هوش مصنوعی ( بخش اول )

چکیده:

در این فصل، شما خواهید دید که چطور هوش مصنوعی می تواند از پیش بینی سرب ومشخصات ان برای شناسایی مخاطبان شبیه به هم استفاده کند.همچنین، دراین فصل در مورد توصیه های فردی و برنامه های رسانه ای مبتنی بر هوش مصنوعی نیز بحث خواهد شد. یک نمونه استفاده از هوش مصنوعی ، تجارت با مکالمه است که ازانتقال صدا به صدا به دست میاید. ما می توانیم از سیستم های هوش مصنوعی نیز برای تجزیه و تحلیل احساسات، ایجاد محتوا و توزیع محتوا نیز استفاده کنیم. تشخیص حساب های جعلی و اخبار جعلی یک چالش بزرگ برای فرآیندهای هوش مصنوعی محسوب می شود.

بخش خدمات: از چت روم های ساده گرفته تا دستیاران شخصی دیجیتال

منشاء انتظار مشتریان و شرکت ها

برنامه های مرتبط با هوش مصنوعی می توانند به طریق مختلف در بخش خدمات مورد استفاده قرار گیرند. کشورهای صنعتی و نوظهور در جهت توسعه اقتصاد خدمات روز به روز بیشتر می شوند ، که این روند، چالش های اساسی را برای هوش مصنوعی در پی دارد. قبل از این که هوش مصنوعی بتواند خدمات را بهینه کند ، لازم است نگاهی به انتظارات مشتریان و شرکتها بیندازد. منشاء انتظار مشتریان و شرکت ها ابزاری ایده آل برای این مساله به حساب میاید. این تجزیه و تحلیل ، که در ابتدا به گفتگوها متمرکز شده بود ، اکنون به طور گسترده تر روی فرآیندهای مشتری محور متمرکز شده است. این به شما امکان می دهد تا بطور منظم تعیین کنید که چقدر چنین فرآیندهایی در تحقق انتظارات شرکت و یا مشتری شما سهیم هستند. انتظارات شرکت ها و مشتریان در همین راستا پیش می رود.

 در حالت عادی انتظارات شرکت ها و مشتریان متفاوت است: گاهی شرکت دوست دارد از چنین فرآیندهایی جلوگیری کند ، اما در مقابل مشتریان  انتظار دارند که آنها را به شکل مشاوره ، پشتیبانی و غیره برای ایجاد توازن در منافعشان به کار ببرند.انها می‌خواهند از طریق چت روم یا پیشنهادات سرویسشان به این خدمات تکیه کنند. در این حالت میتوان به طور مداوم به سؤالات تکرار شده یک پاسخ به صرفه داد. علاوه بر این ، توصیه های شخصی پشتیبانی شده از AI می تواند به صورت ساده ترارائه شود که در این صورت، منافع نیز از هم جدا می شوند و منجر به انتظارات جدیدی می شوند. در این زمان، شرکت در اینجا فرصتهای ارزش افزوده چون اخذ مجوز نامه های الکترونیکی یا  اجرای مراحل ورود به سیستم ، پیگیری تماس ها ، درخواست ارزیابی را مشاهده می‌کند. در اینجا ساده سازی و بهبود فرایندها ضروری است. در اینجا لازم است که در فرآیندهای اساسی سرمایه گذاری شود تا از پتانسیل موجود بهره برداری شود. گفتگوهای ایجاد ارزش را می توان با ارائه نماینده تماس  در زمان واقعی  با پیشنهادهای بهینه بعدی و همچنین سایر توصیه هایی که با پشتیبانی هوش مصنوعی به عنوان مشتری مشخص شده اند ، حاصل کرد. این می تواند به طور مداوم تجربه مشتری را بهبود بخشد. این اهرم و روال می تواند شامل توسعه مشترک راه حل هایی باشد که می تواند منجر به افزایش وفاداری مشتری شود.

کارت حافظه

انتظار مشتریان و شرکت ها یک چارچوب جهت گیری مهم را برای شما فراهم می کند تا اولویت های مناسب برای اتوماسیون را از طریق هوش مصنوعی تعیین کنید و انتظارات مشتری را در خاطر داشته باشید!

