng tạo ra trong quá trình tương tác. Trong môi trường xã hội, sự xuất hiện của sự hiểu biết chung này đặc trưng cho một cuộc trò chuyện phong phú và hiệu quả. Trong các cài đặt thông thường hơn như đặt bàn nhà hàng hoặc mua vé tàu, việc hoàn thành nhiệm vụ và cung cấp giá trị mong đợi cho người dùng là điều tuyệt đối cần thiết. Điều này yêu cầu trợ lý của bạn phải biết lịch sử của cuộc trò chuyện hiện tại cũng như của các cuộc trò chuyện trong quá khứ — ví dụ: trợ lý không nên hỏi đi hỏi lại tên và các thông tin cá nhân khác của người dùng bất cứ khi nào họ bắt đầu cuộc trò chuyện.
Một trong những thách thức của việc duy trì nhận thức về ngữ cảnh là độ phân giải cốt lõi, tức là hiểu được đối tượng nào được nhắc đến bằng đại từ. Bằng trực giác, con người sử dụng rất nhiều tín hiệu theo ngữ cảnh khi họ diễn giải ngôn ngữ - ví dụ: bạn có thể hỏi một đứa trẻ, “Con hãy lấy quả bóng xanh ra khỏi hộp màu đỏ và mang nó đến cho tôi,” và đứa trẻ sẽ biết bạn muốn nói đến quả bóng. , không phải hộp. Đối với trợ lý ảo, nhiệm vụ này có thể khá khó khăn, như được minh họa bằng đoạn hội thoại sau:
Phụ tá: Cảm ơn, bây giờ tôi sẽ đặt chuyến bay cho bạn. Bạn cũng muốn đặt một bữa ăn cho chuyến bay của mình phải không?
User: Uhm… sau này tôi có thể quyết định xem mình có muốn nó không?
Phụ tá: Rất tiếc, chuyến bay này không thể thay đổi hoặc hủy sau này.
Ở đây, trợ lý không nhận ra rằng đại từ it từ người dùng không đề cập đến chuyến bay mà đề cập đến bữa ăn, do đó cần phải lặp lại một lần nữa để khắc phục sự hiểu lầm này.
3.4 Lan can bổ sung
Thỉnh thoảng, ngay cả LLM giỏi nhất cũng sẽ hoạt động sai và bị ảo giác. Trong nhiều trường hợp, ảo giác là vấn đề đơn giản về độ chính xác - và bạn cần phải chấp nhận rằng không có AI nào chính xác 100%. So với các hệ thống AI khác, “khoảng cách” giữa người dùng và AI khá nhỏ. Vấn đề về độ chính xác đơn giản có thể nhanh chóng trở thành vấn đề được coi là độc hại, mang tính phân biệt đối xử hoặc nói chung là có hại. Ngoài ra, vì LLM không có hiểu biết sâu sắc về quyền riêng tư nên họ cũng có thể tiết lộ dữ liệu nhạy cảm như thông tin nhận dạng cá nhân (PII). Bạn có thể chống lại những hành vi này bằng cách sử dụng các rào chắn bổ sung. Các công cụ như Guardrails AI, Rebuff, NeMo Guardrails và Microsoft Guidance cho phép bạn giảm thiểu rủi ro cho hệ thống của mình bằng cách đặt ra các yêu cầu bổ sung về đầu ra LLM và chặn các đầu ra không mong muốn.
Nhiều kiến trúc có thể có trong AI đàm thoại. Lược đồ sau đây trình bày một ví dụ đơn giản về cách LLM tinh chỉnh, dữ liệu ngoài và bộ nhớ có thể được tích hợp bởi một tác nhân đàm thoại, tác nhân này cũng chịu trách nhiệm xây dựng lời nhắc và các rào chắn.
4. Trải nghiệm người dùng và thiết kế hội thoại
Sự hấp dẫn của giao diện đàm thoại nằm ở tính đơn giản và tính đồng nhất của chúng trên các ứng dụng khác nhau. Nếu tương lai của giao diện người dùng là tất cả các ứng dụng trông ít nhiều giống nhau, thì công việc của nhà thiết kế UX có bị hủy hoại không? Chắc chắn là không - trò chuyện là một nghệ thuật cần được dạy cho LLM của bạn để nó có thể tiến hành các cuộc trò chuyện hữu ích, tự nhiên và thoải mái cho người dùng của bạn. Thiết kế đàm thoại tốt xuất hiện khi chúng ta kết hợp kiến thức về tâm lý con người, ngôn ngữ học và thiết kế UX. Sau đây, trước tiên chúng tôi sẽ xem xét hai lựa chọn cơ bản khi xây dựng hệ thống đàm thoại, đó là liệu bạn sẽ sử dụng giọng nói và/hoặc trò chuyện hay không, cũng như bối cảnh lớn hơn của hệ thống của bạn. Sau đó, chúng ta sẽ xem xét các cuộc trò chuyện và xem cách bạn có thể thiết kế tính cách cho trợ lý của mình đồng thời dạy trợ lý đó tham gia vào các cuộc trò chuyện hữu ích và mang tính hợp tác.
4.1 Giọng nói và trò chuyện
Giao diện đàm thoại có thể được thực hiện bằng cách sử dụng trò chuyện hoặc giọng nói. Tóm lại, giọng nói nhanh hơn trong khi trò chuyện cho phép người dùng giữ sự riêng tư và hưởng lợi từ chức năng giao diện người dùng phong phú. Hãy đi sâu hơn một chút vào hai tùy chọn vì đây là một trong những quyết định đầu tiên và quan trọng nhất mà bạn sẽ phải đối mặt khi xây dựng một ứng dụng trò chuyện.
Để chọn giữa hai lựa chọn thay thế, hãy bắt đầu bằng cách xem xét cài đặt vật lý mà ứng dụng của bạn sẽ được sử dụng. Ví dụ: tại sao hầu hết tất cả các hệ thống đàm thoại trên ô tô, chẳng hạn như hệ thống do Nuance Communications cung cấp, đều dựa trên giọng nói? Bởi vì tay người lái vốn đã bận rộn và không thể liên tục chuyển đổi giữa vô lăng và bàn phím. Điều này cũng áp dụng cho các hoạt động khác như nấu ăn, nơi người dùng muốn theo dõi hoạt động của họ trong khi sử dụng ứng dụng của bạn. Ô tô và nhà bếp hầu hết đều là những thiết lập riêng tư nên người dùng có thể trải nghiệm niềm vui khi tương tác bằng giọng nói mà không phải lo lắng về quyền riêng tư hay làm phiền người khác. Ngược lại, nếu ứng dụng của bạn được sử dụng ở môi trường công cộng như văn phòng, thư viện hoặc ga xe lửa, giọng nói có thể không phải là lựa chọn đầu tiên của bạn.
