I progressi e aspettative sull’intelligenza artificiale hanno catturato l’immaginazione del pubblico e portato a creare aspettative troppo elevate sui chatbot, soprattutto visti i recenti miglioramenti delle capacità di sintesi vocale dei computer. Ci aspettiamo che l’AI non si sbagli mai e quando un bot non è in grado di comprendere le nostre intenzioni, la delusione è grande.

Il contesto è la chiave

Parlando con gli umani, possiamo contare sul fatto che ricorderanno ciò che è stato detto in precedenza nel corso delle conversazioni attuali e passate. Questa capacità è ciò che rende una conversazione “naturale”. Questo è “comprendere il contesto” di una conversazione.

Sfortunatamente aggiungere una tale abilità a un chatbot è davvero difficile perché è quasi impossibile anticipare ogni percorso che una conversazione potrà seguire.

Se usiamo un modello basato su regole per gestire tutti i percorsi critici di una conversazione, è probabile che molti ci sfuggiranno o che ci ritroveremo nel tentativo di costruire una enorme macchina a stati del tutto ingestibile. Tutto questo porta allo stesso risultato: un bot che dice “Mi dispiace. Non capisco”.

Progressi e aspettative sull’intelligenza artificiale, il machine learning ci viene in soccorso

È qui che il Machine Learning ci viene in soccorso. Mentre nei modelli basati su regole le risposte dei bot sono rigidamente codificate dagli sviluppatori utilizzando regole if-then, con gli algoritmi di Machine Learning, possiamo registrare un gran numero di dialoghi dalla vita reale e rispondere alla domanda “quando il dialogo si trovava in un determinato contesto, cosa ha detto l’umano? ”. Possiamo quindi insegnare al nostro bot a comportarsi come l’umano.

Per quanto strano possa sembrare, la maggior parte delle più importanti piattaforme bot disponibili sul mercato stanno ancora utilizzando modelli basati sui regole per gestire la comprensione del linguaggio naturale (NLU).

In Athics abbiamo fatto la nostra scelta e abbiamo abbracciato il Machine Learning, fin dal primo giorno, come lo strumento giusto per costruire la nostra piattaforma e guidarne l’evoluzione futura. Stiamo anche valutando le tecniche di Reinforcement Learning per integrare le nostre soluzioni. Ma questo è un argomento abbastanza grande per una serie dedicata di post.