روبوتات المحادثة هي أنظمة تفاعلية تسمح للمستخدمين بالتفاعل بلغة طبيعية. يتفاعلون بشكل عام عبر النص ولكن يمكنهم أيضًا استخدام واجهات الكلام. شهد أوائل عام 2016 ظهور الموجة الأولى من روبوتات المحادثة التي سرعان ما أصبحت منتشرة في كل مكان. منصات مثل Facebook Messenger و Google Assistant و Amazon Alexa هي بعض الأمثلة على روبوتات المحادثة. توجد الآن أدوات تسمح للمطورين بإنشاء روبوتات محادثة مخصصة مثل ParlAI لعلامتهم التجارية أو خدمتهم بحيث يمكن للمستهلكين تنفيذ بعض إجراءاتهم اليومية من داخل منصات المراسلة الخاصة بهم.
التاريخ
لقد أوصلنا إدخال روبوتات المحادثة إلى المجتمع إلى بداية حقبة جديدة في التكنولوجيا: عصر واجهة المحادثة. إنها واجهة لن تتطلب قريبًا استخدام شاشة أو فأرة. لن تكون هناك حاجة للنقر أو السحب ؛ يكفي فقط استخدام الصوت. ستكون هذه واجهة محادثة كاملة ، ولن يمكن تمييز تلك المحادثات عن المحادثات التي نجريها مع أصدقائنا وعائلتنا. نظرًا لأن روبوتات المحادثة تتعامل مع النصوص ، فإن الأمر كله يتعلق بفهم الردود النصية الواردة من المستخدمين وتقديم ردود معقولة. من الفهم إلى التوليد، تلعب معالجة اللغة الطبيعية دورًا مهمًا .
إن تاريخ روبوتات المحادثة والذكاء الاصطناعي بشكل عام متشابكان إلى حد كبير. في الخمسينيات والستينيات من القرن الماضي ، فكر عالما الكمبيوتر آلان تورينج وجوزيف وايزنباوم في مفهوم تواصل أجهزة الكمبيوتر كما يفعل البشر. لاحقًا ، في عام 1966 ، بنى جوزيف وايزباوم Eliza ، أول روبوت محادثة مشفر على الإطلاق ، باستخدام 200 سطر فقط من التعليمات البرمجية.
قلدت إليزا لغة المعالج النفسي الروجيري (Rogerian Psychotherapist) باستخدام التعبيرات والقواعد العادية. عرف البشر أنهم يتفاعلون مع برنامج كمبيوتر ، ومع ذلك ، من خلال الاستجابات العاطفية التي تقدمها إليزا ، لا يزالون مرتبطين عاطفياً بالبرنامج أثناء التجارب.
في وقت لاحق ، مع ظهور أدوات معالجة الإشارات القوية ، ركز الباحثون على بناء أدوات الحوار المنطوقة بهدف تحسين تجربة المستخدم. تم بناء العديد من أنظمة الحوار المنطوقة بين عامي 1980 و 2000 وبدأت كمشاريع عسكرية (بواسطة DARPA) تهدف بشكل أساسي إلى تحسين الاتصال الآلي مع الجنود. تم استخدام الأنظمة لتوفير الإرشادات ، والتي تُرجمت لاحقًا إلى روبوتات محادثة قادرة على مساعدة المستخدمين في الحصول على إجابات للأسئلة المتداولة للخدمات المختلفة. كانت الروبوتات لا تزال مصنوعة يدويًا بحيث تم إصلاح الردود التي تنتجها ، ولم تكن الروبوتات جيدة في التعامل مع السياق المتقدم في المحادثة.
في السنوات الأخيرة ، أصبحت روبوتات المحادثة أكثر جدوى وفائدة ، نظرًا لوجود الهواتف الذكية في كل مكان والتطورات الحديثة في تعلم الألة و التعلم العميق. بالإضافة إلى واجهات برمجة التطبيقات لإنشاء روبوتات محادثة على منصات مراسلة شهيرة مثل Facebook Messenger ، لدينا الآن العديد من الأنظمة الأساسية لإنشاء الذكاء الاصطناعي والمنطق وراء روبوتات المحادثة. وقد سمح ذلك للأشخاص والشركات ذات الخلفية والخبرة المحدودة في مجال الذكاء الاصطناعي بنشر روبوتات المحادثة الخاصة بهم بسهولة.
