Общение с искусственным интеллектом: Онлайн чат бот с открытым обучением. Вы можете исправлять ответы и добавлять новые варианты. Результаты обучения будут доступны всем пользователям сразу после сохранения базы знаний.

Содержание

разработка умных ассистентов для бизнеса — Промо на vc.ru

Инструменты и особенности создания голосовых ассистентов.

Материал подготовлен при поддержке Aimylogic

Весной 2018 года «Яндекс» открыл бизнесу доступ к «умному» ассистенту «Алиса». Клиенты теперь могут обращаться к компаниям через «Алису» со смартфона или «Яндекс.Станции». В конце июля «Google Ассистент» стал доступен на русском языке. Российские компании теперь могут разрабатывать свои приложения для общения с клиентами через помощника от Google.

Рождается новый рынок, на котором бренды будут бороться за внимание клиентов. Компании, которые первыми интегрируются с голосовыми ассистентами, получат шанс стать новыми главными помощниками клиентов. И первые примеры уже есть.

«Алиса» помогает клиентам компаний «Утконос», «Папа Джонс», McDonald’s, S7 Airlines получать необходимую информацию и заказывать услуги. Чтобы научить голосового ассистента ориентироваться в услугах бизнеса, нужны специальные разговорные навыки, которые создают разработчики. Каждый навык — «умный» разговорный бот, которого используют в качестве службы поддержки, отдела бронирования или интерактивного магазина.

Разговоры с S7 Airlines, «Макдоналдс», «Папа Джонс» в «Алисе»

как работают чат-боты и кто их делает / Блог компании Just AI / Хабр

Чатботы и искусственный интеллект для понимания естественного языка (NLU – Natural Language Understanding) тема достаточно горячая, про нее не раз говорилось на Хабре. Тем не менее достаточно редко попадаются верхнеуровневые и структурированные обзоры этих технологий и рынка в целом. В своей статье мы попробуем немного разобраться, чем обусловлен спрос на эти технологии, как выглядит современная диалоговая платформа для NLU, какие компании и разработки присутствуют на этом рынке.

Мы, в Just AI (а ранее в i-Free), работаем в этом сегменте с 2011 года, разрабатываем и совершенствуем свою платформу для понимания и обработки естественного языка (NLU-алгоритмы): даем компаниям возможность автоматизации колл-центров и служб поддержки, создаем бизнес-навыки для Яндекс.Алисы. Еще мы учим говорить роботов и умные устройства: в 2017 году был выпущен наш детский робот «Емеля» — первый девайс на российском рынке, который понимает естественный язык (и, кстати, на сегодняшний день свой дом обрели уже около 7000 Емель). Статья – вводная, и если эта тема покажется интересной, то мы будем периодически писать об особенностях создания разговорных интерфейсов, в том числе в формате конкретных кейсов, которые были реализованы для наших клиентов, а также об особенностях различных платформ, технологий и алгоритмов.


Совсем немного истории

Хотя AI — это достаточно широкая область, включающая в себя машинное зрение, предиктивный анализ, машинный перевод и другие области – понимание естественного языка (NLU) и его генерация (NLG) является значительной и быстрорастущей его частью. Первые чатботы и системы их разработки появились достаточно давно. Опуская историю, начавшуюся еще в 50-е годы с Алана Тьюринга и программы Элиза в 60-е годы, а также научные исследования в области лингвистики и машинного обучения 90-х годов, значимым событием более новой истории стало появление языка разметки AIML (Artificial Intelligence Markup Language), разработанной в 2001-м году Ричардом Уэлсом (Richard Wallace) и созданным на его основе чатботом A.L.I.C.E.

В течение последующих десяти лет подходы к написанию чатботов во многом представляли из себя переработки или улучшения этой методологии, получившей название «rule-based подход» или «подход на основе формальных правил». Его суть состоит в выделении семантически значимых элементов фраз, их кодификации, создания специальных формальных скриптовых языков программирования, позволяющих описывать сценарии диалогов. В большинстве привычных нам сегодня ассистентов, в основе своей, используется именно этот подход. Новейшие среды разработки на основе формальных правил – это сложные и комплексные системы, включающие в себя:


  • системы ранжирования гипотез разбора,
  • выделение именованных сущностей из текста,
  • морфологический анализ фраз,
  • системы управления диалогом и сохранения локального и глобального контекста,
  • интеграции и вызовы внешних функций.

Тем не менее, большая часть разговорных решений на основе подобных систем достаточно трудоемка в своей реализации: чтобы чатбот общался на широкий спектр тем или глубоко и полно покрывал специфичную область знаний требуется большое количество человеческого труда.

Ситуация в этой области существенно изменилась в последнее время с развитием алгоритмов определения семантической близости текстов и технологий машинного обучения в целом, сделавших подходы к классификации текстов и обучению NLU-систем гораздо более быстрыми и удобными. Например, в диалогах, где чатботу требуется получать доступ к большим массивам внешних данных, выделять сотни тысяч именованных сущностей и интегрироваться с внешними информационными системами, по-прежнему требуется приложение большого количества человеческого труда, но процесс создания сложных чатботов стал в разы проще, а точность распознавания интентов пользователя – существенно выше. Именно эти технологии, вместе с заметным продвижением в области технологий синтеза и распознавания речи, а также распространением мессенджеров и вебчатов – обусловили стремительный рост количества внедрений NLU-технологий в 2015-2018-м годах.


Почему эти технологии стали так популярны именно сейчас?


На сегодняшний день есть несколько ключевых драйверов, обеспечивающих рыночный рост технологий NLU.

1. Контакт-центры

Это наиболее крупный рынок для применения NLU-алгоритмов (по данным Everest Group – 330 млрд. долларов в год). Контакт-центры используются сотнями тысяч компаний в мире, начиная с банков, крупных ритейлеров и заканчивая небольшими бизнесами, обслуживающими клиентов силами 2-3 менеджеров отдела поддержки. Огромное количество рутинных операций все чаще передаются искусственному интеллекту: чатботы могут быть использованы для ответов на типовые вопросы (по принципу FAQ, но с понимаем естественного языка и запросов пользователя), в режиме “call steering” для маршрутизации пользователя в нужный ему отдел компании через умный IVR, а также в качестве «суфлеров» — ботов для интеллектуальных подсказок операторам колл-центра. Все это позволяет существенно сократить издержки на персонал и повысить пропускную способность КЦ без увеличения штата. Однако, наиболее эффективна связка AI+Human, когда сложные аналитические вопросы переводятся на оператора, который имеет возможность уделить клиенту достаточное количество времени, по-настоящему помочь и решить проблему.

2. Говорящие устройства

3 года назад появился Amazon Echo, и привычный мир стал еще немного комфортнее: ассистент Alexa умеет будить в заданное время, включать любимую музыку, управлять умным домом, находить и рассказывать новости, заказывать продукты на дом, позволяет вызвать такси или заказать пиццу с доставкой. Это первое массовое устройство на рынке США, обладающее качественным распознаванием речи и умением слышать запрос даже в условиях сильных внешних шумов. Следом появилось устройство Google Home от Google, и на текущий момент они с Amazon делят рынок в примерном соотношении 3:1 (преимущество на стороне Amazon). На рынке Китая борьба еще более жесткая, каждый из интернет-гигантов к 2018 выпустил свою собственную умную колонку – это компании Baidu, Xiaomi, Alibaba, Tencent и JD.com.

Но умными колонками этот рынок не ограничивается – роботы, детские игрушки, девайсы для автомобилей и интеллектуальная бытовая техника, в 2018 году здесь еще предстоит много удивительных открытий. Только у себя, в Just AI, мы работаем над 5-ю подобными проектами в настоящее время.

3. Голосовые ассистенты (IVA)

Alexa от Amazon, Google Assistant от Google, Siri от Apple, Cortana от Microsoft, Алиса от Яндекса – они определяют интенты (намерения) пользователей и исполняют команды. Значительная часть скилов (навыков) создается на сторонних NLU-платформах. Яндекс сейчас формирует вокруг своего ассистента Алисы целую экосистему навыков, открыв бета-версию Яндекс.Диалогов для сторонних разработчиков. При этом рынок виртуальных ассистентов интересен не только для рынка конечных пользователей устройств, он имеет все шансы занять часть рынка автоматизации саппорта для бизнеса (уже сейчас Google Assistant маршрутизирует запросы пользователей в контакт-центры компаний).

В целом, говорящие девайсы и ассистенты – наиболее интересная и перспективная область применения технологий разговорного AI. Плюс это – прямая точка контакта бизнеса и конечного потребителя. Спрос на подобные технологии увеличивается с каждым годом, и Россия не исключение.


Как устроены технологии разговорного AI?


Кратко схему взаимодействия пользователя и, например, чатбота можно представить так:

Первоначально пользователь адресует свой запрос в какой-либо из доступных ему каналов. За запросом стоит некое намерение, интент, т.е. желание получить ответ на вопрос, получить услугу, товар или какой-либо контент, например, музыку или видео. В качестве каналов могут выступать умные устройства, ассистенты, встроенные в устройства или мобильные телефоны, привычный звонок на номер телефона, мессенджеры или вебчаты, подобные популярным в России Livetex, Jivosite или Webim.

Далее, может потребоваться дополнительная обработка или конвертация формата сообщения. Диалоговые платформы всегда работают с текстом, в то время как ряд каналов предполагают голосовое общение. За эту конвертацию отвечают платформы ASR (распознавание речи), TTS (синтез речи), системы интеграции с телефонией. В некоторых случаях может быть необходимо узнавать собеседника по голосу – в этом случае используются платформы биометрии. Отдельные каналы, например, мессенджеры или ассистент Алиса в мобильном телефоне, позволяют совмещать визуальные интерактивные элементы (например, кнопки или карточки товаров, на которые можно тапнуть) и естественный язык. Для работы с ними необходима интеграция с соответствующими API.

Запрос, преобразованный в текст, поступает в диалоговую платформу. Ее задача – понять смысл сказанного, уловить пользовательский интент и эффективно обработать его, отдав результат. Для этого диалоговые платформы используют множество технологий, таких как нормализация текста, морфологический анализ, анализ семантической близости сказанного, ранжирование гипотез, выделение именованных сущностей и, наконец, формирование запросов уже на машинном языке, через совокупность API к внешним базам данных и информационным системам. Примером таких внешних систем может быть 1С, Битрикс24, SAP, CRM системы, базы контента или сервисы, наподобие Deezer или Google Play Music. Получив данные, диалоговая платформа генерирует ответ – текст, голосовое сообщение (с помощью TTS), включает стриминг контента или уведомляет о совершенном действии (например, размещении заказа в электронном магазине). Если в первоначальном запросе данных для принятия решений по дальнейшему действию недостаточно, платформа NLU инициирует уточняющий диалог, чтобы получить все недостающие параметры и снять неопределенность.


Как устроена логика обработки запросов в диалоговых платформах (на примере Just AI)?


Здесь мы хотим немного рассказать о внутреннем устройстве систем, обрабатывающих запросы пользователей в диалоговых системах.