Sau khi hiểu được hoàn cảnh vật chất, hãy xem xét khía cạnh cảm xúc. Giọng nói có thể được sử dụng có chủ ý để truyền tải giọng điệu, tâm trạng và tính cách - điều này có mang lại giá trị cho bối cảnh của bạn không? Nếu bạn đang xây dựng ứng dụng của mình để giải trí, giọng nói có thể làm tăng yếu tố thú vị, trong khi trợ lý về sức khỏe tâm thần có thể chứa đựng nhiều sự đồng cảm hơn và cho phép người dùng có khả năng gặp rắc rối có khả năng biểu đạt lớn hơn. Ngược lại, nếu ứng dụng của bạn hỗ trợ người dùng trong môi trường chuyên nghiệp như giao dịch hoặc dịch vụ khách hàng, thì tương tác dựa trên văn bản, ẩn danh hơn có thể góp phần đưa ra các quyết định khách quan hơn và giúp bạn tránh khỏi rắc rối khi thiết kế trải nghiệm quá cảm xúc.
Bước tiếp theo, hãy nghĩ về chức năng. Giao diện dựa trên văn bản cho phép bạn làm phong phú thêm cuộc hội thoại với các phương tiện khác như hình ảnh và các thành phần giao diện người dùng đồ họa như nút. Ví dụ: trong trợ lý thương mại điện tử, một ứng dụng gợi ý sản phẩm bằng cách đăng hình ảnh và mô tả có cấu trúc sẽ thân thiện với người dùng hơn nhiều so với ứng dụng mô tả sản phẩm qua giọng nói và có khả năng cung cấp số nhận dạng của chúng.
Cuối cùng, hãy nói về những thách thức bổ sung về thiết kế và phát triển khi xây dựng giao diện người dùng giọng nói:
- Có một bước bổ sung để nhận dạng giọng nói xảy ra trước khi dữ liệu đầu vào của người dùng có thể được xử lý bằng LLM và Xử lý ngôn ngữ tự nhiên (NLP).
- Giọng nói là phương tiện giao tiếp mang tính cá nhân và cảm xúc hơn - do đó, yêu cầu thiết kế tính cách nhất quán, phù hợp và thú vị đằng sau trợ lý ảo của bạn sẽ cao hơn và bạn sẽ cần tính đến các yếu tố bổ sung của “thiết kế giọng nói” như âm sắc. , căng thẳng, giọng điệu và tốc độ nói.
- Người dùng mong đợi cuộc trò chuyện bằng giọng nói của bạn sẽ diễn ra với tốc độ tương tự như cuộc trò chuyện giữa con người với nhau. Để mang lại sự tương tác tự nhiên qua giọng nói, bạn cần độ trễ ngắn hơn nhiều so với trò chuyện. Trong các cuộc trò chuyện giữa con người với nhau, khoảng cách điển hình giữa các lượt là 200 mili giây - Phản hồi nhanh chóng này có thể thực hiện được vì chúng ta bắt đầu xây dựng lượt của mình trong khi nghe bài phát biểu của đối tác. Trợ lý giọng nói của bạn sẽ cần phải phù hợp với mức độ tương tác trôi chảy này. Ngược lại, đối với chatbot, bạn phải cạnh tranh với các khoảng thời gian tính bằng giây và một số nhà phát triển thậm chí còn đưa ra độ trễ bổ sung để khiến cuộc trò chuyện giống như một cuộc trò chuyện được đánh máy giữa con người với nhau.
- Giao tiếp qua giọng nói là một hoạt động tuyến tính, chỉ thực hiện một lần — nếu người dùng của bạn không hiểu những gì bạn nói thì bạn sẽ phải trải qua một vòng giải thích tẻ nhạt và dễ mắc lỗi. Vì vậy, lượt của bạn cần phải ngắn gọn, rõ ràng và nhiều thông tin nhất có thể.
Nếu bạn sử dụng giải pháp giọng nói, hãy đảm bảo rằng bạn không chỉ hiểu rõ những lợi thế so với trò chuyện mà còn có các kỹ năng và nguồn lực để giải quyết những thách thức bổ sung này.
4.2 AI đàm thoại của bạn sẽ sống ở đâu?
Bây giờ, hãy xem xét bối cảnh lớn hơn mà bạn có thể tích hợp AI đàm thoại. Tất cả chúng ta đều quen thuộc với chatbot trên trang web của công ty - những tiện ích ở bên phải màn hình của bạn sẽ bật lên khi chúng ta mở trang web của một doanh nghiệp. Về mặt cá nhân, phản ứng trực quan của tôi thường xuyên là tìm nút Đóng. Tại sao vậy? Qua những nỗ lực ban đầu để “trò chuyện” với những con bot này, tôi đã học được rằng chúng không thể đáp ứng những yêu cầu thông tin cụ thể hơn và cuối cùng, tôi vẫn cần phải tìm hiểu kỹ trang web. Noi dung chinh cua cau chuyen? Đừng xây dựng một chatbot vì nó thú vị và hợp thời trang — thay vào đó, hãy xây dựng nó vì bạn chắc chắn rằng nó có thể tạo ra giá trị bổ sung cho người dùng của bạn.
Ngoài tiện ích gây tranh cãi trên trang web của công ty, có một số bối cảnh thú vị để tích hợp các chatbot tổng quát hơn đã trở nên khả thi với LLM:
- Phi công phụ: Những trợ lý này hướng dẫn và tư vấn cho bạn thông qua các quy trình và nhiệm vụ cụ thể, như GitHub CoPilot để lập trình. Thông thường, các phi công phụ được “gắn” với một ứng dụng cụ thể (hoặc một bộ nhỏ các ứng dụng liên quan).
- Con người tổng hợp (cũng là con người kỹ thuật số): Những sinh vật này “mô phỏng” con người thật trong thế giới kỹ thuật số. Họ nhìn, hành động và nói chuyện giống con người và do đó cũng cần có khả năng đàm thoại phong phú. Con người tổng hợp thường được sử dụng trong các ứng dụng nhập vai như chơi game cũng như thực tế ảo và tăng cường.