التطبيقات
يمكن استخدام روبوتات المحادثة (Chatbots) في العديد من المهام المختلفة في العديد من الصناعات المختلفة ، من البيع بالتجزئة إلى الأخبار وحتى في المجال الطبي. سنناقش بإيجاز التطبيقات المختلفة لروبوتات المحادثة. أصبحت العديد من حالات الاستخدام هذه أكثر نضجًا في السنوات الأخيرة ، بينما لا يزال بعضها في مهدها. تشمل حالات الاستخدام هذه:
التسوق والتجارة الإلكترونية
في الآونة الأخيرة ، يتم استخدام روبوتات المحادثة في العديد من عمليات التجارة الإلكترونية ، بما في ذلك وضع أو تعديل طلب ، والدفع ، وما إلى ذلك. تعتبر الروبوتات الخاصة بالتوصية بالعناصر المختلفة ذات أهمية كبيرة أيضًا لصناعة التجارة الإلكترونية. تركز الصناعات على بناء أنظمة توصية للمحادثة لتوفير تجربة مستخدم أكثر سلاسة.
اكتشاف الأخبار والمحتوى
على غرار التجارة الإلكترونية ، يمكن استخدام روبوتات المحادثة في اكتشاف الأخبار والمحتوى. يمكن للمستخدمين تحديد الفروق الدقيقة في بحثهم بطريقة محادثة ، ويجب أن يكون الروبوت قادرًا على الرد بالمقالات ذات الصلة.
خدمة العملاء
خدمة العملاء هي مجال آخر يتم فيه استخدام الروبوتات بكثافة. يتم استخدامها لتقديم الشكاوى والمساعدة في الإجابة عن الأسئلة الشائعة والتنقل بين الاستفسارات في تدفقات محادثة محددة مسبقًا تم تعيينها بواسطة متطلبات العمل.
الطب
في التطبيقات الصحية والطبية ، تُعد برامج تتبع الأسئلة الشائعة مفيدة جدًا. يمكن أن تساعد هذه الروبوتات المرضى في الحصول على المعلومات ذات الصلة بسرعة بناءً على أعراضهم. في الآونة الأخيرة ، كان هناك أيضًا اهتمام ببناء روبوتات محادثة تستخرج معلومات مفيدة من المرضى ، وخاصة كبار السن ، فيما يتعلق بحالتهم الصحية من خلال طرح الأسئلة ذات الصلة.
القانون
في التطبيقات القانونية ، يمكن أيضًا استخدام الروبوتات لخدمة الأسئلة الشائعة للمستخدمين. يمكن استخدامها حتى لتحقيق أهداف أكثر تعقيدًا ، مثل طرح أسئلة متابعة. على سبيل المثال ، إذا طلب المستخدم مقالات قانونية لمتابعة إحدى القضايا ، فقد يطرح الروبوت أسئلة محددة بخصوص طبيعة الحالة للعثور على تطابق أكثر ملاءمة.
فيما يلي مثال أكثر تفصيلاً لروبوت الأسئلة الشائعة ، وهو شائع في العديد من الأنظمة الأساسية للخدمة ، لمساعدة المستخدمين من خلال توفير إجابات للأسئلة الشائعة.
روبوت بسيط للأسئلة الشائعة
يعتبر روبوت الأسئلة الشائعة عمومًا نظامًا يعتمد على البحث ، حيث يبحث ، عند طرح سؤال ، عن الإجابات الصحيحة ويقدمها للمستخدم. إنه في الأساس روبوت يسمح للمستخدم بطرح الأسئلة بطرق مختلفة للحصول على رد. هذه الروبوتات مفيدة جدًا في توفير واجهة محادثة لمجموعة معقدة من الأسئلة.
