Avances en Ingeniería Genética
Acceso abierto
ISSN: 2169-0111
ISSN: 2169-0111
Arpita Gupta
La IA conversacional se refiere a la interacción de los usuarios a través de aplicaciones de mensajería o asistentes virtuales. Dichas comunicaciones a través de agentes virtuales o bots de chat están diseñadas para brindar una experiencia de usuario personalizada. Las interacciones de los bots de chat están impulsadas por mensajes de cola larga, consultas o interacción bidireccional con las audiencias privadas. El poder real de la IA conversacional está en su capacidad para proporcionar interacciones altamente personalizadas con una gran cantidad de clientes en conjunto. Como caso de uso comercial, la IA conversacional puede transformar las formas tradicionales de comunicación al facilitar un compromiso profundo con los usuarios. Una poderosa aplicación de la IA conversacional es el sistema de respuesta a preguntas. Ya sea un asistente virtual o un bot de chat, o cualquier sistema de soporte diseñado por cualquier empresa, el modelo de preguntas y respuestas juega un papel crucial para proporcionar dichos servicios. Un sistema automatizado de respuesta a preguntas permite que una empresa brinde a sus usuarios una experiencia más dinámica y personalizada. En la práctica, es difícil que un ser humano responda todas las consultas que le hacen los usuarios a la vez. Si alguien quiere hacerlo, se necesitarán más recursos para comprometerse con los clientes para resolver sus problemas en los servicios o productos ofrecidos. El sistema automatizado de respuesta a preguntas no solo ahorra mucho tiempo, sino que también
Actúa como una herramienta eficaz para entender las necesidades del cliente y sus
comportamiento.
La arquitectura general del proceso de respuesta a preguntas consiste en recibir información de los usuarios, análisis de consultas, recuperación de información de la base de datos, extracción de la respuesta más relevante y luego generar la respuesta deseada. No es tan fácil como parece. ¿Por qué? Esto se debe a los diversos desafíos que se enfrentaron durante el modelado. En esta sesión, discutiremos varios desafíos que se enfrentan para diseñar un sistema de respuesta a preguntas, como la disponibilidad de datos, la calidad de los datos, su interpretabilidad y la barrera del idioma. Aunque se han implantado algoritmos serval [1] para diseñar el sistema de respuesta a preguntas más eficiente, BERT [2] supera a todos. Discutiremos cómo la representación de codificador bidireccional del algoritmo Transformer [2] ayuda a resolver los desafíos mencionados y proporciona una solución opcional. Este tutorial se centrará en el diseño de un modelo de respuesta a preguntas mediante el uso de la herramienta de comunicación favorita de los humanos: el procesamiento del lenguaje natural. Para esta sesión, asumiré que estoy familiarizado con los términos básicos del procesamiento del lenguaje natural y python. El cuerpo de la charla se centrará en la implementación de BERT [2] para diseñar un modelo de respuesta a preguntas, técnicas de extracción de características para datos. Biografía: Arpita Gupta es científica de datos de profesión y trabaja con Accenture en India con el equipo de análisis predictivo de la subdivisión de IA. Es responsable de crear soluciones de IA, modelar y validar soluciones en diferentes dominios, incluida la visión por computadora y el procesamiento del lenguaje natural. Tiene una maestría en sistemas integrados de la prestigiosa universidad de la India, BITS Pilani. Arpita tiene 3 años de experiencia industrial en el dominio de la ciencia de datos y 2 años de experiencia en investigación en aprendizaje profundo. También ha estado involucrada en compartir su conocimiento a través de su sitio web “https://www.let-the-data-confess. com/” a través de seminarios web y sus blogs. Le apasionan los avances en la investigación del aprendizaje profundo.