Data+AI时代,如何打造下一代数智平台? 了解详情
写点什么

初创公司想要聊天机器人,但 80% 缺乏关于对话式人工智能的知识

  • 2022-12-01
    北京
  • 本文字数:1779 字

    阅读完需:约 6 分钟

初创公司想要聊天机器人,但80%缺乏关于对话式人工智能的知识

本文最初发布于 readwrite 博客。


对话式人工智能市场正在急剧增长,训练新的大型生成模型,扩大技术栈,并为市场带来更多先进的产品。到 2030 年,其市场规模预计将达420 亿美元左右。对话式 AI 产品背后的技术也变得越来越复杂。


这并不奇怪——科技巨头在研发上投入了大量资金。例如,OpenAI 项目(由埃隆·马斯克及其他科技明星在 2015 年创建)获得了 10 亿美元的捐赠,在接下来的三年又额外从微软筹集了 10 亿美元。


与此同时,除了 GPT-3(Generative Pre-Trained Transformer 3)等大型生成模型外,现代而又先进的 ConvAI 应用范围还很有限。尽管有许多“玩具”项目使用了 GPT-3,也有一些聊天产品使用了 GPT-3 及类似模型,但其他方面的进展应用还没有那么广泛。如今,小公司该如何从技术发展中受益并实现自己的人工智能助手?

期望与现实

DeepPavlov.ai 团队开发的开源对话式 AI 技术栈旨在加速和简化聊天机器人和人工智能助手的开发。2022 年 6 月,我们向在其业务中使用会话式 AI 的初创公司了解了他们使用这项技术的预期结果。


我们采访了 20 位初创公司的创始人和首席技术官,他们来自教育科技、金融科技、自动化和咨询市场。所有人都提到,聊天机器人为其细分市场带来了无可争辩的好处,包括让业务更加顺畅。


结果显示,初创公司希望ConvAI能带来实质性的结果,其中包括提高客户接触的遏制率,提高呼叫中心的人员效率,以及借机削减运营成本。但与此同时,近 80%的受访者提到,在实施和开发聊天机器人时遇到了困难。


早些时候,RASA 也研究了会话式AI在客户服务领域的应用现状。他们指出,这项技术主要带来了两方面的业务优势:自动与客户进行双向自然语言对话的能力,以及通过分析对话了解客户需求的能力。


这些结论与 Gartner 的全球研究结果一致。Gartner 表示,小型企业可以通过使用聊天机器人取代人工来节省工资和培训费用。


投资聊天机器人的主要成果包括通过虚拟助手增加客户联系次数,改善客户体验,同时提高销售经理的效率,获得额外的商业机会。

采用障碍

现代 ConvAI 采用的瓶颈是初创公司的创始人对技术机遇缺乏清晰、深刻的理解。他们不是很清楚自己需要聊天机器人(特别是 NLP 分类器)提供什么功能。这一点,他们在回答我们的提问时提到了。


一半的受访者表示,聊天机器人可以在与客户对话时帮助他们提取人类语音中的意图和特征。另一个普遍的需求,大约占 45%,是提取命名实体。而 10%的人则表示,他们需要对人类语音的情感特征进行分类


由此可以看出,对话式 AI 创建者的设想通常是多么模糊。大多数人(80%)不理解先进的对话式 AI 和聊天机器人对他们的业务都意味着什么。因此,这限制了他们实施此类技术。