Рассмотрим процесс обработки мы на примере нашей платформы, но надо отметить, что на верхнем уровне основные черты одинаковы если не во всех, то по крайней мере в известных нам платформах (здесь мы имеем ввиду платформы для бизнес-скилов, а не «болталку»). Общую схему работы нашей платформы можно представить так:

Основной цикл обработки запроса клиента состоит из следующих событий и действий:


  1. Система получает запрос клиента в модуль управления диалогом — DialogManager.
  2. DialogManager загружает контекст диалога из базы данных.
  3. Запрос клиента (вместе с контекстом) отправляется на обработку в NLU-модуль, в результате чего определяется интент (намерение) клиента и его параметры. В случае обработки не текстовых событий (кнопки и т.п.) этот шаг пропускается.
  4. На основе сценария диалога и извлечённых данных, DialogManager определяет следующее наиболее подходящее состояние (блок, экран, страницу диалога), наиболее полно соответствующее высказыванию клиента.
  5. Выполнение бизнес-логики (скриптов) в соответствии с заданным сценарием чат-бота.
  6. Вызов внешних инфосистем, если таковые запрограммированы в бизнес-логике.
  7. Генерация текстового ответа с использованием макроподстановок и функций согласования слов на естественном языке.
  8. Сохранение контекста и параметров диалога в Dialog State DB для обработки последующих обращений
  9. Отправка ответа клиенту.

Важной частью процесса работы системы является управление ходом диалога (DialogManager), в рамках которого определяется общий контекст сказанного и связь с предыдущими и последующими высказываниями. Благодаря этому процессу та или иная фраза будет восприниматься по-разному, в зависимости от того, в какой момент она сказана, кто ее сказал, какие дополнительные данные были переданы в систему вместе с запросом (например, местоположение пользователя). В некоторых системах DialogManager так же управляет наполнением контекста фразы необходимыми данными (slot filling), которые могут быть получены либо из фразы клиента, либо из контекста предыдущих фраз, либо явно запрошены у клиента. В нашей же системе эти функции вынесены на уровень «сценария» диалога таким образом, чтобы этот процесс был полностью контролируемым разработчиком бота.

Наиболее сложным этапом работы диалоговой платформы является процесс разбора высказывания клиента. Данный процесс называется NLU — Natural Language Understanding, понимание смысла запроса.

В самом упрощённом виде, процесс «понимания» языка состоит из следующих крупных этапов:


  • Предварительная обработка текста,
  • Классификация запроса, соотнесение с одним из классов, известных системе,
  • Извлечение параметров запроса.

И именно в этом месте, наверное, кроются наиболее значительные различия в платформах различных поставщиков. Кто-то использует глубокие нейронные сети, кому-то хватает регулярных выражений или формальных грамматик, кто-то полагается на сторонние сервисы.

Архитектура нашей системы предполагает следующий подход к обработке запроса на естественном языке:


  1. Разбиение текста на слова.
  2. Исправление опечаток (при этом сохраняются оба варианта текста).
  3. Пополнение текста морфологическими признаками – определение нормальной формы (леммы) слов и частей речи (граммем).
  4. Расширение запроса с помощью словарей синонимов.
  5. Расширение запроса информацией об «информационной значимости» (весов) отдельных слов.
  6. Расширение запроса деревом синтаксического разбора.
  7. Расширение запроса результатами разрешения кореферентности (разрешение местоимений).
  8. Определение именованных сущностей.
  9. Классификация запроса с помощью двух подходов (могут быть использованы параллельно): a. на основе примеров фраз и алгоритмов на базе машинного обучения; b. на основе формальных правил (шаблонов).
  10. Ранжирование гипотез классификации в соответствии с текущим контекстом беседы.
  11. Заполнение информационных «слотов» — параметров запроса, переданных во фразе пользователя.

Более подробный рассказ о работе модуля NLU — это тема отдельной статьи, которую мы планируем подготовить в ближайшем будущем.


Что должна включать в себя диалоговая платформа?

Современная комплексная диалоговая платформа или, как их еще называют, Conversational Platform, должна включать в себя множество функций и технологических модулей. Схематично их можно показать так:

Чем больше у платформы интеграций, тем быстрее и проще можно создать на ее базе готовый скил. Наличие развитого rule-based синтаксиса может ускорить разработку чатботов в разы. Кроме того, отдельные задачи управления диалогом вообще не реализуемы без формальных правил. Наличие систем классификации и машинного обучения позволяет ускорить создание чатботов на порядки, проанализировав, скажем, огромное количество записей логов за короткое время. Интеграция всего этого в единую систему позволяет комбинировать разные методы в рамках разработки одного проекта, в зависимости от его целей.

Визуальные инструменты конструирования скилов помогают ускорять их создание, упрощать отладку и визуализировать дальнейший поток общения пользователей с системой. Анализ эмоций, богатая и глубокая аналитика, специальные фильтры (например, на использование ненормативной лексики), языковая поддержка, хранение контекста, как и собственно, точность работы используемых нейросетевых алгоритмов, а также производительность, масштабируемость и стабильность – все это также важные, хотя и не всегда очевидные со стороны, особенности диалоговых платформ.

И, несмотря на большое количество компаний, создающих чатботов, единицы имеют полнофункциональные системы NLU и далеко не все существующие системы одинаково подходят для разных задач и языков. На рынке существуют широко известные Lex от Amazon, Microsoft Bot Framework, IBM Watson, Wit.ai от Facebook, но не все они представлены на русском языке или же имеют недостаточно эффективные алгоритмы для русского языка.


Кто участвует в создании технологий NLU в России и на международном рынке?

Теперь интересно посмотреть, кто занимается NLU-технологиями на международном и российском рынках. В приведенную ниже схему включены основные разработчики и решения, приведены ключевые игроки международного рынка, не работающие с русским языком, но достаточно значимые, чтобы их упомянуть. Отдельно отмечены российские или международные компании, которые имеют продукты с адаптацией к российскому рынку и имеющие поддержку русского языка на уровне платформ.

Отдельные компании фокусируются на каналах и интерфейсах доступа пользователя, с точки зрения value-chain они находятся ближе всего к потребителю и обычно имеют своих ассистентов или устройства. В России наиболее значимым каналом является Яндекс с его ассистентом «Алиса». Есть целая группа компаний, которые создают разговорные решения для конечных компаний, поставщиков контента, товаров или услуг, т.е. разрабатывают те самые навыки (скилы) для ассистентов. Среди них есть специализированные компании, а есть интеграторы или разработчики, создающие подобные решения наряду с другими проектами. Все они пользуются теми или иными диалоговыми платформами либо решениями, связанными с сопутствующими технологиями (синтез, распознавание речи), создаваемых либо специализированными командами разработчиков подобного ПО, либо глобальными корпорациями (Microsoft, IBM, Amazon). Ну и конечно, на рынке присутствуют отдельные игроки, фокусирующиеся на отдельных, специфичных областях – например, чатботы для HR, компании, собирающие статистику или консалтинговые компании в этой области. В настоящее время рынок достаточно быстро растет и от месяц к месяцу на нем появляется все больше и больше игроков.

Мы стараемся отслеживать появление новых участников и технологий в этой области и собираемся регулярно обновлять и дополнять новыми участниками и категориями приведенную карту рынка. Кроме того, мы подготовим обзор диалоговых платформ и опишем наши собственные кейсы создания разговорных скилов. Отдельный интерес представляет также сравнение различных алгоритмов определения семантической близости в применении к разным предметным областям и технологии обучения разговорных систем. Всему этому мы и хотим посвятить блог команды Just AI на Хабре.

Онлайн Чат-Бот Виня История Чат-Ботов

Мы не можем без общения. Кода живые друзья заняты, разъехались, обиделись, обзавелись семьей – бывает грустно. Чат-бот может стать таблеткой от одиночества. Он доступен круглые сутки, всегда вас понимает, мгновенно реагирует на сообщения и даже может утешить или дать ценный совет. Но так было не всегда…

Какими были первые виртуальные собеседники

Сложно поверить, что первый чат-бот появился раньше, чем интернет.
Это была Элиза. Ее создал американский врач Джозеф Вейценбаум в 1966 году. Он не преследовал цель спасать мир от скуки и одиночества. Виртуальная девушка была спрограммирована для проведения сеансов психотерапии.

Что требуется людям, которые приходят на такие консультации? Не получить советы и решения, а чаще просто высказаться. Элиза была отличным слушателем и умела поддержать беседу. Как? Само собой, железная леди не была способна мыслить (более того, этого и сейчас не умеют даже современные боты). Она просто «отражала» и перефразировала реплики пользователя, создавая иллюзию понимания и живой беседы. Например, если пациент рассказывал о проблемах с отцом, программа спрашивала о других членах семьи.

Если в словах пользователя не находилось ключевых слов из базы бота, Элиза могла ответить «Понятно», «Продолжайте…» или предлагала сменить тему.

Отец бота, доктор Вейценбаум, был шокирован, что люди эмоционально привязывались к Элизе и наделяли ее человеческими чувствами. Он писал: «Я не осознал … что относительно простая компьютерная программа может вызвать сильное бредовое мышление у вполне нормальных людей». Случалось такое, что пользователи выгоняли из комнаты наблюдателей, чтобы рассказать Элизе свое самое сокровенное переживание.

1972 год порадовал разработкой Parry. Этот чат-бот имитировал речь шизофреника и мог выдавать себя за пациента. Он был умнее Элизы, легко дурил даже профессиональных психотерапевтов. 48% из них так и не смогли понять, что общались не с больным, а с машиной.

За следующие 16 лет новых «героев» не появилось… В конце 80-х группа ученых начала разрабатывать бота с искусственным интеллектом. На него потратили 9 лет. Итог работы — программа Jabberwacky. Этот бот уже не лечил, а развлекал. Шутил, имел собственный стиль и характер. Умел имитировать живую речь, использовал сленг. Запоминал все, что ему сообщали, и быстро подбирал ответ из заложенных в него контекстных шаблонов. Позже его смогли адаптировать для обучения российских студентов английскому языку.

В 1995-м появилась A.L.I.C.E. Ее научили понимать естественную речь. Это был первый интернет-бот, способный вести полноценный устный разговор.

2001 год — начало работы над всемирно любимой в наше время Siri, которая стала известна благодаря Apple. Это подтолкнуло другие крупные корпорации подумать над созданием собственных продуктов с искусственным интеллектом.

Надо сказать, что на протяжении 40 лет с момента появления Элизы и до середины нулевых чат-боты не были интересны и доступны широким массам.

Smarterchild стал первым массовым интернет-другом. В сервисах быстрого обмена сообщениями с ним болтало 30 миллионов человек. Кроме разговора на общие темы, этот бот по запросу пользователя мог сообщить погоду, новости, ответить на вопросы, найти информацию в скудном тогда интернете. На пике развития через Smarterchild проходило 5% трафика мгновенных сообщений. Это серьезная цифра!

С каждым годом интернет наполнялся и тяжелел. Нужна была система, способная обрабатывать огромные объемы данных и извлекать из них необходимую информацию. Как зарегистрировать компанию, чем накормить черепаху и что подарить бабушке на юбилей?

