– Nasz zespół AI opracował model, którego skuteczność w tym zadaniu przewyższa wcześniej istniejące rozwiązania, co zostało pokazane m.in. na znanym zbiorze ATIS. Rozwiązanie opiera się na sieci neuronowej typu Transformer, która w ostatnich czasach święci triumfy w zagadnieniach z dziedziny uczenia maszynowego. Rozwinęliśmy to podejście w celu uzyskania lepszych rezultatów poprzez połączenie jej z tzw. sieciami kapsułowymi, znanymi do tej pory głównie z zastosowania w dziedzinie rozpoznawania obrazu – mówi Michał Lew, Head of AI odpowiedzialny za projekt.
Rozpoznanie intencji jest kluczem do sukcesu każdego chatbota. Jest to proces rozumienia znaczenia oddzielnych słów, wyrażeń i zdań w kontekście danego dialogu i możliwych procesów obsługiwanych przez takiego zautomatyzowanego asystenta. Przykładowo, dobry chatbot obsługujący klientów bankowych powinien rozumieć typowe wyrażenia, takie jak „Sprawdź saldo na moim rachunku bieżącym”, a także to samo zdanie wypowiedziane w języku potocznym „Ile mam pieniędzy na koncie?”. Innymi słowy chatboty i ich algorytm rozumienia języka naturalnego i zdolność rozpoznawania intencji klientów.
– Sztuczna inteligencja nie zastąpi ludzi, ponieważ istnieje po to, by nam pomagać. O ile nie nastąpi gigantyczny skok technologiczny wprost z science fiction, nawet najnowocześniejsza dostępna technologia nigdy nie zastąpi człowieka. Najlepsze wyniki są wtedy gdy sztuczna inteligencja i ludzie pracują razem. Procesy, które najlepiej nadają się do automatyzacji AI to te, które z ludzkiej perspektywy są po prostu żmudne i powtarzalne. Należy zauważyć, że nie wszystkie procesy mogą być skutecznie obsługiwane przez chatboty. Jeśli realizacja zadania wymaga podejmowania decyzji w oparciu o wiedzę ekspercką lub wymaga kreatywności lub empatii – człowiek pozostanie najlepszym rozwiązaniem – dodaje Ewa Stachowiak, Head of Marketing w SentiOne