تجزیه و تحلیل صوتی و چت بات در بخش خدمات

خدمات مشتری میزان کاربرد هوش مصنوعی را نشان میدهد. در اینجا ، برنامه های کاربردی هوش مصنوعی می توانند قدرت عملکرد خود را آشکار سازند و بسیاری از راه حل ها و فرآیندهای سنتی را جایگزین کنند. به این ترتیب ، دیجیتالی شدن خدمات مشتری می تواند توسط هوش مصنوعی هدایت شود. با این اوصاف، می توان مراحل مختلف خدمات مشتری را توسعه داد. این موارد از شناسایی صدا و تجزیه و تحلیل صوتی گرفته تا ارتباطات پشتیبانی شده از طریق هوش مصنوعی از طریق یک چت بات ساده و دستیاران شخصی دیجیتال ، که امروزه مانند تلفن های هوشمند هستند ، تبدیل به یک ابزار ضروری در بسیاری از کارهای روزمره می شوند. این مساله، گرایش به سمت سرویس دهی خودکار مشتری است. برنامه های هوش مصنوعی ، مبتنی بر بانکهای اطلاعاتی جامع مشتری ، می توانند با ارائه اطلاعات مربوط به مشتری و اطلاعات مربوط به پیشنهادهای سفارشی برای پشتیبانی از ارتباطات ارزش افزوده ، به بهبود تجربه مشتری کمک کنند. این می تواند کیفیت تماس با مرکز خدمات را بهبود بخشد. شناسایی صدا  بین دو زمینه کاربرد تفاوت قائل است. از یک سو ، این شامل پردازش زبان طبیعی است که قبلاً در این بخش ذکر شده است. از طرف دیگر ، این مربوط به تشخیص بلندگو است چه کسی صحبت می کند؟ تمرکز روی شناسایی شخص بر اساس ویژگی های یک صدا است. فرایندی که به عنوان تأیید صحت بلندگو شناخته می شود برای شناسایی مشتری در هنگام کنترل فرایندهای مربوط به امنیت یا معاملات مهم (به عنوان مثال بانکداری تلفنی) از طریق صدا از اهمیت ویژه ای برخوردار است. تشخیص بلندگو همچنین برای سفارشات ساده از طریق صدا  به عنوان مثال از طریق دستیار شخصی دیجیتال مهم است.

چیزی که ارزش فکر کردن دارد

اگر چنین بلندگو و سخنگویی درسایت الکسا وجود داشته باشد ، مثال زیر هرگز وجود نخواهد داشت. در آغاز کار، این مساله بی ضرر است: دختری در ایالات متحده آمریكا یک خانه برای عروسکش و مقداری بیسكویت ازسایت الكس سفارش داده بود.او از پدر و مادرش طرز سفارش از سایت را به سرعت یاد گرفته بود. موضوع از آنجا شروع شد که یک خبرنامه در یک پخش خبرهای آمریکایی در مورد این پرونده گزارش داد و این جمله سرنوشت ساز را گفت: “من این دختر كوچك را دوست دارم ، او می‌گوید سایت الکسا به من یك خانه عروسك هدیه داد. از آنجا که سایت خدمات رسانی الکسا در بسیاری از خانواده های آمریکایی در نزدیکی تلویزیون نصب شده است ، بسیاری از دستگاه های سایت الکسا این دستور را شنیدند و آن را اجرا کردند! تعداد زیادی از شکایات توسط ایستگاه دریافت شد زیرا سایت الکسا در اینجا فرآیندهای خرید را آغاز کرده بود.