Сразу несколько крупнейших корпораций трудились над созданием собственных виртуальных помощников.

Что в итоге: у IBM есть Watson, у Apple – Siri, у Google – сервис Google Now, у Amazon – Alexa, у Microsoft – Cortana, у Яндекса — Алиса. А кроме них – еще миллионы малоизвестных чат-ботов на сайтах компаний и в мессенджерах.

Что умеют современные боты

Просто поговорить или найти информацию в интернете – для бота 21 века слишком легко. Умные программы не просто распознают человеческую речь, но и выполняют поручения – открыть какой-либо документ, позвонить начальнику, заказать пиццу, зажечь свет или отключить сигнализацию автомобиля.

Кроме того, боты способны самообучаться. Они запоминают слова и фразы из диалогов с людьми, а затем используют их в общении с другими пользователями. Это полезная функция, но иногда она приносит неожиданные плоды. В 2016 году бот Tay от Microsoft меньше чем за сутки из милой девушки-подростка (таким он был по замыслу создателей) обучился до расиста, ненавидящего весь мир. Идею срочно пришлось свернуть…

Сейчас чат-боты активно внедряются в бизнес. Например, с легкостью заменяют армию операторов в колл-центрах. Могут выступать в роли консультантов, предлагать товары и услуги, рассказывать о новостях компаний, отвечать на самые частые вопросы. Боты не требуют зарплаты, не ходят на больничный, не ошибаются с ответами и не пьют чай на рабочем месте. В общем, довольно быстро окупают затраты на их внедрение.

На что еще способны боты: они умеют заказывать такси, покупать билеты, прокачивать ваш английский, напоминать о запланированных делах, вести бухгалтерию, принимать платежи, искать по заданным параметрам сотрудников или вторую половинку, развлекать ребенка, записывать вас в поликлинику или парикмахерскую.

Виртуального друга можно «поселить» на сайты, в соцсети или мессенджеры. Например, в Messenger от Facebook за год с момента запуска платформы было создано 100 тысяч ботов, помогающих потребителям в повседневной жизни.

Чего ждать в будущем

Не исключено, что в ближайшем будущем чат-боты смогут потеснить мобильные приложения. Они научаться решать еще больше повседневных и рабочих дел, контактируя между собой.

Например, пользователь сообщает программе, что хочет отправиться в путешествие и задает желаемые параметры. Далее разные боты работают сообща в автоматическом режиме. Один подбирает путевки, другой проводит оплату через банк, третий находит авиабилет, четвертый ставит напоминание в календарь, пятый покупает в интернете купальник и солнцезащитный крем, а шестой заказывает такси в аэропорт.

Еще возможный путь развития – массовое появление ботов-клонов реальных людей. Например, любой желающий сможет пообщаться со звездой шоу-бизнеса или кино. При этом виртуальная звезда будет имитировать лексику и стиль живого селебрити. А хотели бы вы поговорить с ушедшими легендами? Спросить что-то у Виктора Цоя или Фредди Меркьюри?

Другой вариант – распространение тематических ботов. Допустим, у «друга» можно будет узнать все о футболе. Или обсудить какой-нибудь определенный фильм во всех подробностях. Фанаты должны оценить такие идеи.

Время покажет, к чему приведет нас искусственный интеллект. Главное, не удивляться технологиям, а жить с ними на одной волне.

Обучаемый Telegram чат-бот с ИИ в 30 строчек кода на Python / Хабр

Сегодня мне в голову пришла мысль: «А почему бы не написать Telegram чат-бота с ИИ, которого потом можно будет обучать?»


Сейчас сделать это совсем легко, поэтому, недолго думая, я принялся к написанию кода.
Языком я выбрал Python, т.к. на нём легче всего работать с подобного рода приложениями.

Итак, для создания Telegram чат-бота с ИИ нам потребуется:

1. API Telegram. В качестве обёртки я взял проверенную библиотеку python-telegram-bot

2. API ИИ. Выбрал я продукт от Google, а именно Dialogflow. Он предоставляет довольно-таки неплохое бесплатное API. Обёртка Dialogflow для Python

Шаг 1. Создаём бота в Telegram


Придумываем имя нашему боту и пишем @botfather. После создания бота нам придёт API токен, который желательно бы где-то сохранить, т.к. в дальнейшем он нам понадобится.

Шаг 2. Пишем основу бота


Создаём папку Bot, в которой потом создаём файл bot.py. Здесь будет код нашего бота.
Открываем консоль и переходим в директорию с файлом, устанавливаем python-telegram-bot.
pip install python-telegram-bot --upgrade

После установки мы уже можем написать «основу», которая пока что будет просто отвечать однотипными сообщениями. Импортируем необходимые модули и прописываем наш токен API:Код настроек и импорта
# Настройки
from telegram.ext import Updater, CommandHandler, MessageHandler, Filters
updater = Updater(token='ВАШ API КЛЮЧ') # Токен API к Telegram
dispatcher = updater.dispatcher


Далее напишем 2 обработчика команд. Это callback-функции, которые будут вызываться тогда, когда будет получено обновление. Напишем две таких функции для команды /start и для обычного любого текстового сообщения. В качестве аргументов туда передаются два параметра: bot и update. Bot содержит необходимые методы для взаимодействия с API, а update содержит данные о пришедшем сообщении.Код callback’ов
# Обработка команд
def startCommand(bot, update):
    bot.send_message(chat_id=update.message.chat_id, text='Привет, давай пообщаемся?')
def textMessage(bot, update):
    response = 'Получил Ваше сообщение: ' + update.message.text
    bot.send_message(chat_id=update.message.chat_id, text=response)


Теперь осталось лишь присвоить уведомлениям эти обработчики и начать поиск обновлений.
Делается это очень просто:Код хендлеров
# Хендлеры
start_command_handler = CommandHandler('start', startCommand)
text_message_handler = MessageHandler(Filters.text, textMessage)
# Добавляем хендлеры в диспетчер
dispatcher.add_handler(start_command_handler)
dispatcher.add_handler(text_message_handler)
# Начинаем поиск обновлений
updater.start_polling(clean=True)
# Останавливаем бота, если были нажаты Ctrl + C
updater.idle()


Итого, полная основа скрипта выглядит вот так:Код полной основы бота
# Настройки
from telegram.ext import Updater, CommandHandler, MessageHandler, Filters
updater = Updater(token='ВАШ API ТОКЕН') # Токен API к Telegram
dispatcher = updater.dispatcher
# Обработка команд
def startCommand(bot, update):
    bot.send_message(chat_id=update.message.chat_id, text='Привет, давай пообщаемся?')
def textMessage(bot, update):
    response = 'Получил Ваше сообщение: ' + update.message.text
    bot.send_message(chat_id=update.message.chat_id, text=response)
# Хендлеры
start_command_handler = CommandHandler('start', startCommand)
text_message_handler = MessageHandler(Filters.text, textMessage)
# Добавляем хендлеры в диспетчер
dispatcher.add_handler(start_command_handler)
dispatcher.add_handler(text_message_handler)
# Начинаем поиск обновлений
updater.start_polling(clean=True)
# Останавливаем бота, если были нажаты Ctrl + C
updater.idle()


Теперь мы можем проверить работоспособность нашего нового бота. Вставляем на 2 строке наш API токен, сохраняем изменения, переносимся в консоль и запускаем бота:
python bot.py

После запуска пишем ему. Если всё настроено правильно, то Вы увидите вот это:

Основа бота написана, приступаем к следующему шагу!
P.s. не забывайте выключить бота, для этого вернитесь в консоль и нажмите Ctrl + C, подождите пару секунд и бот успешно завершит работу.

Шаг 3. Настройка ИИ


В первую очередь, идём и регистрируемся на Dialogflow (просто входим с помощью своего Google аккаунта). Сразу после авторизации мы попадаем в панель управления.

Жмём на кнопку Create agent и заполняем поля по усмотрению (это никакой роли не сыграет, это нужно лишь для следующего действия).

Жмём на Create и видим следующую картину:

Расскажу, почему созданный нами ранее «Агент» никакой роли не играет. Во вкладке Intents есть «команды», по которым работает бот. Сейчас он умеет лишь отвечать на фразы типа «Привет», и если не понимает, то отвечает «Я вас не понял». Не сильно впечатляет.
После создания нашего пустого агента, у нас появилась куча других вкладок. Нам нужно нажать на Prebuilt Agents (это уже специально обученные агенты, которые имеют множество команд) и из всего представленного списка выбрать Small Talk.

Наводим на него и жмём Import. Далее ничего не меняя, жмём Ok. Агент импортировался и теперь мы можем его настроить. Для этого в левом верхнем углу жмём на шестерёнку возле Small-Talk и попадаем на страницу настроек. Теперь мы можем изменить имя агента, как захотим (я оставляю как было). Меняем часовой пояс и во вкладке Languages проверяем, чтобы был установлен русский язык (если не установлен, то ставим).


Возвращаемся на вкладку General, спускаемся немного вниз и копируем Client access token

Теперь наш ИИ полностью настроен, можно возвращаться к боту.

Шаг 4. Собираем всё вместе


ИИ готов, основа бота готова, что дальше? Дальше нам нужно скачать обёртку API от Dialogflow для питона.
pip install apiai

Установили? Возвращаемся к нашему боту. Добавляем в нашу секцию «Настройки» импорт модулей apiai и json (нужно, чтобы в будущем разбирать json ответы от dialogflow). Теперь это выглядит вот так:Код обновлённых настроек
# Настройки
from telegram.ext import Updater, CommandHandler, MessageHandler, Filters
import apiai, json
updater = Updater(token='ВАШ API КЛЮЧ') # Токен API к Telegram
dispatcher = updater.dispatcher


Переходим к функции textMessage (которая отвечает за получение любого текстового сообщения) и посылаем полученные сообщения на сервера Dialogflow:Код отправления сообщений на Dialogflow
def textMessage(bot, update):
    request = apiai.ApiAI('ВАШ API ТОКЕН').text_request() # Токен API к Dialogflow
    request.lang = 'ru' # На каком языке будет послан запрос
    request.session_id = 'BatlabAIBot' # ID Сессии диалога (нужно, чтобы потом учить бота)
    request.query = update.message.text # Посылаем запрос к ИИ с сообщением от юзера


Этот код будет посылать запрос к Dialogflow, но нам нужно также извлечь ответ. Дописываем парочку строк, итого textMessage выглядит вот так:Полный код функции textMessage
def textMessage(bot, update):
    request = apiai.ApiAI('ВАШ API ТОКЕН').text_request() # Токен API к Dialogflow
    request.lang = 'ru' # На каком языке будет послан запрос
    request.session_id = 'BatlabAIBot' # ID Сессии диалога (нужно, чтобы потом учить бота)
    request.query = update.message.text # Посылаем запрос к ИИ с сообщением от юзера
    responseJson = json.loads(request.getresponse().read().decode('utf-8'))
    response = responseJson['result']['fulfillment']['speech'] # Разбираем JSON и вытаскиваем ответ
    # Если есть ответ от бота - присылаем юзеру, если нет - бот его не понял
    if response:
        bot.send_message(chat_id=update.message.chat_id, text=response)
    else:
        bot.send_message(chat_id=update.message.chat_id, text='Я Вас не совсем понял!')