على سبيل المثال ، سننظر في مجموعة فرعية من الأسئلة الشائعة حول تعلم الألة من Amazon. تحتاج الآلة إلى تعلم كيفية تقديم الإجابة الصحيحة في ضوء الأسئلة المماثلة . لذلك من المهم أن نأخذ في عين الإعتبار الصيغ المختلفة لنفس السؤال.
| السؤال | الإجابة |
| What can I do with Amazon Machine Learning?How can I use Amazon Machine Learning?What can Amazon Machine Learning do? | You can use Amazon Machine Learning to create a wide variety of predictive applications. For example, you can use Amazon Machine Learning to help you build applications that flag suspicious transactions, detect fraudulent orders, forecast demand, etc. |
| What algorithm does Amazon Machine Learning use to generate models? How does Amazon Machine Learning build models | Amazon Machine Learning currently uses an industry-standard logistic regression algorithm to generate models. |
| Are there limits to the size of the dataset I can use for training?What is the maximum size of training dataset? | Amazon Machine Learning can train models on datasets up to 100 GB in size. |
الآن ، سننتقل إلى تصنيف روبوتات المحادثة ونوضح الفئات المختلفة لروبوتات المحادثة بناءً على استخدامها.
تصنيف روبوتات المحادثة
دعنا نتوسع في روبوتات المحادثة ذات الاستخدامات المختلفة وإمكانية تطبيقها على مجالات مختلفة. يمكن تصنيف روبوتات المحادثة بعدة طرق ، مما يؤثر على كيفية بنائها ومكان استخدامها. طريقة النظر إلى روبوتات المحادثة هذه هي كيفية تفاعلها مع المستخدم:
إجابة دقيقة أو روبوت الأسئلة الشائعة مع محادثات محدودة
- ترتبط روبوتات المحادثة هذه بمجموعة ثابتة من الردود وتسترد استجابة صحيحة بناءً على فهم استعلام المستخدم. على سبيل المثال ، إذا أنشأنا روبوتًا للأسئلة الشائعة ، فيجب على الروبوت فهم السؤال واسترداد إجابة ثابتة وصحيحة له. بشكل عام ، لا تعتمد إجابة واحدة من المستخدم على الردود السابقة. في الصورة أدناه . نرى أنه في أول سؤالين، يوفر الروبوت إجابة مماثلة لأنه تم طرح نفس السؤال مع اختلافات طفيفة.
روبوت قائم على التدفق (Flow-based bot)
- تعد روبوتات المحادثة القائمة على التدفق أكثر تعقيدًا بشكل عام من روبوتات الأسئلة الشائعة من حيث تنوع ردودها. قد يعبر المستخدمون تدريجياً عن آرائهم أو طلباتهم على مدار المحادثات. على سبيل المثال ، عند طلب بيتزا ، يمكن للمستخدم التعبير تدريجياً عن الطبقة المطلوبة وحجم البيتزا والفروق الدقيقة الأخرى. يجب أن يفهم الروبوت هذه المعلومات ويتعقبها خلال المحادثة لإنشاء استجابة بنجاح في كل مرة. بالنسبة إلى الروبوت القائم على التدفق ، نرى أن الروبوت يطرح مجموعة محددة من الأسئلة لتحقيق هدف إجراء طلب بيتزا. تم تحديد هذا التدفق مسبقًا ، ويطرح الروبوت أسئلة ذات صلة لتنفيذ الطلب.
روبوت مفتوح النهاية (Open-ended bot)
- تهدف الروبوتات المفتوحة بشكل أساسي إلى الترفيه ، حيث من المفترض أن يتحدث الروبوت مع المستخدم حول مواضيع مختلفة. ليس على الروبوت أن يحافظ على اتجاهات محددة أو تدفقات المحادثة. في الصورة أدناه ، يقوم الروبوت المفتوح بإجراء محادثة بدون أي قالب موجود مسبقًا أو أزواج إجابات أسئلة ثابتة. ينتقل بطلاقة من موضوع إلى آخر للحفاظ على المحادثة الشيقة.