- Cặp song sinh kỹ thuật số: Bản sao kỹ thuật số là “bản sao” kỹ thuật số của các quy trình và đối tượng trong thế giới thực, chẳng hạn như nhà máy, ô tô hoặc động cơ. Chúng được sử dụng để mô phỏng, phân tích và tối ưu hóa thiết kế và hoạt động của vật thể thực. Tương tác ngôn ngữ tự nhiên với bản sao kỹ thuật số cho phép truy cập dữ liệu và mô hình mượt mà và linh hoạt hơn.
- Cơ sở dữ liệu: Ngày nay, dữ liệu có sẵn về bất kỳ chủ đề nào, có thể là khuyến nghị đầu tư, đoạn mã hoặc tài liệu giáo dục. Điều thường khó là tìm ra dữ liệu cụ thể mà người dùng cần trong một tình huống cụ thể. Giao diện đồ họa cho cơ sở dữ liệu quá thô hoặc được bao phủ bởi vô số tiện ích tìm kiếm và bộ lọc. Các ngôn ngữ truy vấn đa năng như SQL và GraphQL chỉ có thể truy cập được đối với người dùng có kỹ năng tương ứng. Các giải pháp đàm thoại cho phép người dùng truy vấn dữ liệu bằng ngôn ngữ tự nhiên, trong khi LLM xử lý các yêu cầu sẽ tự động chuyển đổi chúng sang ngôn ngữ truy vấn tương ứng (xem phần XNUMX). bài viết này để được giải thích về Text2SQL).
4.3 In dấu cá tính lên người trợ lý của bạn
Là con người, chúng ta có xu hướng nhân hóa, tức là tạo ra những đặc điểm bổ sung của con người khi chúng ta nhìn thấy thứ gì đó gần giống con người. Ngôn ngữ là một trong những khả năng độc đáo và hấp dẫn nhất của loài người và các sản phẩm đàm thoại sẽ tự động gắn liền với con người. Mọi người sẽ tưởng tượng ra một người đằng sau màn hình hoặc thiết bị của họ - và cách tốt nhất là không để người cụ thể này tùy thuộc vào trí tưởng tượng của người dùng mà thay vào đó hãy cho nó một tính cách nhất quán phù hợp với sản phẩm và thương hiệu của bạn. Quá trình này được gọi là “thiết kế cá tính”.
Bước đầu tiên của thiết kế nhân cách là hiểu những đặc điểm tính cách mà bạn muốn nhân cách của mình thể hiện. Lý tưởng nhất là điều này đã được thực hiện ở cấp dữ liệu huấn luyện - ví dụ: khi sử dụng RLHF, bạn có thể yêu cầu người chú thích của mình xếp hạng dữ liệu theo các đặc điểm như mức độ hữu ích, lịch sự, vui vẻ, v.v., để thiên về mô hình những đặc tính mong muốn. Những đặc điểm này có thể được kết hợp với các thuộc tính thương hiệu của bạn để tạo ra hình ảnh nhất quán, liên tục quảng bá thương hiệu của bạn thông qua trải nghiệm sản phẩm.
Ngoài những đặc điểm chung, bạn cũng nên nghĩ đến cách trợ lý ảo của mình sẽ giải quyết những tình huống cụ thể ngoài “con đường hạnh phúc”. Ví dụ: nó sẽ phản hồi như thế nào đối với các yêu cầu của người dùng nằm ngoài phạm vi của nó, trả lời các câu hỏi về chính nó và xử lý ngôn ngữ lăng mạ hoặc thô tục?
Điều quan trọng là phải phát triển các nguyên tắc nội bộ rõ ràng về tính cách của bạn để người chú thích dữ liệu và người thiết kế cuộc trò chuyện có thể sử dụng. Điều này sẽ cho phép bạn thiết kế tính cách của mình một cách có mục đích và giữ nó nhất quán trong nhóm của bạn và theo thời gian, khi ứng dụng của bạn trải qua nhiều lần lặp lại và sàng lọc.
4.4 Làm cho cuộc trò chuyện trở nên hữu ích với “nguyên tắc hợp tác”
Bạn đã bao giờ có cảm giác như đang nói chuyện với một bức tường gạch trong khi thực ra bạn đang nói chuyện với một con người chưa? Đôi khi, chúng ta nhận thấy đối tác trò chuyện của mình không quan tâm đến việc dẫn dắt cuộc trò chuyện đi đến thành công. May mắn thay, trong hầu hết các trường hợp, mọi thứ đều suôn sẻ hơn và con người sẽ tuân theo “nguyên tắc hợp tác” do nhà triết học ngôn ngữ Paul Grice đưa ra một cách trực quan. Theo nguyên tắc này, con người giao tiếp thành công với nhau tuân theo bốn châm ngôn là số lượng, chất lượng, mức độ phù hợp và cách thức.
Số lượng tối đa
Phương châm về số lượng yêu cầu người nói phải có nhiều thông tin và đóng góp của họ có đủ thông tin theo yêu cầu. Về phía trợ lý ảo, điều này cũng có nghĩa là tích cực chuyển cuộc trò chuyện về phía trước. Ví dụ: hãy xem xét đoạn mã này từ một ứng dụng thời trang thương mại điện tử:
Phụ tá: Bạn đang tìm kiếm loại mặt hàng quần áo nào?
User: Tôi đang tìm một chiếc váy màu cam.
Trợ lý: Đừng: Xin lỗi, hiện tại chúng tôi không có váy màu cam.
Nên: Xin lỗi, chúng tôi không có váy màu cam, nhưng chúng tôi có chiếc váy màu vàng tuyệt đẹp và rất thoải mái này: …
Người dùng hy vọng sẽ để lại ứng dụng của bạn một mục phù hợp. Việc dừng cuộc trò chuyện vì bạn không có những mục phù hợp với mô tả chính xác sẽ làm mất đi khả năng thành công. Tuy nhiên, nếu ứng dụng của bạn đưa ra đề xuất về các mục thay thế, ứng dụng đó sẽ có vẻ hữu ích hơn và để lại cơ hội tương tác thành công.
