對話式人工智慧被視為一種卓越的解決方案,可在使用者需要時以最符合其意願的方式提供所需資訊。然而,即便如此,對話式人工智慧系統仍然不乏一些普遍存在的瑕疵。
以下是我多年來整理的一些小技巧,可以幫助您提升對話式系統的效能:
對話式人工智慧系統的目標是獲得完成任務所需的信息,這些信息可以來自上下文或用戶提問。
然而,系統提出的每個問題都可能導致對話失敗。因此,我們的目標是最小化提問次數,或使問題更簡單。
以汽車保險為例,使用者想要查詢剛剛提交的索賠狀態。我們只需要求用戶提供理賠的11位數字ID,而無需複雜的問題或解釋。這樣的設計更符合使用者需求,同時減少對話失敗的風險。
在技術驅動的方法中,通常首先考慮的是所需的"理賠詳細信息API"。開發人員甚至可能會提到已經存在一個API,可以利用保單ID來獲取詳細資訊。這是極好的!我們只需要使用者提供1保單ID,就能取得所需資訊。這種設計與目前通行的技術方法截然相反。
儘管這對開發人員而言相對容易,但對使用者來說可能會構成一定的挑戰。使用者必須精確輸入11位數字的ID。在語音環境下,即使使用者知道這11個數字,要正確捕捉它們也可能具有一定挑戰性。
為了讓使用者更輕鬆地輸入索賠ID,我們可以降低要求的數字數量,例如只要求輸入最後四位數字,而不是全部的11位數字。儘管後端仍需要完整的索賠ID,但這種設計可以顯著降低用戶提問的難度。輸入或說出少數數字時,出現錯誤的可能性較小。
「提出更簡單的問題」有多種方式:
然而,提出更簡單問題的辦法仍然存在一定的限制,因為您仍然在提問。例如,在汽車索賠的情況下,我們期望來電者能夠獲取有關索賠的詳細信息,但這一過程可能會對用戶構成挑戰。那麼,我們是否可以進一步簡化事情呢?
讓我們進行一種不同的思考方式,將主題從技術角度轉向使用者視角。我們應該將使用者置於首要位置,並理解他們為什麼要致電諮詢汽車索賠事宜。可能是因為他們剛經歷了一次車禍,正在追蹤他們所提交的索賠。
儘管使用者可能有多項索賠,但他們可能會電話諮詢關於最近一項索賠的資訊。這樣的情況下,我們需要進行合理的假設,並且有必要確認這些假設,以便更好地滿足使用者的需求。
上圖展示了一種能夠減輕使用者負擔的方法。現在,使用者無需將索賠資訊主動提供,而是可以接收系統提供的資訊。這項改進不僅降低了使用者的互動負擔,還能夠滿足後端資料檢索的需求。用戶確認資訊要比主動提供資訊更為便捷。此外,這種方式也使得對話式人工智慧系統看起來更具智慧性,提高了使用者對系統的信任感。
然而,這種模式需要額外的上下文信息,以確保信息不會洩露給惡意的第三方。例如,在索賠搜尋的範例中,系統透過識別來電者的身分(可能將傳入電話號碼與索賠政策綁定)來推動此過程。
雖然並非總是可以跳過問題而僅僅做出合理的假設,但這是建立更有效率對話式人工智慧系統的強大技術之一。接下來,讓我們探討如何改進您需要提問的問題的方法。
在前述部分,我們討論了透過減少問題的方式來提高人工智慧系統的效能。然而,有時候,刪除問題並不是可行的選擇,問題仍然需要被提出。在這種情況下,一個有力的方法是提供明確的選擇,即要求使用者從明確的清單中做出選擇。讓我們來想像一下,假如我們要求用戶在蘋果和橘子之間進行選擇。雖然這聽起來相對簡單,但我們如何確保用戶成功地做出了一個選擇?