می توان تصور کرد که میلیون ها کاربرکار با این وسایل را بلد نیستند. برای جلوگیری از چنین تأثیراتی ، راه حلهای داخلی سایت الکسا وجود دارد: گزینه خرید به طور پیش فرض درسخنگوی هوشمند فعال می شود اما می تواند خاموش باشد. از طرف دیگر ، می توانید یک پین را برای تأیید هر خرید ذخیره کنید. دستورالعمل های امنیتی وجود دارد ، اما چه کسی همیشه از آنها به طور مداوم استفاده کرده است؟

چیزی که ارزش فکر کردن دارد

 بیایید به چیز دیگری فکر کنیم. یک کامیون با  بلندگوهای بزرگ در خیابان عبور می کند. از میان این جعبه ها ، فرمان سایت الکسا ، در را بازکن بارها رونق می گیرد. چه اتفاقی می افتد که سایت الکسا در بیشتر خانواده ها نصب شده است؟ برای فعال کردن تشخیص بلندگو برای سفارشات ، اما به ویژه برای دستورات باز کردن درب می توان  چاپ صوتی ایجاد کرد. سیستم های مربوطه از پدیده ای استفاده می کنند که هر صدا بی نظیر است. دلایل الگوهای صوتی قابل تشخیص به دلیل آناتومی (به عنوان مثال اندازه و شکل گردن و دهان) و همچنین الگوهای رفتاری اکتسابی (به عنوان مثال صدای صوتی میباشد ، که اغلب با لهجه های مختلف بیان میشوند. این ویژگی ها توسط طیف صدا نمایان می شوند. طیف سنج ، فرکانس یک صدا را در محور عمودی با گذشت زمان در محور افقی نشان می دهد. این هسته اصلی چاپ صوتی است و بسیار ظریف تر از یک اسکنراست که معمولاً در فیلم ها با آنها روبرو می شویم و با لنزهایی کار می کند که طبیعی نیستند. تشخیص بلندگو معمولاً در دو مرحله انجام می شود: ثبت نام و تأیید صحت. در مرحله ثبت نام ، صدای بلندگو برای ایجاد چاپ صوتی ضبط می شود. در مرحله تأیید ، چاپ صوتی جدید با چاپ صوتی ضبط شده قبلی مقایسه می شود. تصور ما این است که حدس بزنیم که چگونه چنین چاپ صوتی بعد از مراجعه به دندانپزشک (با بی حسی) یا در صورت سرماخوردگی کار می کند! این هیجان انگیز است که دریابیم که آیا با استفاده ازسایت الکسا می توان از طریق تشخیص بلندگو اجتناب کرد. طوطی روکو از بلوبوری انگلیس  چیزهای مختلفی را از طریق الکسا با تقلید صدای صاحبش سفارش داد. روکو یک طوطی خاکستری است که هوش یک کودک پنج ساله را دارد. این گونه طوطی می تواند کلمات را تقریبا درست تکرار کند. روکو به سرعت متوجه نحوه عملکرد سایت الکسا شد. پس از فعال سازی ، طوطی دستور داد کلم بروکلی ، کشمش ، هندوانه ، بستنی و حتی لامپهای سبک و یک بادبادک برای او بیاورند. روکو همچنین برای سرگرمی موسیقی الکسا را ​​قرار داد وبا ان موسیقی رقصیده بود.

ما به عنوان کاربران این سایت ، باید در مورد مکانیسم های مختلفی فکر کنیم که از سوء استفاده ها و حملات  مهندسی اجتماعی آن جلوگیری کنیم. جذابیت اجتماعی اصطلاحی است که برای توصیف تأثیرگذاری بین فردی به کار می رود که با هدف تحریک الگوهای رفتاری خاص در شخص دیگر صورت می گیرد. این می تواند ارتباط اطلاعات محرمانه مثل گذرواژه ها یا القاء معاملات مضر برای شخص مورد نظر باشد . به اصطلاح مهندسین اجتماعی از محیط شخصی قربانی جاسوسی می کنند تا در این صورت به مردم این منطقه وانمود کنند که فرد X یا Y است.

این به اصطلاح هک اجتماعی است. در صورت استفاده از تشخیص قدرتمند بلندگو ، می توان این مشکل را ایجاد کرد یا حداقل آن را رمزگذاری کرد. اما باید توجه داشته باشیم كه امروزه مردم غالباً الگوهای گفتار را مخصوصا در فیلم ها جعل میکنند.