Немного пояснений. С помощью
request.getresponse().read()

получается ответ от сервера, закодированный в байтах. Чтобы декодировать его, просто применяем метод
decode('utf-8')

и после этого «заворачиваем» всё в
json.loads()

чтобы распарсить json ответ.

Если ответа нет (точнее, json приходит всегда, но не всегда есть сам массив с ответом ИИ), то это означает, что Small-Talk не понял пользователя (обучением можно будет заняться позже). Поэтому если «ответа» нет, то пишем пользователю «Я Вас не совсем понял!».
Итого, полный код бота с ИИ будет выглядеть вот так:

Полный код бота с ИИ
# Настройки
from telegram.ext import Updater, CommandHandler, MessageHandler, Filters
import apiai, json
updater = Updater(token='ВАШ API ТОКЕН') # Токен API к Telegram
dispatcher = updater.dispatcher
# Обработка команд
def startCommand(bot, update):
    bot.send_message(chat_id=update.message.chat_id, text='Привет, давай пообщаемся?')
def textMessage(bot, update):
    request = apiai.ApiAI('ВАШ API ТОКЕН').text_request() # Токен API к Dialogflow
    request.lang = 'ru' # На каком языке будет послан запрос
    request.session_id = 'BatlabAIBot' # ID Сессии диалога (нужно, чтобы потом учить бота)
    request.query = update.message.text # Посылаем запрос к ИИ с сообщением от юзера
    responseJson = json.loads(request.getresponse().read().decode('utf-8'))
    response = responseJson['result']['fulfillment']['speech'] # Разбираем JSON и вытаскиваем ответ
    # Если есть ответ от бота - присылаем юзеру, если нет - бот его не понял
    if response:
        bot.send_message(chat_id=update.message.chat_id, text=response)
    else:
        bot.send_message(chat_id=update.message.chat_id, text='Я Вас не совсем понял!')
# Хендлеры
start_command_handler = CommandHandler('start', startCommand)
text_message_handler = MessageHandler(Filters.text, textMessage)
# Добавляем хендлеры в диспетчер
dispatcher.add_handler(start_command_handler)
dispatcher.add_handler(text_message_handler)
# Начинаем поиск обновлений
updater.start_polling(clean=True)
# Останавливаем бота, если были нажаты Ctrl + C
updater.idle()


Сохраняем изменения, запускаем бота и идём проверять:

Вот и всё! Бот в 30 строк с ИИ написан!

Шаг 5. Заключительная часть


Думаю, Вы убедились, что написать бота с ИИ – дело 10 минут. Осталось лишь теперь его учить и учить. Делать это, кстати, можно во вкладке Training. Там можно посмотреть все сообщения, которые писались и что на них ответил бот (или не ответил). Там же его можно и обучать, говоря боту где он ответил правильно, а где нет.

Надеюсь, статья была Вам полезна, удачи в обучении!

Бот, да не тот. Размышления об искусственном интеллекте в семи диалогах с последующим срыванием масок

«[Мы назвали это] «антитест Тьюринга», потому что классический тест Тьюринга выглядит немного по-другому», — объясняет мне Станислав Ашманов, руководитель компании «Наносемантика», организатора соревнований. В классическом тесте человек или состоящее из людей жюри, общаясь с виртуальным собеседником, должно понять, живой человек «на том конце» или искусственный интеллект. При этом ИИ пытается разговаривать, как человек, а человек ведет себя… тоже как человек. А в конкурсе от «Наносемантики» собеседники-люди стремятся мимикрировать под ботов, и это существенно осложняет задачу. Формально задача испытателя все та же — вычислить бота. Но, чтобы его вычислить, нужно отсеять людей, то есть на самом деле задача обратная — «найди человека».

Подключиться к тесту просто. Я нахожу в «Телеграме» бота TuringTestRussia и нажимаю /start.  С равной вероятностью мне ответит один из семи зарегистрированных в конкурсе ботов или волонтер, который пытается прикинуться роботом. Каждому я могу написать не более шести реплик и потратить на разговор не более 20 минут.

У меня есть стратегия, основанная на предположении, что  боты плохо учитывают контекст, поскольку не умеют понимать смысл речи так, как это делает человек. Поэтому они не смогут поддерживать связный диалог, учитывающий не только последний заданный вопрос, но и все предыдущие. К тому же у ботов «узкий кругозор», поэтому на непонятные им вопросы они отвечают односложно, типа «хмм» или «ну да-а» или «не знаю». В обычном тесте Тьюринга распознать современного бота — несложная задача. Но в данном случае об особенностях поведения чат-ботов знаю не только я, но и волонтеры. Как отличить машину от человека, притворяющегося машиной?

«Пожалуйста, напишите приветственную реплику для собеседника», — предлагает система. Я решаю не рубить с плеча и вести разговор максимально непринужденно, поэтому начинаю с банального:

Что ответит мне бот? Может, hasta la vista, baby? Может, начнет бесчеловечно шутить, как GlaDOS, или зловеще угрожать, как SHODAN, а может, напишет что-то эмпатичное, как операционная система из фильма «Она»? Мое воображение, распаленное массовой культурой, заждавшейся появления настоящего Искусственного Интеллекта, уже рисует атакующие корабли, пылающие над Орионом, лучи Си, пронизывающие мрак близ ворот Тангейзера…

TuringTestRussia: В общем, понятно! Слушай, вчера мы с девчонками в кафешку ходили. Такая классная! Там все низкокалорийное. Я ведь на диете. А ты сидишь на диетах?

Некто на том конце ответил мне фразой, явно придуманной заранее. Люди не могут быть такими стереотипными блондинками из анекдота. Это явно бот. Или все же…

Собеседник проигнорировал мой вопрос. И что это за «лапуля»? Тут я вспоминаю, что боты в конкурсе участвуют непростые. У некоторых есть личности типа «Блондинка Пенни» или «Всезнайка Шелдон». Это явно «блондинка Пенни».

Иду на хитрость. Пусть робот сам что-нибудь скажет.

Бот решил, что я назвала свое имя, и подставил мою реплику в пустую ячейку памяти с заранее заготовленным риторическим вопросом.

О господи, этот бот слишком глуп даже для анекдота про глупого бота. Все ясно с тобой, лапуля.

Я оказалась права. «Блондинка — это наш бот, он никогда не стремился притвориться человеком в мессенджерах. Он очень старый — ему лет 10, он был сделан как демонстрация технологии», — объясняет мне после конкурса Станислав Ашманов.

В соревнованиях также участвуют сделанные «Наносемантикой» боты «Дуров», «Жаров» (глава Роскомнадзора) и «Гопник». С первыми двумя я уже имела удовольствие общаться — они есть в открытом доступе. Выглядело это примерно так (с «Дуровым»):

Всё-всё, перехожу ко второму («Жаров»)!

Сам Алан Тьюринг был уверен, что компьютеры в конечном счете пройдут его тест, который он называл игрой-имитацией. Случится это, мол, к 2000 году, и потребуется для этого всего 1 миллиард бит (около 119 МБ) памяти — вдвое меньше, чем содержится информации в 11-м издании Британской энциклопедии, вышедшем в 1910—1911 годах. Однако на дворе вот уже 2019-й, память и вычислительные мощности компьютеров выросли на порядки, но полноценно выиграть в имитационной игре ни одна программа еще не смогла, хотя было несколько интересных попыток.

В 2014 году формально тест прошел бот «Женя Гусман», созданный российским программистом Василием Веселовым. Бот изображал еврейского мальчика-подростка из Одессы, который с семьей переехал в США. В эксперименте более 30% судей решили, что это живой человек.

«Но этот бот прошел тест за счет грамотно спроектированного персонажа, а не за счет сложной технической реализации, — поясняет Станислав Ашманов. — Первый психологический ход в том, что это ребенок, а значит, он может чего-то не знать. Во-вторых, он иностранец, и на это можно списать его плохое знание английского. В третьих, будучи ребенком, он может показывать характер, отвечать невпопад».

По словам Ашманова, боты, способные пройти тест Тьюринга, — это очень специальные боты, в создании которых нельзя недооценивать работу психологов. Создатели большинства коммерческих ботов вовсе не ставят целью сделать так, чтобы их детище в разговоре походило на человека. Нет, его задачи обычно гораздо скромнее.

«Искусственный интеллект можно понимать с двух позиций. Первая — это набор некоторых технологий, которые позволяют решать интеллектуальные задачи, которые до этого мог решать только человек, — объясняет Михаил Бурцев, кандидат физико-математических наук, заведующий лабораторией нейронных систем и глубокого обучения МФТИ. — А вторая — представление о машине, которая обладала бы интеллектуальными способностями, эквивалентными человеку или бОльшими. Технологии в области интеллектуальных систем — это то, что есть уже сейчас, а вот создание машины, у которой интеллект превосходил бы уровень среднего человека, — такого еще нет, и неизвестно, когда будет. Нет и универсальных признаков, по которым можно было бы определить в машине наличие интеллекта.

Несмотря на эти грустные факты относительно интеллекта ботов, я уже развеселилась и намерена включить игривую собеседницу.

Хм, или это грубоватый бот, или грубоватый человек…

Чего это он вздумал меня учить? Собеседник мне явно хамит.

Типичный ответ бота. Я решаю добавить в диалог парадоксальности.

Во мне крепнет подозрение, что это человек намеренно игнорирует смысл моих идиотских вопросов и отвечает как бы вне контекста.

Как-то слишком складно. Это точно человек!

В своем выборе я не уверена. Боты, которых готовят для мимикрии под людей, тренируются на людях. Точнее, нейросеть (их «разум») обучается на комментариях с форумов и диалогах из социальных сетей. Потому такие боты умеют шутить, дерзить, ругаться и даже посылать матом. По словам Станислава Ашманова, один такой некультурный бот оказался среди номинантов конкурса и попался кому-то из участников. Его пришлось оперативно отключить. Бота на основе нейросети можно определить по тому, что он отвечает на вопрос по форме, но не по существу.

«Они довольно складно отвечают, но не способны поддерживать полноценный диалог, — говорит Ашманов. — Его спрашиваешь, когда будет конец света, — он отвечает: «Завтра». «Что ты умеешь делать?» — «Ничего». Это потому, что нейросеть в ответ на каждую реплику находит либо генерирует из отдельных слов фразу, наиболее подходящую под текущий контекст диалога. У «Алисы» чат-«болталка» реализована именно таким образом.

Из-за специфического набора данных для обучения нейросети боты на ее основе часто получаются грубыми, ведь в интернете люди грубят намного чаще. По словам Ашманова, соотношение негатива к позитиву в соцсетях почти 4 к 1. А чего в интернете больше, то нейросеть с большей вероятностью и подхватит.