選擇題的實作可能比您想像的更具挑戰性。讓我們一同研究一些潛在的陷阱。
我們需要小心「是/否」混淆。使用者對於如何回答選擇性問題並不總是明確的。例如,當您問用戶「您想要蘋果還是橘子?」時,他們可能會回答「是!」在這種情況下,我們需要重新構思問題以使用戶更加明確:
這些問題的重新表述可能看似技術上相同,但在實際對話中的效果可能截然不同,因此選擇適用於對話媒體的對話副本是確保對話人工智慧系統最佳效能的關鍵。
有些使用者不太願意輸入或語音回答問題。在聊天場景中,透過點擊按鈕可能比鍵入答案更為方便。而在語音場景中,使用者通常具備按下鍵盤上按鈕的能力-例如,按下「1」表示選擇第一個選項,按下「2」表示選擇第二個選項,以此類推。在評估使用者對於問題「請選擇蘋果或橘子」的回應時,我們可以接受「蘋果」或「1」作為等同的答案。這種方式能夠更順暢地完成操作。
按鈕雖然可能不會給人帶來「高科技」的感覺,但如果正確使用,它們可以提高使用者的操作效率。
對於使用者在選擇過程中犯下的小錯誤,我們應該具備一定的彈性。當要求使用者做出選擇時,無論是使用者或人工智慧系統,都有可能出現誤操作。例如,在聊天介面中,使用者可能會將“apple”拼寫成“appel”。此時,人工智慧不應該簡單地回應“我不明白”,而應該合理地假設用戶意圖選擇蘋果,從而提供正確的回應。這種容錯效能提高了使用者體驗的友善程度。
在語音應用程式中,如果您的選項包含領域專業術語,那麼您可能需要進行自訂模型的訓練,以確保能夠準確地識別這些選擇選項。您已經了解用戶可能會做出什麼樣的反應,無論您提供的是什麼選擇,都必須確保您的語音服務可以精確地將其轉錄。對於這個水果選擇的範例,請務必在自訂模型的訓練中包含一些「蘋果」和「橘子」的條目,以確保準確性。
即使您已經訓練了自訂模型,仍然可能會遇到轉錄錯誤的情況。您的語音服務有時可能會將“apple”錯誤地轉錄為“appeal”或“hackle”等。在這種情況下,您可以考慮將這些潛在的錯誤轉錄情況添加到您的Watson Assistant實施方案中,以進一步提高辨識準確性。
選擇性問題在對話式人工智慧系統中是常見的。透過應用這些技巧,您可以確保您的選擇性問題更有效率。
在前面的內容中,我們曾經討論過精確用詞如何提高人工智慧的效能,因為更準確的對話文本能夠產生更出色的用戶響應。更精細的對話文字不僅能夠改善使用者的體驗,還有助於提升使用者滿意度並加速任務的完成。這一系列效果共同促進了更順暢的使用者體驗。
在對話中,每個字都會增加使用者的負擔。在文字聊天中,他們需要閱讀;在語音對話中,他們需要聆聽(並等待)言語。因此,審查對話以排除不必要的文本至關重要。以下是一些範例:
對話式人工智慧系統使用文字轉語音引擎與使用者對話,而這些引擎會依賴標點符號的線索來確定在句子中添加重音和停頓的位置。
我還記得一件巧妙的T恤上寫著“我們吃飯吧,奶奶”,其中的粗體逗號引發了標語:“標點符號拯救生命”。實際上,標點符號也許不能拯救您的人工智慧系統的“生命”,但它們確實可以使您的對話文字聽起來更加流暢。
在檢查對話中的標點符號時,請確保:
此外,您甚至可以考慮使用自動化功能,以便在虛擬助理中為所有對話建立音訊檔案。
本文探討了多種提升對話式人工智慧的技術方法。在開發新的對話式人工智慧系統或改進現有系統時,請考慮採用這些技術。無論是新系統還是已存在的系統,持續的改進和迭代都對人工智慧系統的性能產生積極影響。這些實踐已被證明可以顯著提升對話式人工智慧系統的效能。
以上是九大技巧提升您的對話式系統效能的詳細內容。更多資訊請關注PHP中文網其他相關文章!