يتم تصنيف روبوتات المحادثة إلى فئتين رئيسيتين: (1) الحوارات الموجهة نحو الهدف و (2) الدردشة. تندرج روبوتات الأسئلة الشائعة والروبوتات القائمة على التدفق في الفئة الأولى ، في حين أن الروبوت المفتوحة هي أنواع المحادثات بشكل أساسي. يستخدم كلا النوعين من الروبوتات بكثافة في الصناعة وهما أيضًا في مجال البحث النشط في الأوساط الأكاديمية.
حوار موجه نحو الهدف (Goal-Oriented Dialog)
الغرض البشري الطبيعي من إجراء محادثة هو تحقيق هدف من خلال البحث عن المعلومات ذات الصلة. مما يعني من السهل تصميم أي روبوت محادثة أو وكيل محادثة لحالة استخدام محددة حيث يكون الهدف النهائي معروفًا. معظم روبوتات المحادثة التي ناقشناها حتى الآن (تلك المستخدمة عادةً في البحث أو الصناعة) هي روبوتات محادثة موجهة نحو الهدف. يجب أن يكون لدى المستخدم الذي يتفاعل مع روبوت المحادثة معلومات كاملة حول ما يريد تحقيقه بعد المحادثة. على سبيل المثال ، يعد البحث عن توصية فيلم أو حجز حجوزات طيران من خلال روبوتات المحادثة أو وكلاء المحادثة أمثلة على الحوار الموجه نحو الهدف حيث يكون الهدف هو مشاهدة فيلم أو حجز رحلة طيران.
الآن ، بحكم التعريف ، فإن الأنظمة الموجهة نحو الهدف هي مجال محدد ، الأمر الذي يتطلب معرفة خاصة بالمجال في النظام. هذا يعوق قابلية التعميم وقابلية التوسع في إطار عمل روبوتات المحادثة.لكن قدمت Facebook مؤخرًا إطارًا شاملاً لتدريب جميع المكونات من الحوارات نفسها للتخفيف من هذا القيد. يقترح هذا البحث معالجة تلقائية للبيانات – على سبيل المثال ، أزواج الأسئلة والأجوبة لإجراء محادثة هادفة عبر استدعاءات API المطلوب. هذا هو أحد أحدث الأساليب التي بدأ الباحثون والممارسون الصناعيون في اتباعها.
الدردشة
بصرف النظر عن المحادثات الموجهة نحو الهدف ، يشارك البشر أيضًا في محادثات مفتوحة المجال وغير منظمة دون أي أهداف محددة. تتضمن هذه المحادثات البشرية – البشرية مناقشات حرة الشكل وذات رأي حول مواضيع مختلفة. يعد وجود وكيل محادثة يمكنه إجراء دردشة مع إنسان أمرًا صعبًا بسبب عدم وجود أهداف موضوعية. يجب على وكيل المحادثة أن يولد ردودًا متماسكة حول الموضوع وصحيحة من الناحية الواقعية لجعل الحوار أكثر طبيعية.
يعد تطبيق روبوتات الدردشة أمرًا مستقبليًا ولكنه يحمل إمكانات هائلة. على سبيل المثال ، يمكن استخدام هذه الروبوتات للحصول على معلومات مفيدة ولكنها حساسة في حالة الطوارئ الطبية لرعاية المسنين. يمكن أيضًا استخدام روبوت المحادثة ذو الشكل الحر لمعالجة المشكلة طويلة الأمد للوحدة والاكتئاب بين المراهقين وكبار السن. بعض الشركات الرائدة في السوق ، مثل Amazon و Apple و Google ، تستثمر بكثافة في بناء مثل هذه الروبوتات للعملاء في جميع أنحاء العالم.
ختاماُ
لقد ناقشنا حتى الآن أنواعًا مختلفة من روبوتات المحادثة واستخدامها في مختلف الصناعات. سيسمح لنا ذلك بتقدير المكونات المختلفة لروبوتات المحادثة بناءً على الاستخدام وأيضًا مساعدتنا في تنفيذ بعض المكونات التي نحتاجها. الآن ، سنتعمق في مسار تطوير روبوتات المحادثة ونناقش تفاصيل المكونات المختلفة.
إضافة تعليق