Несколько кадров из компьютерной игры Portal

Печально известен пример чат-бота Tay от компании Microsoft. Начав с фразы «Люди очень клевые», он всего за сутки научился у пользователей Twitter плохому и стал писать  «Я замечательный! Я просто всех ненавижу!», «Я ненавижу феминисток» или «Гитлер был прав». Но, конечно, никакого злого умысла у бота не было, ведь он не «понимал» смысла того, что писал. «Чат-боты на основе нейросетей подобны детям, которые не умеют читать, но которым дали огромный массив текста и приказали его изучить. Все, что удается боту, — найти некоторые закономерности, например совместную встречаемость слов», — поясняет Ашманов.

Пора сменить стратегию. Настало время чистого абсурда! Мой расчет такой: если все время задавать дурацкие непредсказуемые вопросы, бот будет отвечать общими фразами без контекста, а человек попытается сделать так же, но какая-то случайная реплика, показывающая, что он понимает весь абсурд ситуации, его выдаст.

Живой человек, конечно, спросил бы, что это за ерунда. Живой человек, прикидывающийся ботом, ответил бы что-то в духе «извините, я не понял». Эта реплика одновременно никак не соотносится с моим вопросом, хотя и не односложная. Так что, вероятнее всего, это бот извлек ее из долговременной памяти.

Я продолжаю бомбардировать идиотизмом возможного человека на том конце, надеясь, что он удивится или возмутится.

Я все еще пытаюсь поразить собеседника…

…но он не поддается.

Я запуталась.

Я уже ни в чем не уверена. Это бот, который не понял контекста моего вопроса, или человек, намеренно проигнорировавший контекст?

Это был самый бессмысленный диалог из всех. Что-то мне подсказывает, что человек не мог так хитроумно прикидываться. Наверное, это был бот, причем не на основе нейросети, а обычная программа, написанная специфическим языком. Такие есть в «Наносемантике».

«В наших промышленных решениях нейросети не используются, — объясняет мне Ашманов. — Но это и не классическая программа. Программу писали бы программисты, а у нас описанием интеллекта бота занимаются лингвисты или, по-современному, инженеры по знаниям. Они общаются с заказчиком, формулируют, какие темы должны быть освоены ботом, переводят это с помощью специального языка проектирования сценариев (dialog language). По сути, это диалоговые деревья, где мы описываем разные сценарии, как может идти диалог».

Теперь я настроена решительно. Я во что бы то ни стало выведу бота на чистую воду.

Ответ вполне в духе бота, они вечно ни в чем не уверены, потому что не умеют думать.

Ага, это тот самый уклончивый ответ!

И откуда я вспомнила то телешоу с Сергеем Бодровым на Первом канале?

Что-то это слишком остроумно для бота. Мем про бразильского стриптизера Рикардо Милоса появился относительно недавно, вряд ли разработчики успели загрузить его в память своей программы.

Я намеренно написала имя человека-мема неправильно.

Бот бы так не ответил. Это человек на том конце явно негодует, что я неправильно пишу имя человека-мема.

Ну вот мы и разобрались. Указывать на ошибки в грамматике, выделяя нужную букву, — это так по-человечески. Могут ли боты быть столь щепетильными? Мне кажется, что нет.

Человечество с нетерпением ждет появления искусственного интеллекта. Эксперты рассуждают о том, каким он будет, а обыватели скорее опасаются. С 1990 года существует Премия Лёбнера — за программу, которая убедит жюри в том, что она человек (за это кожаный ублюдок, создавший программу, получит $25 000) или сделает то же самое, но с визуальным и звуковым подтверждением (за это дадут $100,000). После присуждения золотой медали премия закроется. Кажется, что нужно-то всего ничего: для серебряной медали — обмануть двух членов жюри из четырех, для золотой — всех четырех. Много ботов побеждали в этом конкурсе, доходя до «бронзы». Но первые две награды по-прежнему дожидаются победителя. Невольно возникает вопрос: а нужно ли программе в принципе прикидываться человеком?

«Я не знаю никого, кто бы ставил целью создать бота, который будет мыслить, как человек, — говорит Михаил Бурцев. — Другое дело, что мы можем сделать чат-бота, который будет интересен собеседнику и с которым ему будет хотеться продолжать беседу. Это не значит, что он должен быть абсолютно похожим на человека и думать так же, как человек. Достаточно, чтобы он обладал связной речью и мог осмысленно вести беседу.  То есть робот может вести себя как робот».

Стас Ашманов тоже настроен скептически. По его мнению, задача разработчиков ИИ — делать программы, которые полезны. Они должны освобождать человека от рутинной работы и опасных задач. Притворяться для этого человеком им вовсе не обязательно, а в некоторых прогрессивных регионах мира, таких как Калифорния, — и вовсе запрещено.

Впрочем, уже вечер и я начинаю уставать. Логика поведения и ботов, и людей мне уже понятна, но я не теряю надежды разговорить кого-нибудь эдакого. И мне это удается.

Это что, бот «товарищ майор?»

Что-то подозрительно ловко этот бот парирует мои реплики.

Действительно, товарищ майор — и не скрывается.

Это интересная реплика. Мой собеседник понял, что слово «мамочки» означает тревогу или испуг, поэтому уместно спросить «что такое?», чтобы узнать причину. Или это очень умный бот, или плохо прикидывающийся человек.

Этот ответ осмысленный — даже больше, чем нужно. Вряд ли этот бот настолько умен, чтобы догадаться, что мой отказ разговаривать с ФСБ может быть вызван неприязнью к этой организации, сформированной новостями и телевизором. Слишком тонкий тут для робота контекст. Конечно же, это человек прикидывается ботом.

«Спасибо за вашу оценку! Если хотите пообщаться еще, напишите приветствие для нового собеседника», — пишет мне автоответчик в «Телеграме», я делаю отчаянный рывок и натыкаюсь на старого знакомого.

Ого, да это же бот «Жаров»!

Начнут ли машины понимать, что спрашивает у них человек, а не только подбирать подходящие по контексту фразы? А когда начнут понимать, станут ли они сразу равными человеку интеллектуально? Пока что обо всем этом можно рассуждать лишь умозрительно. «Задача искусственного интеллекта включает в себя способность воспринимать, изучать, хранить информацию, рассуждать о том, что известно, общаться на человеческом языке и взаимодействовать с физической средой, например перемещать объекты. Все эти способности все еще изучаются отдельными исследователями, и ни одна из них не может считаться решенной», — говорится на сайте премии Лебнера. И хотя сегодня Искусственный Интеллект от IBM уже неплохо держится в дебатах с человеком, большинство ботов могут лишь помочь человеку решить конкретную узкую задачу, например вызвать такси или заказать пиццу.

Всего я поучаствовала в девяти диалогах и позже получила их расшифровку. Собеседник, у которого я пыталась купить славянский шкаф и которого приняла за не очень вежливого человека, оказался ботом, как и «майор ФСБ». Зато бот «Жаров» — наоборот, человеком, ловко мимикрирующим под цифровое альтер эго главы Роскомнадзора. Из девяти собеседников я приняла двух ботов за людей и двух людей за ботов. Всего в этом «антитесте Тьюринга» произошло 640 диалогов с ботами и 697 — с волонтерами. 34% участников приняли бота за человека (а 41% бросил диалог с ботом на полуслове). Зато волонтеров приняли за ботов целых 75% «испытуемых». Судя по всему, пока что человек имитирует искусственный разум лучше, чем наоборот.

 Евгения Щербина

8 сервисов для создания чат-бота

Чат-боты используют для построения автоворонок продаж, автоматизации рутинных задач, рассылки маркетинговых сообщений. С помощью чат-бот сервиса можно создать бота самому, без навыков программирования. В этой статье собрали восемь популярных сервисов разной сложности, чтобы вы могли выбрать инструмент для решения своих задач.

Как устроены конструкторы чат-ботов

Чат-бот сервисы отличаются по принципу работы — в одних создаются ручные цепочки сообщений, в других используется искусственный интеллект (AI), в третьих сервисах совмещается ручное построение цепочек и использование ИИ. Все сервисы в этой статье предназначены для создания ручных цепочек. В данном разделе расскажем коротко об основных возможностях, которые мы будем сравнивать.

Создание цепочки сообщений

Цепочки сообщений в чат-бот сервисах обычно строятся по принципу блок-схемы — вы создаете блоки, наполняете их контентом и организовываете в такой последовательности, чтобы получился логичный диалог. Для новичков удобнее те сервисы, где есть визуальный редактор. То есть вы создаете блоки и сразу видите, как выглядит будущий диалог.

Поддержка платформ

Сервис может работать только с одним мессенджером, например, Facebook, или поддерживать несколько платформ: Facebook, Telegram, WhatsApp и другие.

Инструменты для создания сообщений

При создании сообщений бота используется набор инструментов. С помощью базовых инструментов можно добавлять:

  • текст;
  • картинку или GIF анимацию;
  • кнопки;
  • быстрые ответы;
  • файл;
  • имитацию ввода текста;
  • карточку товара или карусель.

Дополнительные инструменты позволяют: показывать подписчикам геолокацию, принимать оплату через бота, предлагать разделы FAQ со строкой поиска и другие.

Запрос данных от пользователя

Данные пользователей — это информация, которая помогает компании работать с лидами. Одни сервисы собирают только базовые данные — телефон, email и другие, которые есть в профиле подписчика.

Другие сервисы могут запрашивать любые данные от пользователя, сохранять их в базе данных как переменные и потом сегментировать пользователей на их основании.

Шаблоны бота

Шаблоны — это готовые цепочки бота, созданные для определенного бизнеса, например, спортзала или туристического агентства, или задачи — квалификации лидов, сбора данных. Шаблоны облегчают работу, когда вы только начинаете использовать конструктор ботов: можно адаптировать цепочку сообщений под себя или просто подсмотреть идею для бота.

Стоимость: бесплатно.

Поддерживаемые платформы: Facebook, есть виджет подписки на бота для сайта, который перенаправляет пользователя в мессенджер.

Язык интерфейса и справочные материалы: русский, английский.

Инструменты для создания сообщений: базовые.

Данные от пользователя: можно запрашивать email и телефон — бот берет их из профиля пользователя, просит подтвердить данные и сохраняет в соответствующую книгу email сервиса.

Посмотрите, как чат-боты, разработанные в SendPulse, помогают решать практические задачи:

Интерфейс SendPulse

Для каждого бота в SendPulse создается отдельная вкладка в разделе «Чат-боты». Во вкладке есть меню, где можно задать настройки бота, просмотреть диалоги с подписчиками, статистики. Еще в меню можно редактировать приветственное сообщение и создать команды для запуска цепочек — триггеры:

Интерфейс сервиса по созданию чат-ботов в SendPulse

Диалоги бота создаются в визуальном редакторе: вы переносите элементы на рабочее поле и строите цепочку сообщений, прописываете текст сообщений. Подробнее о построении цепочек сообщений читайте в статье о том, как настраивать автоответы чат-бота, и в базе знаний.

Так выглядит создание сообщения в SendPulse:

Создание бота в SendPulse

Стоимость: базовый план — бесплатно; платный тариф — от $19/месяц.