Đặc biệt trong tương tác bằng giọng nói, điều quan trọng là phải tìm được sự cân bằng phù hợp giữa việc cung cấp tất cả thông tin mà người dùng có thể cần để thành công trong khi không làm họ choáng ngợp với những thông tin không cần thiết có thể làm cản trở sự tương tác.
Tối đa về chất lượng
Phương châm chất lượng yêu cầu người nói phải trung thực và không nói những điều họ cho là sai hoặc thiếu bằng chứng đầy đủ. Có rất nhiều chủ quan và niềm tin cá nhân liên quan ở đây - do đó, câu châm ngôn này không thể được áp dụng trực tiếp lên LLM. Như chúng ta đã thấy, LLM có xu hướng gây ảo giác và nguy cơ này đặc biệt cao khi cuộc trò chuyện chuyển sang những lĩnh vực ít quen thuộc hơn. Có thể sử dụng các biện pháp bảo vệ bổ sung để tránh những tuyên bố gây hiểu lầm và đưa cuộc trò chuyện trở lại đúng hướng.
Mức độ liên quan tối đa
Câu châm ngôn về sự liên quan yêu cầu chúng ta phải - à, có liên quan. Điều kiện tiên quyết là trợ lý ảo phải hiểu được ý định thực sự của người dùng. Dưới đây là ví dụ về trợ lý hàng không vi phạm quy tắc này:
User: Tôi cần một chuyến bay từ Berlin đến Zurich vào sáng mai.
Phụ tá: Được rồi, tôi đã tìm thấy các chuyến bay sau từ Berlin đến Zurich vào sáng mai. Chuyến bay BZ36294 rời Berlin lúc 6.30h8 và đến Zurich lúc 96294h. Chuyến bay BZ8 rời Berlin lúc 9.30h và đến nơi lúc 96294h8. Chuyến bay BZ9.30 rời Berlin lúc 95614 giờ sáng và đến Zurich lúc 11 giờ 12.30 phút. Chuyến bay BZ11.45 rời Berlin lúc 3h và đến Zurich lúc XNUMXhXNUMX. Ngoài ra còn có khả năng có một chuyến bay nối chuyến, trong trường hợp đó bạn sẽ rời Berlin lúc XNUMX giờ XNUMX sáng và đến Zurich lúc XNUMX giờ chiều.
User: Xin lỗi... bạn có thể nhắc lại lần nữa được không?
Trợ lý đang khiến người dùng choáng ngợp với những thông tin chi tiết có thể không liên quan. Bằng cách chia nhỏ phần này và hướng dẫn người dùng giới hạn không gian tìm kiếm của họ, đoạn hội thoại trở nên dễ hiểu hơn nhiều:
User: Tôi cần một chuyến bay từ Berlin đến Zurich vào sáng mai.
Phụ tá: Được rồi, tôi thấy các chuyến bay khởi hành lúc 6.30h8, 11 và XNUMX giờ sáng. Bạn muốn khởi hành vào lúc nào?
User: Tôi cần có mặt ở Zurich trước 9 giờ sáng.
Phụ tá: Được rồi, vậy bạn có thể bắt chuyến bay BZ36294. Nó khởi hành lúc 6.30h8 và đến lúc XNUMXh sáng. Tôi có nên mua vé cho bạn không?
User: Vâng cảm ơn.
Phương châm phong cách
Cuối cùng, châm ngôn về cách cư xử nói rằng hành động nói của chúng ta phải rõ ràng, ngắn gọn và có trật tự, tránh sự mơ hồ và tối nghĩa trong cách diễn đạt. Trợ lý ảo của bạn nên tránh các thuật ngữ kỹ thuật hoặc nội bộ và ưu tiên các công thức đơn giản, dễ hiểu trên toàn cầu.
Mặc dù các nguyên tắc của Grice có giá trị cho tất cả các cuộc hội thoại độc lập với một lĩnh vực cụ thể, nhưng các LLM không được đào tạo đặc biệt cho cuộc trò chuyện thường không đáp ứng được chúng. Vì vậy, khi biên soạn dữ liệu huấn luyện của bạn, điều quan trọng là phải có đủ mẫu hội thoại cho phép mô hình của bạn tìm hiểu những nguyên tắc này.
Lĩnh vực thiết kế hội thoại đang phát triển khá nhanh. Cho dù bạn đang xây dựng các sản phẩm AI hay đang suy nghĩ về con đường sự nghiệp của mình trong lĩnh vực AI, tôi khuyến khích bạn tìm hiểu sâu hơn về chủ đề này (xem phần giới thiệu xuất sắc trong [5] và [6]). Khi AI đang trở thành một mặt hàng, thiết kế tốt cùng với chiến lược dữ liệu có thể bảo vệ được sẽ trở thành hai điểm khác biệt quan trọng đối với các sản phẩm AI.
Tổng kết
Hãy tóm tắt những điểm chính từ bài viết. Ngoài ra, hình 5 còn cung cấp một “bảng cheat” với những điểm chính mà bạn có thể tải xuống để tham khảo.
- LLM tăng cường AI đàm thoại: Mô hình ngôn ngữ lớn (LLM) đã cải thiện đáng kể chất lượng và khả năng mở rộng của các ứng dụng AI đàm thoại trong nhiều ngành và trường hợp sử dụng khác nhau.
- AI đàm thoại có thể tăng thêm nhiều giá trị cho các ứng dụng có nhiều yêu cầu tương tự của người dùng (ví dụ: dịch vụ khách hàng) hoặc cần truy cập một lượng lớn dữ liệu phi cấu trúc (ví dụ: quản lý kiến thức).
- Dữ liệu: Việc tinh chỉnh LLM cho các tác vụ đàm thoại yêu cầu dữ liệu đàm thoại chất lượng cao phản ánh chặt chẽ các tương tác trong thế giới thực. Nguồn lực cộng đồng và dữ liệu do LLM tạo ra có thể là nguồn tài nguyên quý giá để thu thập dữ liệu theo quy mô.
- Kết hợp hệ thống lại với nhau: Phát triển hệ thống AI đàm thoại là một quá trình lặp đi lặp lại và thử nghiệm liên quan đến việc liên tục tối ưu hóa dữ liệu, tinh chỉnh chiến lược và tích hợp thành phần.
- Dạy kỹ năng hội thoại cho LLM: Tinh chỉnh LLM liên quan đến việc đào tạo họ cách nhận biết và phản hồi các ý định và tình huống giao tiếp cụ thể.
