Siriがリリースされてから8年になりますが、チャットボットがまだピットインしているのはなぜですか？[記事の最後に添付されているデータセットのダウンロード]

https://mp.weixin.qq.com/s/77SoSb-bK-hE3UM2VOOH0Q

By 超神经

场景描述：聊天机器人虽然众多，但在目前来看，它们的功能都还不够理想。如何打造出一款好的聊天机器人，是期待技术上的颠覆，还是在设计上考虑的更加全面。不妨听听资深人士怎么说？

关键词：聊天机器人  NLP  对话系统

Appleは2011年にインテリジェントボイスアシスタントSiriをリリースしましたが、この製品に大きな期待を持っていたAppleは、Siriの扱いにくい使用に直面しなければなりませんでした。Siriはユーザーが何を言っているのか理解していないか、未知のコンテンツの束でユーザーに応答します。Siriが存在するようになったため、より多くのユーザーが痴漢/痴漢されています。

市場にはチャットボットは少なくありませんが、人々の心に浸透できる製品はほとんどありません。しばらくの間新鮮なチャットボット製品がたくさんあり、ゆっくりと「精神障害」と「チキンリブ」が明らかになります。

たとえば、Facebookメッセンジャーアプリケーションでは、音声アシスタントMが3年間の操作後にオフラインになり、アップグレードされているMicrosoft Xiaoiceは、痛みのない「ぎこちないチャット」にとどまる最も一般的に使用される機能を備えています。

Facebook Mは2018年1月に閉鎖されました

これは、チャットボットへの期待が低い一方で、最先端の技術を用いても人間の対話システムを十分に理解することが難しいためです。デザインコンセプトへのさまざまな重点が最終的​​な相違をもたらしました。

では、満足のいくチャットボットを作成するにはどうすればよいでしょうか？上級者が「USED」フレームワークのセットをまとめました。

使用されているチャットボットは最高です

シン・ウィー・チュアン

MITを卒業し、マイクロソフトとスタンダードチャータードバンク（SCB）で相次いで勤務し、金融技術分野のベテランです。

彼は、中国SCBデジタルマーケティングにおけるデジタルおよびマーケティングの数多くの取り組みが認められ、CBNウィークリーから「中国トップ50企業イノベーター」賞を受賞しました。彼は現在、企業レベルのインテリジェントチャットボットの構築に特化した、彼が設立したテクノロジー企業であるPand.aiを運営しています。

「良いチャットボットはUSEDチャットボットです」という記事で、Shin Weeがスマートチャットボットを構築する方法を説明しています。

1年前の金融機関向けのスマートチャットボットの設立と共同創設者とのPand.aiの設立以来、私たちがよく尋ねられる質問は、次のとおりです。

この質問に答えようとするのは、ディープラーニング自然言語処理（Deep NLP）を使用してユーザー入力のセマンティクスを抽出する方法を説明することです。これにより、チャットボットは質問をより「理解」し、より正確な回答を提供できます。

ここでは、お客様にご満足いただけるチャットボットの考え方をご紹介します。現在、これらのビューを製品フレームワークに統合してコアデザイン原則を形成しており、AIチャットボットを構築または使用したいユーザーに何らかの支援を提供したいと考えています。

このフレームには4つの文字が含まれています：USED、USEDは以下の略語です。

U：人が読めることがわかります

良いチャットを構築するには、ロボットは最初に会話を理解する必要があります。そうしないと、期待どおりに応答しません。

ほとんどのチャットボットは「パターンマッチング」の技術に依存しています。「パターンマッチング」は、「お元気ですか」、「名前は何ですか」などの一般的な文章を「理解」するのに効果的ですが、複雑な文章や非常に一般的な文章を扱う場合文は面倒であるように見えます。これが、「精神薄弱」の顧客サービスが存在する理由の1つです。

優れたチャットボットを構築するには、NLP（自然言語処理）エンジンが必要です。クラウドサービスを介して分析および処理され、さまざまなチャットツールで簡単に使用できるエンジンがすでにいくつかあります。

さらに、一部の企業は、特定の垂直産業または市場向けのより専門的なNLPエンジンを提供しています。これにより、含まれている用語やスラングなど、言語のニュアンスを区別できます。

背景が少ない場合、または独自のビルドに時間をかけたくない場合は、適切で強力なNLPエンジンを選択するのが最善の方法です。チャットボットが人々を理解するための障害はありません。

S：サービスを提供しています

優れたチャットボットは、特定のシナリオで特定の機能を実行する必要があります。したがって、最も重要なことは、ロボットをこの分野の詳細に慣れることです。

たとえば、営業チームがチャットボットを展開して彼らの作業を改善する場合、関連するすべての製品とコンテンツを準備し、構造化された形式で理想的な会話を作成する必要があります。