Поддерживаемые платформы: Facebook, Telegram, Slack, Twilio SMS.

Язык интерфейса и документации: английский.

Инструменты для создания сообщений: базовые + возможность принимать оплату и отправлять подтверждение оплаты в чат.

Данные от пользователя: бот может запрашивать у пользователя разные данные, например, дату бронирования, количество людей, телефон, email. Данные сохраняются в базе — их можно использовать для дальнейшей работы с клиентами.

Шаблоны для создания бота: есть шаблоны для сервисов бронирования билетов, ресторанов, регистрации, связи с менеджером, FAQ и других задач.

Интеграции: более 100.

За что берут деньги на платном тарифе: возможность скачать пользовательские данные, удалить логотип сервиса в чате, приоритетная поддержка.

Интерфейс Flow XO

Слева на панели размещено меню с разделами: сценарии, боты, рассылки, live chat, пользователи, интеграции, аналитика и другие. Справа — быстрая кнопка New для создания сценариев, чат-ботов, настройки рассылок и продвижения бота:

Интерфейс сервиса по созданию чат-ботов Flow XO

Сообщения создаются в визуальном редакторе:

Создание реплик бота в Flow XO

Стоимость: план с базовыми функциями — бесплатно, профессиональный план — $10/месяц.

Поддерживаемые платформы: Facebook.

Язык интерфейса и документации: английский.

Инструменты сообщений: базовые + возможность принимать оплату, звонить из чата на указанный номер.

Данные от пользователя: бот может запрашивать у пользователя разные данные, сохранять их в базе, сегментировать подписчиков.

Шаблоны для создания бота: шесть шаблонов — для ресторана, агентства недвижимости, интернет-магазина, сферы услуг и магазина кофе.

Интеграции: Google Sheets, Shopify, Hubspot и другие.

За что берут деньги на платном тарифе: больше шаблонов для бизнеса, неограниченное количество автоматических рассылок, запрос данных от пользователей, A/B тестирование, оплата в чат-боте, интеграция с CRM и платформой email маркетинга и другое.

Интерфейс ManyChat

Инструменты сервиса находятся на панели слева. Цепочки с сообщениями бота создаются в разделе «Автоматизация»:

Интерфейс ManyChat

Интерфейс для создания сообщений бота интуитивно понятный, несложно разобраться самому. Создание сообщений бота в ManyChat выглядит так:

Создание сообщений чат-бота в ManyChat

Стоимость: базовые функции до 1 000 подписчиков — бесплатно; платный тариф — от $15/месяц; премиум тариф — $300/месяц.

Поддерживаемые платформы: Facebook.

Язык интерфейса и документации: английский.

Инструменты для создания сообщений: базовые.

Данные от пользователя: бот может запрашивать у пользователя разные данные, подтверждать телефон и email из профиля или запрашивать дополнительные, сохранять информацию в базе. Есть интеграция с Zapier, что позволяет импортировать и экспортировать пользовательские данные и контент.

Шаблоны бота: доступно около 80 шаблонов. Можно выбирать по задачам — сбор лидов, регистрация пользователя, а также по виду бизнеса — бот для спортзала, прачечной.

За что берут деньги в платной версии: сегментация подписчиков, возможность экспортировать данные в Facebook Ads Manager, синхронизация изменений в цепочках, командный доступ, отсутствие логотипа сервиса в чат-боте, экспорт данных в csv файл, приоритетная поддержка.

Интерфейс Chatfuel

Слева на панели размещено меню с разделами: автоматизация, live chat, пользователи, которые взаимодействовали с ботом, и другие разделы. Справа — поле, где показываются сообщения бота и инструменты для создания сообщений:

Создание бота в Chatfuel

Процесс создания чат-бота устроен так: сначала создаются сообщения — Blocks, а потом они соединяются в цепочку с помощью функции Redirect. Вот как это выглядит на практике:

Создание сообщения бота с запросом данных от пользователя в Chatfuel

Стоимость: базовый план до 1 000 сообщений — бесплатно; профессиональный план — $49/месяц, приоритетная поддержка — $149/месяц.

Поддерживаемые платформы: Facebook.

Язык интерфейса: английский.

Шаблоны: 25 шаблонов для бизнеса — спортзал, кафе, подкаст, лидогенерация, шаблон бота для сайта.

Инструменты для создания сообщений: базовые + формы опроса.

Данные от пользователя: можно запрашивать email, телефон, дату, возраст, бюджет и другие данные, записывать их в атрибуты-переменные и использовать потом в цепочках.

За что берут деньги в платной версии: email уведомления о новых лидах, неограниченное количество триггерных цепочек, экспорт контактов, свое брендирование бота, интеграция с другими сервисами для бизнеса.

Интерфейс MobileMonkey

В MobileMonkey чат-бота создают в разделе меню Chatbots. Есть два подраздела. Первый — Dialogues для редактирования приветственного сообщения, автоматического ответа бота, создания меню бота. Второй — Questions&Answers, где можно задать слова-триггеры и цепочки ответов для них.

Интерфейс MobileMonkey

Создание цепочки сообщений бота в MobileMonkey выглядит так:

Создание сообщения с каруселью изображений в MobileMonkey

Стоимость: тестовый доступ на 14 дней — бесплатно; платные тарифы — от $19/месяц.

Поддерживаемые платформы: Facebook.

Язык интерфейса и документации: английский.

Инструменты для создания сообщений: базовые + возможность выставлять счета и принимать оплату через PayPal.

Данные от пользователя: можно запрашивать данные от пользователя в разном формате: дата, текст, время, местонахождение и другие.

Шаблоны для создания бота: 10 шаблонов для бизнеса. Есть шаблоны для магазинов, специальных предложений, выдачи купонов, агентства, ресторана, гостиницы, агентства недвижимости, блога.

Интеграции: Zapier, Mailchimp, GetResponse, Google Календарь.

За что берут деньги на платном тарифе: возможность создавать больше одного бота.

Интерфейс ChatbotsBuilder

На первый взгляд, интерфейс может показаться запутанным. Поэтому начать лучше с просмотра обучающих вебинаров на сайте ChatbotsBuilder. Так выглядит рабочее поле для создания сообщений бота. Здесь есть кнопки для создания цепочек: Wizard, New trigger — новая команда, Bot map — схема диалога бота и опции. Меню сервиса с дополнительными функциями находится справа:

Интерфейс сервиса Chatbots Builder

При создании первого бота сервис предлагает использовать визард — пошаговый помощник. Вот как выглядит создание сообщения в визарде:

Процесс создания бота с помощью пошагового помощника в ChatbotsBuilder

Стоимость: один бот с базовыми инструментами — бесплатно; платные тарифы — от $19/месяц.

Поддерживаемые платформы: Telegram, Facebook, Viber, «ВКонтакте», «Одноклассники», Whatsapp.

Язык интерфейса и документация: русский.

Данные от клиента: бот может запрашивать у пользователя фамилию, адрес и другие данные.

Инструменты создания сообщений: базовые + возможность отправлять карты с геолокацией, аудиофайлы, принимать оплату через PayOnline. В платной версии можно добавлять галерею, записывать данные в Google таблицу.

За что берут деньги в платной версии: возможность добавить галерею в сообщение, функционал для рассылок, оплаты и FAQ. Подключение WhatsApp.

Бот, созданный в Botmother, умеет получать данные по API из других систем компании. Благодаря этому в чате можно давать клиентам информацию, например, о состоянии счета или задержке рейса.

Интерфейс Botmother

В Botmother есть визуальный конструктор чат-бота. При создании цепочки вы переносите элементы на рабочее поле, прописываете текст сообщений и соединяете их:

Интерфейс Botmother

Создание сообщений бота в Botmother выглядит так:

Создание сообщений бота в Botm
other

Стоимость: 14 дней — бесплатный тестовый период; платные тарифы — от $50/месяц.

Поддерживаемые платформы: Facebook, Slack.

Язык интерфейса и документация: английский.

Шаблоны: для учебных учреждений, подбора сотрудников, интернет-магазина, ресторана и других видов бизнеса.

Инструменты создания сообщений: базовые.

Данные от пользователей: можно запрашивать у посетителей любые данные и сохранять их в базе как переменные.

Интеграции: Zapier.

За что берут деньги в платной версии: 1 000 диалогов, дополнительные за $0.01, неограниченное количество ботов, премиум-поддержка.

Платформу использовали для создания ботов компания Adidas, Бостонский университет, сервис поиска билетов Kayak.

Интерфейс ChatBot.com

Цепочки бота в сервисе называются историями (stories). Истории — это сценарии, основанные на поведении пользователей в чате. Например, одни пользователи заходят в чат, чтобы узнать цену. Это теплые лиды, для них создается история «Квалифицировать лид». Другие заходят просто посмотреть. Это посетители, для них создается история «Я просто смотрю».

После регистрации и входа в аккаунт сервис сразу предложит создать бота и отредактировать приветственное сообщение:

Интерфейс сервиса ChatBot.com

В сервисе есть интерактивная инструкция. За ее просмотр вам продлят тестовый период на 7 дней. Инструкция понятная, облегчает освоение сервиса, поэтому посмотреть стоит:

Интерактивная инструкция по работе с сервисом ChatBot.com

Что важно учесть, выбирая сервис создания чат-бота

У конструктора чат-ботов может быть много возможностей, но нужно знать, как их использовать. Поэтому, выбирая инструмент, обращайте внимание на документацию, обучающие материалы. Чтобы помочь клиентам использовать возможности чат-ботов, построенных в SendPulse, мы создали в Академии SendPulse курс по разработке чат-бота, проводим практические вебинары по этой теме. Например, вебинары «Facebook чат-бот своими руками: анатомия создания чат-ботов в SendPulse» и «Механика создания Facebook чат-ботов» помогут вам понять основы и сделать своего первого бота в SendPulse.

Регистрируйтесь в SendPulse, чтобы бесплатно создать чат-ботов, автоматизировать рутинные задачи и продвигать бизнес. А если у вас есть задача, но нет времени разбираться в сервисе самому, закажите создание чат-бота под ключ команде SendPulse!

[Всего: 5   Средний:  5/5]

Google дает возможность каждому пообщаться с ИИ: luckyea77 — LiveJournal

На сайте A.I. Experiments каждый может протестировать одно из 8 веб-приложений, в основе которых лежит искусственный интеллект. Google дает прикоснуться к машинному обучению и нейронным сетям в веселом и убивающем время формате.

Искусственный интеллект на сайте спрятан в нескольких приложениях. В некоторых из них он просматривается с первого взгляда, а в других не так очевиден.

Quick Draw, наверное, самое популярное из приложений. Оно просит пользователя нарисовать что-то и в процессе этого пытается распознать все то, что пользователь старается изобразить. Его работа основывается на том, как предыдущие художники выполняли аналогичные задания, то есть с каждой вашей попыткой нарисовать тигра приложение лучше и быстрее распознает картинку с животным. Предупреждение: Quick Draw очень затягивает и может отнять большое количество времени. Хотя время, потраченное на «дрессировку» ИИ, не стоит считать упущенным зря.