- Thêm dữ liệu bên ngoài bằng tìm kiếm ngữ nghĩa: Việc tích hợp các nguồn dữ liệu bên ngoài và nội bộ bằng cách sử dụng tìm kiếm ngữ nghĩa sẽ nâng cao khả năng phản hồi của AI bằng cách cung cấp nhiều thông tin phù hợp hơn theo ngữ cảnh.
- Nhận thức về trí nhớ và bối cảnh: Các hệ thống đàm thoại hiệu quả phải duy trì nhận thức về bối cảnh, bao gồm theo dõi lịch sử của cuộc trò chuyện hiện tại và các tương tác trong quá khứ, để đưa ra những phản hồi có ý nghĩa và mạch lạc.
- Đặt các rào chắn: Để đảm bảo hành vi có trách nhiệm, các hệ thống AI đàm thoại nên sử dụng các rào chắn để ngăn chặn những thông tin không chính xác, ảo giác và vi phạm quyền riêng tư.
- Thiết kế cá tính: Thiết kế một cá tính nhất quán cho trợ lý trò chuyện của bạn là điều cần thiết để tạo ra trải nghiệm người dùng gắn kết và có thương hiệu. Đặc điểm của Persona phải phù hợp với thuộc tính sản phẩm và thương hiệu của bạn.
- Giọng nói và trò chuyện: Việc lựa chọn giữa giao diện giọng nói và trò chuyện phụ thuộc vào các yếu tố như cài đặt vật lý, bối cảnh cảm xúc, chức năng và thách thức thiết kế. Hãy xem xét các yếu tố này khi quyết định giao diện cho AI đàm thoại của bạn.
- Tích hợp trong nhiều bối cảnh khác nhau: AI đàm thoại có thể được tích hợp trong các bối cảnh khác nhau, bao gồm phi công phụ, con người tổng hợp, bản sao kỹ thuật số và cơ sở dữ liệu, mỗi bối cảnh có các trường hợp và yêu cầu sử dụng cụ thể.
- Tuân thủ Nguyên tắc Hợp tác: Việc tuân theo các nguyên tắc về số lượng, chất lượng, mức độ phù hợp và cách thức trong các cuộc trò chuyện có thể giúp việc tương tác với AI đàm thoại trở nên hữu ích và thân thiện hơn với người dùng.
dự án
[1] Heng-Tze Chen và cộng sự. 2022. LaMDA: Hướng tới các Mô hình Đối thoại An toàn, Có căn cứ và Chất lượng Cao cho Mọi thứ.
[2] OpenAI. 2022. ChatGPT: Tối ưu hóa mô hình ngôn ngữ cho hội thoại. Truy cập ngày 13 tháng 2022 năm XNUMX.
[3] Patrick Lewis và cộng sự. 2020. Thế hệ tăng cường truy xuất cho các nhiệm vụ NLP chuyên sâu về kiến thức.
[4] Paul Grice. 1989. Nghiên cứu về cách dùng từ ngữ.
[5] Ngọc trai Cathy. 2016. Thiết kế giao diện người dùng bằng giọng nói.
[6] Michael Cohen và cộng sự. 2004. Thiết kế giao diện người dùng bằng giọng nói.
Lưu ý: Tất cả hình ảnh là của tác giả, ngoại trừ có ghi chú khác.
Bài viết này ban đầu được xuất bản vào Hướng tới khoa học dữ liệu và được xuất bản lại lên TOPBOTS với sự cho phép của tác giả.
Thưởng thức bài viết này? Đăng ký để cập nhật thêm nghiên cứu AI.
Chúng tôi sẽ cho bạn biết khi chúng tôi phát hành thêm các bài viết tóm tắt như thế này.
Sản phẩm liên quan
- Phân phối nội dung và PR được hỗ trợ bởi SEO. Được khuếch đại ngay hôm nay.
- PlatoData.Network Vertical Generative Ai. Trao quyền cho chính mình. Truy cập Tại đây.
- PlatoAiStream. Thông minh Web3. Kiến thức khuếch đại. Truy cập Tại đây.
- Trung tâmESG. Than đá, công nghệ sạch, Năng lượng, Môi trường Hệ mặt trời, Quản lý chất thải. Truy cập Tại đây.
- PlatoSức khỏe. Tình báo thử nghiệm lâm sàng và công nghệ sinh học. Truy cập Tại đây.
- nguồn: https://www.topbots.com/redefining-conversational-ai-with-large-language-models/
- : có
- :là
- :không phải
- :Ở đâu
- $ LÊN
- 1
- 10
- 11
- 12
- 125
- 13
- 14
- 17
- 200
- 2016
- 2020
- 2022
- 30
- 32
- 35%
- 41
- 7
- 70
- 8
- 9
- a
- khả năng
- có khả năng
- Giới thiệu
- Tuyệt đối
- Chấp nhận
- chấp nhận
- truy cập
- truy cập
- có thể truy cập
- chứa
- hoàn thành
- Theo
- Tài khoản
- Tích trữ
- chính xác
- chính xác
- ngang qua
- Hành động
- tích cực
- hoạt động
- hoạt động
- hành vi
- thực sự
- thêm vào
- thêm
- thêm vào
- thông tin bổ sung
- Ngoài ra
- địa chỉ
- Nhận con nuôi
- tiến bộ
- Lợi thế
- lợi thế
- tư vấn cho
- Sau
- một lần nữa
- chống lại
- Đại lý
- đại lý
- cách đây
- AI
- ai nghiên cứu
- Hệ thống AI
- hãng hàng không
- AL
- sắp xếp
- căn chỉnh
- Tất cả
- cho phép
- cho phép
- gần như
- dọc theo
- Đã
- Ngoài ra
- thay thế
- lựa chọn thay thế
- am
- Sự mơ hồ
- trong số
- an
- phân tích
- và
- Nặc Danh