此外,对话式 AI 平台支持的领域、模式和行业越多就越复杂,就越难为普通的初创公司市场参与者所使用。


因此,无论是技术的创造,还是让它变得可理解,都对未来对话式 AI 的蓬勃发展至关重要。在初创公司开展会话式 AI 培训可以帮助他们填补知识空白。

让初创公司可以从对话式 AI 受益

只有科技巨头、实验室、开发人员和初创公司之间展开对话,聊天机器人及其可用性才会有一个更好的未来。


Alexa Prize 挑战赛就是一个很好的例子。大赛为团队提供了一个在安全空间里测试技术并进行数千次对话的机会,让他们可以获得独特的发现。


例如,去年,其中就有一个团队了解到,有 10%的用户与机器人交谈超过 10 分钟,并试图通过提出个性化问题来建立关联性联系,甚至容忍了机器人的古怪行为。


毫无疑问,亚马逊在鼓励开发人员增加 Alexa 技能或以它们为基础构建 ConvAI 解决方案方面做得很好。但由于其核心技术是闭源的,其进一步应用受到了限制。

另一种方法是借助开源 ConvAI 解决方案提供的强大功能。

RASA 正在用它的开源框架支持面向任务的聊天机器人开发。但是,使用该技术开发多功能 AI 助手仍然是一个挑战。作为一个诞生于学术界的项目,DeepPavlov 的团队希望可以促进其开源应用。


我们的目标是帮助目标用户(包括中小型企业)简化复杂产品的开发,提升他们的开发速度。

人工智能可以为初创公司带来巨大收益

不过,有一件很重要的事是先开展相当数量的培训。为了最大化聊天机器人和虚拟助手的收益,初创公司应该知道预期交付成果是什么,以及如何针对他们特有的情况开发这项技术。


市场玩家要意识到,技术的进步应易于理解和使用。


声明:本文为 InfoQ 翻译,未经许可禁止转载。


原文链接:https://readwrite.com/startups-want-chatbots-but-80-lack-knowledge-about-conversational-ai

2022-12-01 15:303308
用户头像
刘燕 InfoQ高级技术编辑

发布了 1112 篇内容, 共 568.8 次阅读, 收获喜欢 1979 次。

关注

评论

发布
暂无评论
发现更多内容

第十周作业

solike

架构师训练营第十一周作业

Geek_4c1353

极客大学架构师训练营

第六周作业总结

hunk

极客大学架构师训练营

CAP 原理简述

jorden wang

架构师训练营第 10 周课后练习

叶纪想

极客大学架构师训练营

【架构师训练营 1 期】第十周学习总结

诺乐

Week_10 总结

golangboy

极客大学架构师训练营

git 在未保存,add,commit,push下撤销的方法?收藏后再也不用找了

小松漫步

9 性能优化(三)课后练习

ABS

架构师训练营第六周总结:

xiaomao

架构师训练营第六周作业

xiaomao

学习总结之分布式数据库

幸福小子

面试被问Mybatis底层实现:你连这个知识点都说不明白?

小Q

Java 编程 程序员 架构 mybatis

【架构师训练营 1 期】第十周作业

诺乐

架构第十周作业

Geek_Gu

极客大学架构师训练营

CAP原理

皮蛋

CAP CAP原理

架构师训练营 - week10 - 作业

lucian

极客大学架构师训练营

与前端训练营的日子 --Week05

SamGo

学习

10 模块分解课后练习

ABS

目标检测之WBF(Weighted Boxes Fusion)

Dreamer

目标检测

第十周学习总结

熊桂平

极客大学架构师训练营

第 6 周作业

Steven

极客大学架构师训练营

模块分解

wing

极客大学架构师训练营

架构2期-第六周作业(1)

浮生一梦

极客大学架构师训练营 2组 第六周作业

第十周 模块分解总结

蓝黑

极客大学架构师训练营

架构师训练营2期 第六周总结

月下独酌

极客大学架构师训练营

第10周作业

paul

架构第十周总结

Geek_Gu

极客大学架构师训练营

架构师训练营第2期 第六周课后练习

月下独酌

极客大学架构师训练营

week6 技术选型(二) 作业和学习总结

杨斌

CAP原理

幸福小子

分布式 CAP原理

初创公司想要聊天机器人,但80%缺乏关于对话式人工智能的知识_AI&大模型_Daniel Kornev_InfoQ精选文章