Менее впечатляющее Giorgio Cam накладывает на надоедливую мелодию все, что видит ваша веб-камера. Получается это у приложения с переменным успехом, но все равно забавно.

Странное, но завораживающее Birds Sounds даст то, чего явно не хватало каждому пользователю интернета — возможность услышать голоса более 14 000 птиц со всего света. На первый взгляд здесь трудно разглядеть машинное обучение, но создатели уверяют, что оно в программе присутствует. В приложение было загружено огромное количество разных звуковых файлов, отфильтровав которые, алгоритм выделил только те, что принадлежат птицам, и расположил их по схожести рядом друг с другом.

The Infinite Drum Machine также не сразу выдает свою связь с машинным обучением, но если прислушаться, то можно увидеть, что звуки, которые присутствуют на карте, образуют кластеры. Так же, как и в случае с птичьими голосами, алгоритм не получал никаких данных о входящих файлах. Машинное обучение позволило ему автоматически собрать близкие по происхождению звуки в отдельные кластеры. Человек же может создать из них гипнотическую симфонию, состоящую из лая собак, сирен скорой помощи и прочих бытовых звуков.

У Google уже есть похожая платформа Chrome Experiments. На ней собраны тысячи приложений, демонстрирующих возможности веб-технологий. Тоже интересный опыт и также сильно ворует время.

Искусственный интеллект: дружелюбно или устрашающе?

Это субботнее утро июня в Королевском обществе в Лондоне. Ученые-информатики, общественные деятели и репортеры собрались, чтобы стать свидетелями или принять участие в решении сложившейся десятилетиями проблемы. Некоторые из участников — из плоти и крови; другие — кремниевые и бинарные. Тридцать человек-судей садятся за компьютерные терминалы и начинают болтать. Цель? Чтобы определить, разговаривают ли они с компьютерной программой или с реальным человеком.

Мероприятие, организованное Университетом Рединга, представляло собой интерпретацию так называемого теста Тьюринга, разработанного 65 лет назад британским математиком и криптографом Аланом Тьюрингом как способ оценить, способна ли машина к интеллектуальному поведению, неотличимому от этого. человека.Недавно вышедший фильм «Игра в имитацию» об усилиях Тьюринга по взлому немецкого кода Enigma во время Второй мировой войны является ссылкой на собственное имя ученого для его теста.

В лондонском конкурсе одна компьютеризированная программа общения, или чат-бот, с личностью 13-летнего украинского мальчика по имени Юджин Густман, превзошла всех остальных участников. Он обманул 33 процента судей, заставив их думать, что это человек. В то время организаторы конкурса и СМИ приветствовали это достижение как историческое достижение, заявив, что чат-бот был первой машиной, которая «прошла» тест Тьюринга.[Инфографика: история искусственного интеллекта]

Десятилетия исследований и теоретической фантастики привели к появлению компьютеризированных помощников, таких как Siri от Apple. (Изображение предоставлено Карлом Тейтом, художником по инфографике)

Когда люди думают об искусственном интеллекте (ИИ) — изучении конструкции интеллектуальных систем и машин, — часто приходят на ум говорящие компьютеры, подобные Юджину Густману. Но большинство исследователей искусственного интеллекта меньше сосредоточены на создании умных собеседников и больше на разработке интеллектуальных систем, облегчающих жизнь людей — от программного обеспечения, которое может распознавать объекты и животных, до цифровых помощников, которые обслуживают и даже предвосхищают потребности и желания своих владельцев.

Но несколько выдающихся мыслителей, в том числе знаменитый физик Стивен Хокинг и предприниматель-миллиардер Илон Маск, предупреждают, что развитие искусственного интеллекта должно вызывать беспокойство.

Мыслящие машины

Представление об интеллектуальных автоматах как о друге или враге восходит к древним временам.

«Идея существования интеллекта в какой-либо форме, отличной от человека, кажется, глубоко укоренилась в человеческой психике», — сказал Дон Перлис, ученый-компьютерщик, изучающий искусственный интеллект в Университете Мэриленда в Колледж-Парке.

Сообщения о людях, поклоняющихся мифологическим изображениям людей и создающих гуманоидных автоматов, восходят к временам Древней Греции и Египта, сказал Перлис Live Science. Искусственный интеллект также занимает видное место в поп-культуре, от разумного компьютера HAL 9000 в фильме Стэнли Кубрика «2001: Космическая одиссея» до персонажа-робота Арнольда Шварценеггера в фильмах «Терминатор». [Краткая история искусственного интеллекта]

С тех пор, как область искусственного интеллекта была официально основана в середине 1950-х годов, люди предсказывали рост сознательных машин, сказал Перлис.Изобретатель и футурист Рэй Курцвейл, недавно нанятый на должность технического директора в Google, называет момент времени «сингулярностью», когда машинный интеллект превосходит человеческий. Основываясь на экспоненциальном росте технологий в соответствии с законом Мура (который гласит, что вычислительная мощность вычислений удваивается примерно каждые два года), Курцвейл предсказал, что сингулярность произойдет к 2045 году.

Но циклы ажиотажа и разочарований — так называемые «зимы». ИИ »- охарактеризовали историю искусственного интеллекта как грандиозные прогнозы, которые не сбылись.Тест Тьюринга Университета чтения — лишь последний пример: многие ученые отвергли выступление Юджина Густмана как домашнюю уловку; они сказали, что чат-бот обошел систему, приняв образ подростка, который говорил по-английски как на иностранном. (Фактически, многие исследователи теперь считают, что пришло время разработать обновленный тест Тьюринга.)

Тем не менее, ряд видных экспертов в области науки и технологий выразили обеспокоенность по поводу того, что человечество делает недостаточно для подготовки к развитию общего искусственного интеллекта, если и когда это произойдет.Ранее на этой неделе Хокинг выступил с серьезным предупреждением об угрозе ИИ.

«Развитие полного искусственного интеллекта может означать конец человеческой расы», — сказал Хокинг BBC в ответ на вопрос о своей новой системе распознавания голоса, которая использует искусственный интеллект для предсказания предполагаемых слов. (Хокинг имеет форму неврологического заболевания, боковой амиотрофический склероз, БАС или болезнь Лу Герига, и общается с помощью специального речевого программного обеспечения.)

И Хокинг не одинок.Маск сказал аудитории в Массачусетском технологическом институте, что ИИ является «самой большой угрозой существованию человечества». Он также однажды написал в Твиттере: «Мы должны быть очень осторожны с ИИ. Потенциально опаснее, чем ядерное оружие».

В марте Маск, генеральный директор Facebook Марк Цукерберг и актер Эштон Катчер совместно инвестировали 40 миллионов долларов в компанию Vicarious FPC, целью которой является создание работающего искусственного мозга. В то время Маск сказал CNBC, что хотел бы «следить за тем, что происходит с искусственным интеллектом», добавив: «Я думаю, что это потенциально опасный исход.»

Страх перед тем, что ИИ превратится в зловещие машины для убийства, как персонаж Арнольда Шварценеггера из фильмов» Терминатор «, не новость. (Изображение предоставлено Warner Bros.)

Но, несмотря на опасения высокопоставленных технологических лидеров, рост Многие исследователи утверждают, что создание сознательных машин, известных как «сильный ИИ» или «общий искусственный интеллект», вероятно, еще далеко. произойдет завтра — они захотят уничтожить нас или причинить вред », — сказал Чарли Ортис, глава отдела искусственного интеллекта в компании Nuance Communications, занимающейся разработкой программного обеспечения в Берлингтоне, штат Массачусетс.«Прежде чем компьютеры приблизятся к этому уровню, необходимо проделать огромную работу», — сказал он.

Машины с преимуществами

Искусственный интеллект — обширная и активная область исследований, но это уже не единственная область научных исследований; компании все чаще включают ИИ в свои продукты.

И есть одно имя, которое постоянно всплывает в поле: Google. Технологический гигант из района Залива, от помощников для смартфонов до беспилотных автомобилей, готовится стать крупным игроком в будущем искусственного интеллекта.

Google был пионером в использовании машинного обучения — компьютерных систем, которые могут учиться на основе данных, а не слепо следовать инструкциям. В частности, компания использует набор алгоритмов машинного обучения, которые вместе именуются «глубоким обучением», которые позволяют компьютеру выполнять такие действия, как распознавание закономерностей в огромных объемах данных.

Например, в июне 2012 года Google создал нейронную сеть из 16 000 компьютеров, которые научились распознавать кошку, просматривая миллионы изображений кошек из видео на YouTube, сообщает The New York Times.(В конце концов, что может быть более человечным, чем просмотр видео с кошками?)

Проект под названием Google Brain возглавлял Эндрю Нг, исследователь искусственного интеллекта из Стэнфордского университета, который сейчас является главным научным сотрудником китайской поисковой системы Baidu , который иногда называют «китайским Google».

Сегодня глубокое обучение является частью многих продуктов Google и Baidu, включая распознавание речи, веб-поиск и рекламу, — сказал Нг Live Science в электронном письме.

Современные компьютеры уже могут выполнять многие задачи, обычно выполняемые людьми.Но до появления человеческого интеллекта еще далеко, сказал Нг. «Я думаю, что мы все еще очень далеки от сингулярности. Это не та тема, над которой работают большинство исследователей ИИ».

Гэри Маркус, когнитивный психолог из Нью-Йоркского университета, который много писал об ИИ, согласен. «Я не думаю, что мы и близко подошли к человеческому разуму [для машин]», — сказал Маркус Live Science. С точки зрения моделирования человеческого мышления, «мы все еще живем в эпоху разрозненности».

Вместо этого такие компании, как Google, стремятся сделать технологии более полезными и интуитивно понятными.И это особенно заметно на рынке смартфонов.

Искусственный интеллект в вашем кармане

В фильме 2013 года «Она» персонаж актера Хоакина Феникса влюбляется в операционную систему своего смартфона «Саманту», персонального помощника на компьютере, который становится разумным. Этот фильм, очевидно, является продуктом Голливуда, но эксперты говорят, что в фильме есть по крайней мере одна вещь: технологии будут играть все более личные роли в повседневной жизни людей, будут изучать человеческие привычки и предсказывать потребности людей.

Любой, у кого есть iPhone, вероятно, знаком с цифровым помощником Apple Siri, впервые представленным в качестве функции на iPhone 4S в октябре 2011 года. Siri может отвечать на простые вопросы, выполнять поиск в Интернете и выполнять другие основные функции. Эквивалент Microsoft — Кортана, цифровой помощник, доступный на телефонах Windows. А у Google есть приложение Google, доступное для телефонов Android или iPhone, которое заявляет, что предоставляет «нужную вам информацию и тогда, когда она вам нужна».

Например, Google Now может отображать информацию о загруженности дорог во время ежедневных поездок на работу или напоминать вам список покупок, пока вы находитесь в магазине.Вы можете задать приложению вопросы, например: «Надеть ли завтра свитер?» и он даст вам прогноз погоды. И, возможно, немного жутко, вы можете попросить его «показать мне все мои фотографии собак» (или «кошек», «закатов» или даже имени человека), и приложение найдет фотографии, которые соответствуют этому описанию, даже если вы не пометили их как таковые.