- Một
- dự đoán
- bất kì
- ứng dụng
- xuất hiện
- Các Ứng Dụng
- các ứng dụng
- áp dụng
- phương pháp tiếp cận
- thích hợp
- ứng dụng
- LÀ
- khu vực
- xung quanh
- Đến
- Nghệ thuật
- bài viết
- bài viết
- nhân tạo
- AS
- xin
- yêu cầu
- đánh giá
- đánh giá
- thẩm định, lượng định, đánh giá
- tài sản
- hỗ trợ
- Trợ lý
- trợ lý
- liên kết
- At
- Nỗ lực
- sự chú ý
- thuộc tính
- tăng
- tăng cường
- tác giả
- tự động
- có sẵn
- tránh
- tránh
- nhận thức
- xa
- trở lại
- trở lại theo dõi
- Cân đối
- banh
- cơ sở
- dựa
- cơ bản
- BE
- bởi vì
- trở nên
- trở thành
- được
- trước
- hành vi
- hành vi
- sau
- được
- niềm tin
- Tin
- yêu dấu
- hưởng lợi
- Berlin
- BEST
- thực hành tốt nhất
- Hơn
- giữa
- Ngoài
- thiên vị
- Một chút
- ngăn chặn
- cuốn sách
- cả hai
- chương trình
- Hộp
- thương hiệu
- thương hiệu
- xây dựng thương hiệu
- vi phạm
- Phá vỡ
- mang lại
- rộng hơn
- Mang lại
- xây dựng
- Xây dựng
- xây dựng
- kinh doanh
- bận rộn
- nhưng
- nút
- mua
- Mua
- by
- gọi là
- Cuộc gọi
- đến
- CAN
- không thể
- khả năng
- Tuyển Dụng
- xe ô tô
- trường hợp
- trường hợp
- công giáo
- Trung tâm
- thách thức
- thách thức
- thách thức
- cơ hội
- thay đổi
- Kênh
- tính cách
- đặc điểm
- đặc trưng
- chatbot
- chatbot
- ChatGPT
- chen
- trẻ em
- sự lựa chọn
- lựa chọn
- lựa chọn
- trong sáng
- Rõ ràng
- Đóng
- chặt chẽ
- Quần áo
- đám mây
- mã
- Cohen
- mạch lạc
- kết dính
- hợp tác
- bộ sưu tập
- kết hợp
- Đến
- đến
- thoải mái
- hàng hóa
- giao tiếp
- Giao tiếp
- Truyền thông
- Các công ty
- công ty
- so
- cạnh tranh
- phức tạp
- thành phần
- các thành phần
- buổi hòa nhạc
- ngắn gọn
- Tiến hành
- kết nối
- Kết nối
- Kết nối
- Hãy xem xét
- xem xét
- thích hợp
- không thay đổi
- liên tục
- xây dựng
- xây dựng
- liên lạc
- nội dung
- bối cảnh
- bối cảnh
- theo ngữ cảnh
- liên tục
- hợp đồng
- Ngược lại
- Góp phần
- góp phần
- đóng góp
- gây tranh cãi
- Conversation
- đàm thoại
- AI đàm thoại
- cuộc hội thoại
- Mát mẻ
- hợp tác
- hợp tác xã
- Trung tâm
- Tương ứng
- có thể
- Couple
- Khóa học
- phủ
- tạo
- Tạo
- sáng tạo
- sinh vật
- đáng tin
- tiêu chuẩn
- crowdsourcing
- Current
- Hiện nay
- đường cong
- khách hàng
- Dịch Vụ CSKH
- Hỗ trợ khách hàng
- khách hàng
- dữ liệu
- chiến lược dữ liệu
- Cơ sở dữ liệu
- cơ sở dữ liệu
- chết
- nhiều
- thập kỷ
- quyết định
- Quyết định
- quyết định
- sâu sắc hơn
- định nghĩa
- chắc chắn
- Bằng cấp
- chậm trễ
- phụ thuộc
- Mô tả
- Thiết kế
- nhà thiết kế
- thiết kế
- thiết kế
- mong muốn
- chi tiết
- chi tiết
- phát triển
- phát triển
- phát triển
- phát triển
- Phát triển
- thiết bị
- Thiết bị (Devices)
- Đối thoại
- Đối thoại
- khác nhau
- người phân biệt
- khó khăn
- ĐÀO
- Tiêu
- kỹ thuật số
- Cặp song sinh kỹ thuật số
- thế giới kỹ thuật số
- trực tiếp
- phát hiện
- Giao diện
- phân phối
- bổ nhào
- do
- tài liệu hướng dẫn
- tài liệu
- làm
- Dog
- làm
- miền
- thực hiện
- dont
- Doomed
- tải về
- trình điều khiển
- hai
- suốt trong
- e
- thương mại điện tử
- E&T
- mỗi
- dễ dàng hơn
- Tư vấn Giáo dục
- Hiệu quả
- hiệu quả
- hiệu quả
- hay
- các yếu tố
- nhúng
- xuất hiện
- sự xuất hiện
- nổi lên
- sự đồng cảm
- nhân viên
- trao quyền
- cho phép
- khuyến khích
- cuối
- nỗ lực
- Endless
- thuê
- Động cơ
- nâng cao
- cải tiến
- Nâng cao
- thú vị
- đủ
- làm giàu
- Làm giàu
- làm giàu
- đảm bảo
- Doanh nghiệp
- đặc biệt
- thiết yếu
- vv
- đánh giá
- Ngay cả
- cuối cùng
- BAO GIỜ
- bằng chứng
- chính xác
- ví dụ
- ví dụ
- tuyệt vời
- Trừ
- dư thừa
- kích thích
- thú vị
- thi hành
- hiện tại
- mong đợi
- dự kiến
- đắt tiền
- kinh nghiệm
- thử nghiệm
- Giải thích
- giải thích
- biểu hiện
- ngoài
- Đối mặt
- yếu tố
- nhà máy
- các yếu tố
- FAIL
- không
- Không
- Ngã
- sai
- quen
- hấp dẫn
- Thời trang
- nhanh hơn
- thông tin phản hồi
- cảm thấy
- Hình
- lọc
- kết thúc
- Tìm kiếm
- Tên
- phù hợp với
- Sửa chữa
- chuyến bay
- Các chuyến bay
- dòng chảy
- Chảy
- Chảy
- Tập trung
- theo
- sau
- tiếp theo
- Trong
- hình thức
- chính thức
- xây dựng
- May mắn thay
