¿Puede la IA conversacional ignorar el entrenamiento de PNL? La IA amarilla tiene un plan

¿No pudiste asistir a Transform 2022? ¡Vea todas las sesiones de la cumbre en nuestra biblioteca a pedido ahora! Mira aquí.

Uno de los mayores desafíos de configuración que enfrentan los equipos de inteligencia artificial (IA) es capacitar manualmente a los agentes. Los métodos supervisados ​​actuales consumen mucho tiempo y son costosos, y requieren datos de entrenamiento etiquetados manualmente para todas las clases. En una encuesta realizada por Dimensional Research y AIegion, el 96 % de los encuestados dijeron que encontraron problemas relacionados con la capacitación, como la calidad de los datos, el etiquetado necesario para entrenar el modelo y generar confianza en el modelo.

A medida que el campo del procesamiento del lenguaje natural (NLP) crece constantemente gracias a los avances en redes neuronales profundas y grandes conjuntos de datos de entrenamiento, este problema ha pasado a primer plano para una variedad de casos de uso basados ​​en el lenguaje. Para abordar esto, la plataforma de IA conversacional Yellow AI anunció recientemente el lanzamiento de DynamicNLP, una solución diseñada para eliminar la necesidad de capacitación en el modelo NLP.

DynamicNLP es un modelo de PNL preentrenado, lo que brinda a las empresas la ventaja de no perder tiempo entrenando el modelo de PNL continuamente. La herramienta se basa en el aprendizaje de disparo cero (ZSL), lo que elimina la necesidad de que las empresas pasen por el tedioso proceso de etiquetar manualmente los datos para entrenar al bot de IA. En cambio, permite que los agentes de IA dinámicos aprendan sobre la marcha, configurando flujos de IA conversacionales en minutos mientras reduce los datos de capacitación, el costo y el esfuerzo.

"El aprendizaje de impacto cero ofrece una solución a este problema al permitir que el modelo aprenda del nombre de la intención", dijo Raghu Ravinutala, director ejecutivo y cofundador de Yellow AI. "Esto significa que el modelo puede aprender sin necesidad de ser entrenado en cada nueva área".

Evento

MetaBeat 2022

MetaBeat reunirá a líderes de opinión para asesorar sobre cómo la tecnología del metaverso transformará la forma en que todas las industrias se comunican y hacen negocios el 4 de octubre en San Francisco, CA.

registrarse aquí

Además, el modelo de cero impactos también puede mitigar la necesidad de recopilar y anotar datos para aumentar la precisión, dijo.

Barreras para el entrenamiento de IA conversacional

Las plataformas de IA conversacional requieren una amplia capacitación para ofrecer conversaciones similares a las de los humanos. A menos que las declaraciones se agreguen y actualicen constantemente, el modelo de chatbot no comprende la intención del usuario, por lo que no puede ofrecer la respuesta correcta. Además, el proceso debe mantenerse para muchos casos de uso, lo que requiere capacitación manual de NLP con cientos o incluso miles de puntos de datos diferentes.

Cuando se utilizan métodos de aprendizaje supervisado para agregar declaraciones (entrada de usuario de chatbot), es esencial monitorear continuamente cómo los usuarios ingresan declaraciones, etiquetando de forma incremental e iterativa a aquellos que no han sido identificados. Una vez etiquetados, los enunciados que faltan deben reintroducirse en el aprendizaje. Es posible que varias consultas no se identifiquen durante el proceso.

Otro gran desafío es cómo se pueden agregar expresiones. Incluso si se tienen en cuenta todas las formas en que se registra la entrada del usuario, queda la cuestión de cuántas podrá detectar el chatbot.

Con este fin, la plataforma DynamicNLP de Yellow AI se diseñó para mejorar la precisión de las intenciones visibles e invisibles en las expresiones. La eliminación del etiquetado manual también ayuda a eliminar errores, lo que da como resultado una PNL más fuerte y robusta con una mejor cobertura de intención para todo tipo de conversaciones.

Según Yellow AI, la agilidad del modelo de DynamicNLP permite a las empresas maximizar con éxito la eficiencia y la eficacia en un...