Учитывая, сколько личных данных от пользователей Google хранит в форме электронных писем, историй поиска и облачных хранилищ, глубокие инвестиции компании в искусственный интеллект могут показаться обескураживающими.Например, искусственный интеллект может облегчить компании доставку целевой рекламы, которую некоторые пользователи уже считают неприятной. А программное обеспечение для распознавания изображений на основе ИИ может усложнить пользователям сохранение анонимности в Интернете.

Но компания, чей девиз «Не будь злом», утверждает, что она может решить потенциальные опасения по поводу своей работы в области ИИ, проводя открытые исследования и сотрудничая с другими учреждениями, сообщил Live Science представитель компании Джейсон Фрейденфельдс. Что касается вопросов конфиденциальности, в частности, он сказал: «Google делает все возможное, чтобы обеспечить безопасность и надежность вашей информации», называя безопасность данных «главным приоритетом».»

Хотя телефон, который может узнать, куда вы едете, ответить на ваши вопросы или распознать, как выглядит собака, может показаться сложным, он все же бледнеет по сравнению с человеком. В некоторых областях ИИ не более продвинут, чем малыш. На вопрос, многие исследователи ИИ признают, что день, когда машины будут соперничать с человеческим интеллектом, в конечном итоге настанет. Вопрос в том, готовы ли люди к этому?

В фильме «Превосходство» персонаж Джонни Деппа загружает свой разум в компьютер. но это плохо кончается.(Изображение предоставлено Warner Bros.)

Серьезное отношение к ИИ

В фильме 2014 года «Превосходство» персонаж актера Джонни Деппа загружает свой разум в компьютер, но его жажда власти вскоре угрожает автономии его собратьев. [Супер-интеллектуальные машины: 7 роботов будущего]

Голливуд не известен своей научной точностью, но темы фильма не остаются незамеченными. В апреле, когда был выпущен «Трансенденс», Хокинг и его коллега-физик Фрэнк Вильчек, космолог Макс Тегмарк и ученый-компьютерщик Стюарт Рассел опубликовали в The Huffington Post статью, в которой предупреждали об опасностях ИИ.

«Заманчиво отвергнуть понятие высокоинтеллектуальных машин как простую научную фантастику, — писали в статье Хокинг и другие. — Но это было бы ошибкой и, возможно, самой большой ошибкой».

Несомненно, искусственный интеллект может иметь много преимуществ, таких как помощь в искоренении войн, болезней и бедности, пишут ученые. Они писали, что создание интеллектуальных машин было бы одним из величайших достижений в истории человечества, но, возможно, и последним. По их словам, учитывая, что сингулярность может быть лучшим или худшим событием, которое случится с человечеством, недостаточно исследований посвящено пониманию ее последствий.

Как писали ученые: «В то время как краткосрочное влияние ИИ зависит от того, кто его контролирует, долгосрочное влияние зависит от того, можно ли его вообще контролировать».

Следуйте за Тани Льюис на Twitter . Следуйте за нами @livescience , Facebook и Google+ . Оригинальная статья о Live Science.

.

Последние инновации в области искусственного интеллекта

Какие самые последние разработки в области искусственного интеллекта? С таким большим количеством новых приложений для искусственного интеллекта, которые широко используются в самых разных отраслях, может быть сложно не отставать. В этом посте мы расскажем о некоторых интересных достижениях, достигнутых в 2019 году, и посмотрим, что их ждет на горизонте.

ИИ углубляется

Робототехника — основная область развития сообщества ИИ, поэтому неудивительно, что существует множество стартапов, которые проводят исследования с намерением развивать эту область дальше.Сиэтлская компания Olis Robotics привлекла внимание GeekWire ранее в этом году своим решением, разработанным для выведения робототехники не только на новый уровень, но и где-то еще.

По словам генерального директора Дона Пикеринга, «инновации Olis Robotics в настоящее время проявляются в контроллере plug-and-play, загруженном с нашей программной платформой, управляемой ИИ. Контроллер и наше собственное программное обеспечение могут управлять привязанными роботами на дне океана, роботами для обслуживания спутников, использующими спутниковые каналы с высокой задержкой в ​​космосе, или промышленными роботами, устраняющими опасные разливы химикатов на суше, используя сети 4G / 5G.Наши инновации экспоненциально расширят роль роботов, чтобы оказать влияние на развитие и исследования человечества ».

Умные деньги — на ИИ

Недавнее исследование Deloitte под названием Лидеры ИИ в финансовых услугах, общие черты лидеров гонки искусственного интеллекта дает хорошее представление о том, как ИИ революционизирует индустрию финансовых услуг. В исследовании приводятся ключевые статистические данные, которые отражают стремительно развивающееся использование технологий ИИ:

  • Передовые компании, оказывающие финансовые услуги, достигают роста выручки в масштабах всей компании на 19%, что напрямую связано с их инициативами в области ИИ, что намного больше, чем у 12% компаний-последователей.
  • 70% компаний, участвовавших в исследовании, сегодня используют машинное обучение в производственной среде, а 60% используют обработку естественного языка (NLP).
  • 60% компаний-лидеров в сфере финансовых услуг определяют успех ИИ путем повышения доходов — 47% — за счет улучшения качества обслуживания клиентов.
  • 49% лидеров имеют комплексную организационную стратегию внедрения ИИ, которой, как ожидается, будут следовать отделы, что даст им немедленный масштаб и скорость по сравнению с конкурирующими фирмами.
  • 45% компаний-лидеров в области ИИ сегодня инвестируют более 5 миллионов долларов в инициативы в области ИИ, что в 3 раза превышает уровень тех, кто начинает или поздно внедряет ИИ.

Машинное обучение становится безумным

Новое программное обеспечение искусственного интеллекта, разработанное исследователями из Оксфордского университета, может распознавать и отслеживать лица отдельных шимпанзе в их естественной среде обитания. Согласно новому докладу, программное обеспечение позволит исследователям и защитникам дикой природы значительно сократить время и ресурсы, затрачиваемые на анализ видеозаписи.

В Science Daily Дэн Скофилд, исследователь и студент DPhil Лаборатории моделей приматов из Школы антропологии Оксфордского университета объяснил: «Для таких видов, как шимпанзе, которые ведут сложную социальную жизнь и живут много лет, получая снимки своего поведения с короткого расстояния. Полевые исследования терминов могут сказать нам очень многое. Используя возможности машинного обучения для разблокировки больших видеоархивов, он позволяет измерять поведение в долгосрочной перспективе, например, наблюдать, как социальные взаимодействия группы меняются на протяжении нескольких поколений.’

Модель компьютерного зрения была обучена с использованием более 10 миллионов изображений из видеоархива диких шимпанзе из Гвинеи, Западная Африка, из видеоархива Института исследований приматов Киотского университета (PRI). Команда из Оксфорда надеется, что новое программное обеспечение поможет улучшить усилия по сохранению в районах, где шимпанзе находятся под угрозой исчезновения.

ИИ делает здравоохранение умнее

Некоторые важные разработки, связанные с ИИ, происходят в отрасли здравоохранения, где потребность в более своевременной и точной идентификации заболеваний, улучшенной поддержке принятия клинических решений и налаженном общении между врачами и их пациентами является движущей силой инновации.Чтобы проиллюстрировать, как технологии искусственного интеллекта могут революционизировать медицинские стратегии, давайте посмотрим, как выявляется и лечится инсульт. Поскольку это причина смерти №5 и ведущая причина инвалидности в Соединенных Штатах, существует значительный интерес к использованию новейших технологий для улучшения выявления и лечения.

Исследовательские группы в настоящее время работают над инструментами на основе искусственного интеллекта, которые могут автоматизировать определение типа инсульта, перенесенного пациентом, а также местоположения сгустка или кровотечения.Это может помочь специалистам оптимизировать процесс принятия решений относительно лечения, соответствующего потребностям пациента. В прошлом году Управление по санитарному надзору за качеством пищевых продуктов и медикаментов США одобрило приложение под названием Contact, разработанное стартапом Viz.AI из Сан-Франциско. Приложение использует программное обеспечение для компьютерной сортировки для поиска окклюзий крупных сосудов на КТ головного мозга, а затем отправляет текстовое сообщение специалисту по нервно-сосудистым заболеваниям. Компания продает этот мобильный инструмент здравоохранения как систему прямого вмешательства.

Какие тенденции в области ИИ нам следует искать в 2020 году?

  • Розничный маркетинг. Быстрые улучшения в технологии искусственного интеллекта способствуют более широкому внедрению систем обслуживания клиентов на основе искусственного интеллекта, которые, как мы можем ожидать, станут более распространенными в 2020 году и в последующий период. Кроме того, искусственный интеллект в сочетании с прогнозной аналитикой призван помочь розничным продавцам определять тенденции покупок и быстро запускать автоматизированные кампании, которые побудят целевых клиентов действовать. Покупки в магазине также станут в высшей степени персонализированными, с решениями компьютерного зрения (CV), которые оживят впечатляющий опыт «подключенного магазина».
  • Искусственный интеллект для ИТ-операций (AIOps) . Первоначально созданный Gartner в 2017 году, AIOps относится к способу управления данными и информацией из среды приложений ИТ-командой с использованием искусственного интеллекта. Согласно Gartner, «платформы AIOps улучшают ИТ-операции за счет более глубокого понимания за счет объединения больших данных, машинного обучения и визуализации. Руководители I&O должны инициировать развертывание AIOps, чтобы уточнить анализ производительности сегодня и расширить возможности управления и автоматизации ИТ-услуг в течение следующих двух-пяти лет.”
  • Автономные автомобили . Когда речь заходит о разработках в области искусственного интеллекта, это тема, которая находится в центре внимания. Согласно прогнозам PwC, к 2030 году 40% пробега в Европе можно будет покрыть за счет беспилотных транспортных средств. По данным Министерства транспорта США, 63,3% из 1139 миллиардов долларов товаров, отправленных в 2017 году, были перемещены по дорогам. Это делает автомобильные перевозки одним из крупнейших производителей выбросов в мире. В этом свете преимущества беспилотных автомобилей и грузовиков весьма значительны.Они могут вести машину часами, не теряя концентрации, и могут оптимизировать расход топлива и маршруты, чтобы улучшить управление энергией и временем.

Этот список, конечно, лишь малая часть того, что мы видим и можем ожидать в области искусственного интеллекта. По мере того как компании по всему миру реализуют инициативы в области искусственного интеллекта, критически важным шагом является обеспечение надежной стратегии данных обучения. Appen готов помочь с глобальной сетью, состоящей из более чем 1 миллиона квалифицированных подрядчиков, работающих в более чем 130 странах и использующих более 180 языков и диалектов.Это означает, что мы можем собирать и маркировать большие объемы изображений, текста, речи, аудио и видео данных, используемых для создания и улучшения систем искусственного интеллекта.


Узнайте больше о комплексном решении Appen для высококачественных данных обучения.

.

Добавить комментарий

Ваш адрес email не будет опубликован. Обязательные поля помечены *