- Forward
- tìm thấy
- 4
- thường xuyên
- thường xuyên
- từ
- trước mặt
- bực bội
- Hoàn thành
- vui vẻ
- chức năng
- cơ bản
- xa hơn
- tương lai
- chơi game
- khoảng cách
- thu thập
- Tổng Quát
- nói chung
- tạo ra
- thế hệ
- được
- GitHub
- được
- Go
- Đi
- đi
- tốt
- tuyệt vời
- màu xanh lá
- Mặt đất
- hướng dẫn
- hướng dẫn
- hướng dẫn
- có
- Tay bài
- xảy ra
- xảy ra
- Cứng
- có hại
- Có
- he
- cho sức khoẻ
- Nghe
- giúp đỡ
- hữu ích
- cô
- tại đây
- Thành viên ẩn danh
- Cao
- chất lượng cao
- cao hơn
- cao
- của mình
- lịch sử
- Đánh
- toàn diện
- mong
- hy vọng
- NÓNG BỨC
- Độ đáng tin của
- Tuy nhiên
- HTML
- http
- HTTPS
- lớn
- Nhân loại
- Con người
- hài hước
- Hype
- i
- lý tưởng
- định danh
- xác định
- if
- minh họa
- hình ảnh
- hình ảnh
- trí tưởng tượng
- hình ảnh
- nhập vai
- thực hiện
- quan trọng
- cải thiện
- cải thiện
- in
- sâu
- bao gồm
- Bao gồm
- kết hợp
- Tăng lên
- vô cùng
- độc lập
- hệ thống riêng biệt,
- các ngành công nghiệp
- gây thiệt
- thông tin
- thông tin
- vốn có
- ban đầu
- bắt đầu
- đầu vào
- thay vì
- tích hợp
- tích hợp
- Tích hợp
- hội nhập
- ý định
- cố ý
- tương tác
- tương tác
- tương tác
- tương tác
- Hệ thống phản hồi giọng nói tương tác
- quan tâm
- Giao thức
- giao diện
- nội bộ
- đan xen
- trong
- giới thiệu
- giới thiệu
- Giới thiệu
- giới thiệu
- trực quan
- đầu tư
- khuyến nghị đầu tư
- tham gia
- liên quan đến
- cô lập
- vấn đề
- các vấn đề
- IT
- mặt hàng
- sự lặp lại
- sự lặp lại
- ITS
- chính nó
- IVR
- Tháng một
- biệt ngữ
- Việc làm
- chung
- jpg
- chỉ
- Giữ
- Key
- từ khóa
- Loại
- Biết
- kiến thức
- Quản lý tri thức
- nổi tiếng
- Nhãn
- Thiếu sót
- Ngôn ngữ
- Ngôn ngữ
- lớn
- quy mô lớn
- lớn hơn
- Độ trễ
- một lát sau
- luật sư
- hàng đầu
- Dẫn
- LEARN
- học
- học tập
- Rời bỏ
- để lại
- Legacy
- Hợp pháp
- cho vay
- ít
- cho phép
- Cấp
- niveaux
- Tỉ lệ đòn bẩy
- tận dụng
- tận dụng
- Đồ dùng móc đá lên cao
- Thư viện
- nằm
- Lượt thích
- LIMIT
- Hạn chế
- Listening
- sống
- LLM
- logic
- dài
- Xem
- tìm kiếm
- NHÌN
- thiệt hại
- Rất nhiều
- rất nhiều
- máy
- thực hiện
- gửi thư
- Chủ yếu
- duy trì
- Duy trì
- chính
- làm cho
- LÀM CHO
- Làm
- quản lý
- quản lý
- Quản lý
- cách thức
- nhiều
- thị trường
- cơ hội thị trường
- Trận đấu
- phù hợp
- vật liệu
- nguyên vật liệu
- max-width
- Châm ngôn
- me
- nghĩa là
- có ý nghĩa
- có nghĩa
- Phương tiện truyền thông
- trung bình
- cuộc họp
- Các thành viên
- Bộ nhớ
- tâm thần
- Sức khỏe tâm thần
- phương pháp
- Michael
- microsoft
- Might
- mili giây
- khai thác
- gây hiểu lầm
- sự hiểu lầm
- kiểu mẫu
- mô hình
- hiện đại
- thời điểm
- tháng
- đạo đức
- chi tiết
- hiệu quả hơn
- Buổi sáng
- hầu hết
- chủ yếu
- di chuyển
- nhiều
- nhiều
- nhiều
- phải
- my
- bản thân mình
- tên
- cụ thể là
- Tự nhiên
- Xử lý ngôn ngữ tự nhiên
- cần thiết
- sự cần thiết
- Cần
- cần thiết
- nhu cầu
- tiêu cực
- không bao giờ
- Mới
- ứng dụng mới
- tiếp theo
- nlp
- Không
- phi kỹ thuật
- Không áp dụng
- Thông thường
- lưu ý
- Khái niệm
- tại
- bóng
- con số
- nhiều
- Tóm lại
- vật
- Mục tiêu
- đối tượng
- of
- off
- cung cấp
- cung cấp
- Cung cấp
- Office
- thường
- on
- hàng loạt
- ONE
- có thể
- trên
- mở
- OpenAI
- hoạt động
- Hoạt động
- Ý kiến
- Cơ hội
- Cơ hội
- tối ưu hóa
- Tối ưu hóa
- tối ưu hóa
- tối ưu hóa
- Tùy chọn
- Các lựa chọn
- or
- trái cam
- gọi món
- ban đầu
- Nền tảng khác
- Khác
- nếu không thì
- vfoXNUMXfipXNUMXhfpiXNUMXufhpiXNUMXuf
- ra
- kết quả đầu ra
- bên ngoài
- kết thúc
- áp đảo
- riêng
- trang
- giấy tờ
- mô hình
- Đối tác
- bên
- thông qua
- qua
- Bằng sáng chế
- con đường
- kiên nhẫn
- patrick
- mô hình
- paul
- người
- mỗi
- lĩnh hội
- Thực hiện
- cho phép
- người
- riêng
- Personality
- Cá nhân
- Peter
- vật lý
- chọn
- Những bức ảnh
- ném bóng
- Nơi
- Trơn
- lập kế hoạch
- plato
- Thông tin dữ liệu Plato
- PlatoDữ liệu
- chơi
- Điểm
- điểm
- người nghèo
- bật
- Phổ biến
- vị trí
- tích cực
- khả năng
- có thể
- tiềm năng
- có khả năng
- thực hành