基本的な質問と回答に加えて、チャットボットにクイズコンポーネントを追加することも検討する必要があります。これにより、営業担当者は製品の理解を深めることができます。

E：人を動かすことができます

チャットボットのプロモーションの初期段階では、ユーザーがロボットと対話できるようにすることは困難な作業です。結局のところ、ユーザーが慣れ親しんだ方法を変更して新しいものを受け入れるようにするのは容易ではありません。

したがって、ユーザーが新しいツールに慣れるのに役立つ効果的なプッシュ戦略を策定できます。

もちろん、プッシュとは、退屈な製品の説明を送信する必要があるという意味ではなく、慎重に送信することを意味します。たとえば、グループの父親への簡単な父の日の挨拶メッセージは、とても心温まる方法です。

D：それは私が楽しみをもたらすことを喜びます

現在、ほとんどのチャットボットは遊び心があり、かわいい方法で開発されています。結局のところ、幸福をもたらす製品は、しばしばより魅力的です。しかし、ますます多くのチャットボットが登場するにつれ、彼らが震え、賢いだけである場合、ユーザーが常に幸せであると期待することはもはや現実的ではないかもしれません。

チャットボットが楽しくなる方法を見つけましょう。しかし同時に、深刻な状況での当惑を避けるために状況に注意を払います。

幸い、チャットボットの武器は言語だけではありません。たとえば、会話にイースターエッグを埋めることは、模造品のある機知に富んだ言葉よりも多くの驚きをもたらす可能性があります。

黄金律の核心

この「USED」フレームワークは、エンタープライズレベルのチャットボット作成ガイドとして使用できますが、実際には、その実用性を十分に考慮することがコアです。

応答時間や精度など、チャットボットの品質を測定できるKPIは多数ありますが、最も重要な点は、ビジネス目標の達成に役立つかどうかです。

チャットボットを使用して顧客サービスと販売効率を改善する場合でも、潜在的な顧客を生成する場合でも、ビジネス目標を達成できる方法であれば、それを使用できます。たとえば、次のKPI：
会話の数（メッセージの数ではない）、
毎月のアクティブユーザーの割合（MAU、またはDAU「毎日アクティブ」とWAU「毎週アクティブ」）、
アクティブユーザーごとのセッション数

チャットボットの開発はテクノロジーに依存するだけではありません

AI駆動のチャットボットであっても、チャットボットを開発することは難しくありませんが、優れたインテリジェントで広く使用されているチャットボットを構築したい場合は、単なるテクノロジー以上のものを検討する必要があります。

チャットボットの開発が急増した後、徐々に合理的になりました。NLPの開発は、コンピュータービジョンや音声認識においてこれほど速くはありませんでした。しかし、優れたチャットボットを作るために、おそらく最も重要なことは、それを有用にする設計概念です。

現在の技術開発によれば、短期的には、チャットボット製品の障壁は技術ではなくデータとデザインにあるからです。

チャットボットを構築するときは、サービスを優先し、対話システムを人々のように頭に考え、それから対話を使って表現することができます。

そのような視点があります。製品は多くのテクノロジーの組み合わせであり、テクノロジーのそれぞれのタイプを正しく理解することによってのみ、優れた製品を作ることができます。「結局のところ、私たちはまだ本当の人工知能にはほど遠く、利用できるものだけが価値があります。」

スーパーニューラルデータセット

Hyper-Neural HyperAIは、世界中の何百ものパブリックデータセットを収集および整理し、国内ミラーダウンロードを提供し、科学研究機関および開発者に無料サービスを提供します。

インテリジェントな質問応答に関連するデータセットの推奨事項：

Yahoo! Answers Q＆Aデータセット：このデータセットは、Yahoo！Answersの包括的な質問とAnswers1.0データセットからの10の主要な分類データです。各カテゴリには、140,000のトレーニングサンプルと5,000のテストサンプルが含まれています。コーネル大学が公開したファイルサイズは304.72 MB。

SQuAD Stanford Questions and Answersデータセット：ウィキペディアの記事で大衆労働者が尋ねた質問で構成される読解データセットです。各質問への回答は、500以上の記事の対応するリーディングパラグラフからのテキストまたはスパンです。 Q＆Aの一致は100,000以上あります。2018年にスタンフォード大学によって公開されたファイルサイズは34.09 MBです。

よりインテリジェントな会話データセット（CMUの実際の質問と回答のペアデータセット、Microsoft Maluuba NewsQA機械読解データセットなど）については、https：//hyper.aiにアクセスしてダウンロードしてください。