即将开播: 4 月 29 日, 民生银行郭庆谈商业银行金融科技赋能的探索与实践
今天, 自动化, 人工智能 (AI) 和自然语言处理 (NLP) 的进步使设计经济高效的数字体验成为可能. 现在, 信息可以是有目的的, 简单的和自然的, 客户与企业的对话越来越类似于与员工的面对面对话.
根据 Deloitte 的报告, 以这种创新能力为基础, 以程序化和智能化的方式提供对话体验, 通过数字和电信技术模拟与真实人的对话, 并提供丰富的数据集和意图, 为客户提供非正式, 引人入胜的体验, 数字化产品, 平台以及与通信, 销售和服务咨询以及其他客户服务相关的体验, 以及其他客户服务.
2019 年至 2024 年期间, 对话式人工智能市场规模预计将从 2019 年的 42 亿美元增长到 2024 年的 157 亿美元, 复合年增长率为 30.2%.
使用对话式人工智能, 企业可以提供个性化的差异化体验, 从而与客户建立关系. 每一次互动都会让人感觉像是一场 1:1 的对话, 可以感知上下文, 并从过去的互动中获得信息.
对话式人工智能汇集了八个技术组件, 包括自然语言处理, 意图识别, 实体识别, 实现, 语音优化响应, 动态文本到语音, 智能机器学习和上下文感知. NLP 是 "阅读" 或解析人类语言文本的能力. 这是理解自然句子结构与简单关键字 "触发器" 的前提条件. 意图识别是系统理解用户请求的能力, 即使是出乎意料的措辞也是如此. 如果您不想因为体验中的障碍而惹恼您的用户, 那么良好的意图识别是至关重要的.
此外, 实体识别表示理解某些文本指的是信息性抽象类别(实体), 例如 "2 月 2 日"= 日期. 这对于更复杂的命令和分析是必要的. 其中, 实现是指使用 API 从 web 服务或数据库中提取数据, 运行条件并通知对话管理器的能力, 语音优化响应是指系统以人类的方式参与对话并显示情感以提供优化体验的能力.
动态文本到语音转换将书面文本转换为听起来自然的语音, 支持各种语言, 声音和口音. 它允许强调大写字母和声调变化. 语境意识是通过对话跟踪对话历史, 翻译, 回忆和记忆信息的能力. 这对于自然的, 像人类一样的来回交谈是必要的. 机器学习是关于如何通过分析人类代理响应来学习如何更好地响应用户. ML 对于提高意图识别是必要的.
报告和监控以及安全和合规性是对话式人工智能的其他支持元素. 通过提供见解和分析来告诉您的对话代理如何运行的能力称为 "报告和监视", 而在各个平台之间减轻安全风险, 安全性和日志记录功能的能力被称为 "安全性和合规性".
来源: http://ai.51cto.com/art/202004/615450.htm