- thực hành
- dự đoán
- ưu đãi
- trình bày
- ngăn chặn
- nguyên tắc
- nguyên tắc
- riêng tư
- riêng
- tiến hành
- quá trình
- Xử lý
- Quy trình
- xử lý
- Sản xuất
- Sản phẩm
- Sản phẩm
- chuyên nghiệp
- Profiles
- Lập trình
- dự
- nổi bật
- quảng bá
- giao thức
- cho
- cung cấp
- cung cấp
- Tâm lý học
- công khai
- công bố
- mục đích
- Đẩy
- đẩy
- chất lượng
- số lượng, lượng
- truy vấn
- Câu hỏi
- Mau
- xếp hạng
- Xếp hạng
- hơn
- phản ứng
- sẵn sàng
- thực
- thế giới thực
- Thực tế
- công nhận
- công nhận
- công nhận
- khuyến nghị
- định kỳ
- đỏ
- Xác định lại
- giảm
- xem
- tài liệu tham khảo
- tài liệu tham khảo
- gọi
- đề cập
- phản ánh
- phản ánh
- liên quan
- phát hành
- sự liên quan
- có liên quan
- dựa vào
- vẫn
- lặp lại
- thay thế
- trả lời
- yêu cầu
- yêu cầu
- cần phải
- Yêu cầu
- đòi hỏi
- nghiên cứu
- giống
- Độ phân giải
- Thông tin
- Trả lời
- đáp ứng
- phản ứng
- phản ứng
- chịu trách nhiệm
- nhà hàng
- kết quả
- Kết quả
- tiết lộ
- Giàu
- ngay
- Nguy cơ
- Quy tắc
- quy tắc
- chạy
- an toàn
- Sự An Toàn
- Nói
- tương tự
- sự hài lòng
- lưu
- nói
- khả năng mở rộng
- Quy mô
- mở rộng quy mô
- khoa học
- phạm vi
- Màn
- Tìm kiếm
- Thứ hai
- giây
- Phần
- xem
- đã xem
- nhạy cảm
- Loạt Sách
- dịch vụ
- định
- thiết lập
- thiết lập
- một số
- nên
- hiển thị
- thể hiện
- Chương trình
- bên
- đăng ký
- đáng kể
- tương tự
- Đơn giản
- đơn giản
- kể từ khi
- Ngồi
- tình hình
- tình huống
- kỹ năng
- nhỏ
- mượt mà hơn
- đoạn
- So
- Mạng xã hội
- xã hội hóa
- Mềm mại
- bán
- giải pháp
- Giải pháp
- một số
- Một người nào đó
- một cái gì đó
- đôi khi
- sớm
- nguồn
- Không gian
- nhịp
- nói
- Loa
- diễn giả
- nói
- chuyên nghành
- riêng
- đặc biệt
- tính cụ thể
- phát biểu
- Speech Recognition
- tốc độ
- Bắt đầu
- bắt đầu
- bắt đầu
- Tuyên bố
- báo cáo
- Bang
- trạm
- thống kê
- ở lại
- chỉ đạo
- chỉ đạo
- Bước
- Các bước
- Vẫn còn
- dừng lại
- lưu trữ
- Câu chuyện
- đơn giản
- chiến lược
- Chiến lược
- hợp lý hóa
- căng thẳng
- cấu trúc
- cấu trúc
- nghiên cứu
- phong cách
- đáng kể
- thành công
- thành công
- Thành công
- như vậy
- Gợi ý
- phù hợp
- bộ
- tóm tắt
- TÓM TẮT
- hỗ trợ
- chắc chắn
- Lung lay
- Công tắc điện
- biểu tượng
- cú pháp
- sợi tổng hợp
- hệ thống
- hệ thống
- bàn
- Hãy
- Takeaways
- Thảo luận
- nói
- Vòi nước
- Mục tiêu
- mục tiêu
- Nhiệm vụ
- nhiệm vụ
- đã dạy
- Giảng dạy
- nhóm
- Thành viên của nhóm
- Kỹ thuật
- kỹ thuật
- Công nghệ
- telehealth
- về
- vùng lãnh thổ
- Kiểm tra
- văn bản
- hơn
- Cảm ơn
- việc này
- Sản phẩm
- Tương lai
- thông tin
- thế giới
- cung cấp their dịch
- Them
- tự
- sau đó
- Đó
- Kia là
- họ
- điều
- nghĩ
- Suy nghĩ
- Thứ ba
- điều này
- những
- số ba
- Thông qua
- Như vậy
- vé
- vé
- thời gian
- thời gian
- đến
- bên nhau
- mã thông báo
- mai
- TẤN
- quá
- công cụ
- HÀNG ĐẦU
- chủ đề
- đối với
- đối với
- theo dõi
- Theo dõi
- Giao dịch
- truyền thống
- Train
- đào tạo
- Hội thảo
- Chuyển đổi
- chuyển đổi
- quá trình chuyển đổi
- chuyển tiếp
- truyền
- được kích hoạt
- đúng
- thử
- XOAY
- Quay
- biến
- Twins
- hai
- điển hình
- ui
- trải qua
- hiểu
- dễ hiểu
- sự hiểu biết
- độc đáo
- phổ cập
- phổ quát
- không cần thiết
- up-to-date
- Cập nhật
- cập nhật
- us
- khả năng sử dụng
- sử dụng
- đã sử dụng
- người sử dang
- Kinh nghiệm người dùng
- Giao diện người dùng
- thiết kế giao diện người dùng
- sử dụng
- Người sử dụng
- sử dụng
- sử dụng
- ux
- thiết kế UX
- nhà thiết kế ux
- nhà thiết kế ux
- hợp lệ
- Quý báu
- giá trị
- nhiều
- khác nhau
- linh hoạt
- Versus
- rất
- thông qua
- nạn nhân
- ảo
- trợ lý ảo
- thực tế ảo
- Giọng nói
- vs
- tầm thường
- W3
- Tường
- muốn
- muốn
- là
- sóng biển
- Đường..
- cách
- we
- Wealth
- Website
- trang web
- TỐT
- là
- Điều gì
- Là gì
- Wheel
- khi nào
- bất cứ khi nào
- liệu
- cái nào
- trong khi
- CHÚNG TÔI LÀ
- tại sao
- sẽ
- cửa sổ
- với
- không có
- từ
- Công việc
- công nhân
- thế giới
- đáng lo ngại
- sẽ
- viết
- năm
- năm
- Bạn
- trẻ
- trên màn hình
- zephyrnet
- Zurich