Ερ:
Πώς αντιμετωπίζουν τα chatbots με τόνους;
ΕΝΑ:Με την εμφάνιση νεότερων και πιο εξελιγμένων chatbots τα τελευταία χρόνια, οι άνθρωποι σε πολλές βιομηχανίες παρατηρούν τον τρόπο με τον οποίο τα chatbots προχωρούν, τον τρόπο με τον οποίο υπηρετούν την πρόοδο της διαδραστικής φωνητικής απόκρισης (IVR) και τον τρόπο που επηρεάζει το λιανικό εμπόριο καθώς και πολλές άλλες βιομηχανίες .
Ένα από τα μεγάλα σχετικά ερωτήματα είναι το πώς οι chatbots ασχολούνται με τόνους. Οι περιφερειακές και παγκόσμιες γλωσσικές προεκτάσεις αποτελούν εμπόδιο για αυτές τις τεχνολογίες από την αρχή. Ιδιαίτερα, όταν οι chatbots ήταν πιο στοιχειώδεις όσον αφορά τους αλγόριθμους επεξεργασίας φυσικής γλώσσας (NLP), μπερδεύτηκαν εύκολα με μια έμφαση που αλλάζει σημαντικά τα φωνήματα ομιλίας. Σήμερα, με τους συνεχώς εξελισσόμενους αλγόριθμους, τα chatbots έχουν γίνει πολύ πιο ανθεκτικά.
Εδώ είναι μερικοί κύριοι τρόποι με τους οποίους οι μηχανικοί και τα ενδιαφερόμενα μέρη εργάστηκαν για να βοηθήσουν τους chatbots να χειρίζονται τις προεκτάσεις.
Το πρώτο είναι μέσω στόχευσης. Πολλές εταιρείες που ασχολούνται με μια διαφορετική πελατεία θα δημιουργήσουν πολλαπλά συστήματα - θα προσπαθήσουν να μετακινήσουν τους καταναλωτές ή άλλους τελικούς χρήστες προς το σύστημα που ταιριάζει με τη διάλεκτο και τη γλώσσα τους, για να αποφύγουν τα διαγλωσσικά προβλήματα.
Ωστόσο, η στόχευση μπορεί να κάνει τόσο πολύ. Ένας άλλος βασικός τρόπος με τον οποίο οι εταιρείες εργάζονται για την τελειοποίηση του chatbot είναι η τριγωνία - και αυτό είναι κάτι που βοήθησε τα chatbots να κατακτήσει το πρόβλημα της έμφασης.
Η τριγωνοποίηση των φωνημάτων βοηθά στην παροχή πιο συγκεκριμένων αποτελεσμάτων. Σκεφτείτε το με αυτό τον τρόπο - εάν ένα chatbot συναντήσει τη φωνή ενός μητρικού Ινδιάνου που μετακόμισε στις Ηνωμένες Πολιτείες και μιλάει αγγλικά με ξεχωριστή ινδική προφορά, το μηχάνημα θα πρέπει να αντιμετωπίσει διαφορές, για παράδειγμα, το πιο επίπεδες, ευρύτερες "α" να ακούσετε ότι οι εγγενείς ινδοί ομιλητές δυσκολεύονται να μάθουν στα αγγλικά. Μια chatbot που έχει μεγαλύτερη πολυπλοκότητα για την απομόνωση των φωνημάτων μπορεί να διαλέξει τα σημεία προβλημάτων και να τα «διαγνώσει» με μεγαλύτερη ακρίβεια ώστε να μην χάσει ολόκληρη τη λέξη ή τη φράση. Αυτό ισχύει περισσότερο για έναν αλγόριθμο παρά για ένα ανθρώπινο ον: Πολλοί άνθρωποι ακροατές έχουν την τάση να συγχέονται από οποιαδήποτε διαφορά προφορά.
Με την απομόνωση και την αντιμετώπιση των φωνημάτων σε μεγαλύτερο βάθος, η τεχνολογία μπορεί να βρει περισσότερες "αληθινές απαντήσεις" ή απαντήσεις, αλλά υπάρχει ένας άλλος σημαντικός τρόπος με τον οποίο οι chatbots μπορούν να χειριστούν το πρόβλημα της απάντησης σε μια φωνή με έμφαση - ή κάποιο άλλο "πρόβλημα".
Όταν η κατανόηση δεν είναι πλήρης, ένας βασικός παράγοντας είναι ο τρόπος με τον οποίο η τεχνολογία ανταποκρίνεται. Οι βασικότεροι IVB chatbots του παρελθόντος είχαν την τάση να συνεχίζουν να λένε "Λυπάμαι, δεν το κατάλαβα" ξανά και ξανά. Οι σημερινές εκλεπτυσμένες chatbots είναι πιθανότερο να παρέχουν επαναληπτική ανταπόκριση είτε κλιμακώνοντας την κλήση σε έναν άνθρωπο είτε παρέχοντας μερικές απαντήσεις ή προσπαθώντας ξανά να απομονώσετε το πρόβλημα.
Με στόχευση, τριγωνισμό και καλή ταξινόμηση, τα chatbots μπορούν να πάρουν πολύ πιο ακριβή στοιχεία σχετικά με την αντιμετώπιση των τόνων και τυχόν άλλες ιδιαιτερότητες που μπορεί να έχουν οι καλούντες. Αυτό θα φέρει επανάσταση στον κόσμο των "εικονικών βοηθών", που στο παρελθόν ήταν λιγότερο από εντυπωσιακό στους περισσότερους αθενούς καλούντες.