کارت حافظه

اگر می خواهیم ابزارهای شخصی دیجیتال را به عنوان رابط در ارتباطات خود با مشتری به کار بگیریم  ، باید برای جلوگیری از سوء استفاده از رابط ، نوع بلندگو را تشخیص دهیم. تشخیص گفتار بدون تشخیص بلندگو به تنهایی کافی نیست. برای کسب اطلاعات بیشتر در مورد بلندگو نیز می توانید از تجزیه و تحلیل صوتی استفاده کنید. برای استنباط وضعیت هیجانی و در نتیجه فوریت نگرانی ، می توان صدای گوینده را تجزیه و تحلیل کرد. در مورد مصاحبه های مهم که با استفاده از تجزیه و تحلیل صوتی در مرکز تماس تعیین می شوند ، تماس می تواند به کارمندان واجد شرایط هدایت شود. شرکت مستقر در المان یک سیستم هوش مصنوعی پیشرفته برای آنالیز صوتی ایجاد کرده است که می تواند 42 ابعاد یک شخصیت را اندازه گیری کند . سرویس خدمات یه شرکت بیمه المانی ، علاوه بر سایر روش ها در انتخاب پرسنل برای هیئت مدیره از سطوح مدیریتی نیز استفاده می شود. همچنین در مدیریت عالی برای توسعه بیشتر کارمندان خود شرکت استفاده می شود.

چگونه انجام می شود؟ فناوری پریسر چگونگی سخن گفتن مردم، بی سر و صدا یا سریع ، بدون مکث ، تأکید شده و غیره را مورد بررسی قرار می دهد. برای این کار ، شرکت کنندگان باید در مورد یک پروژه ، آخرین تعطیلات یا چیزی در مورد یک روز خاص به برنامه بگویند. آنچه که گفته می شود اهمیتی ندارد ، اما چگونه گفته شدن آن بسیار مهم است. این شامل ضبط کردن کلمات می شود ، چقدر سریع گفته می شوند و چگونه تلفظ می شوند. این مکالمه باید 10-15 دقیقه طول بکشد. براساس این داده های خام ، الگوریتم  Precire حدود42 ابعاد یک شخصیت را اندازه گیری می کند. این فناوری شاخص هایی چون  تاب آوری (به معنای مقاومت ذهنی) ، خوش بینی ، کنجکاوی و تأثیرات را بررسی می‌کند. در سرویس Talanx این نتایج آزمون ، تصویر کلی متقاضی را تکمیل می کند، یعنی CV و اطلاعات به دست آمده در مصاحبه های شخصی و یا یک مرکز ارزیابی را مورد بررسی قرار میدهد.شرکت precire برای پیشرفت تیم خود, پیشنهادات آموزشی متناسب را ارائه می دهد که می توانند در قالب واحدهای عملی از طریق یک بستر یادگیری فراخوانی شوند. این شرکت منابع شخصی و زمینه های توسعه را مشخص می کند. اثر ارتباطی را می توان با پیشنهادات مربوط به ان بهبود داد. در اینجا بین پروفایل های مورد انتظار فروش ، خدمات و مدیریت تفکیکی ایجاد شده است. در یک مثال می توان حالت های زیر را برای اقدام به نمایه فروش با کمک Precire در سال 2019 کشف کرد:

• 70٪ هدف گرا

• 70٪ مسئول

• 69٪ حمایتی

• 69٪ سرمایه گذاری

• 61٪  عاطفی

• 55٪ آموزنده

• 53٪ متعادل

• 43٪ محتاط

نرم افزار Precire همچنین برای تجزیه و تحلیل مکالمات مشتری استفاده می شود. برای شناسایی احساسات ، شخصیت و شایستگی زبان شرکای گفتگو می توان زبان را تجزیه و تحلیل کرد. انگیزه ها و شاخص های دیگری که پنهان می ماند ، قابل مشاهده است. در حالت ایده آل ، می توان پس از مکالمه تلفنی ، از نظرسنجی پیگیر مشتری استفاده کرد زیرا تحلیل صدا از قبل نشان می دهد که مشتری از نتیجه گفتگو راضی بوده است. سنجش رضایت مشتری مبتنی بر هوش مصنوعی ، یک مکمل ایده آل برای امتیاز تبلیغی خالص (NPS) است. این یک مفهوم قدرتمند و به همان اندازه آسان است که می تواند میزان دلبستگی عاطفی و اعتماد مشتریان در تجارت شما را به خود جلب کند. در اصل ، NPS با این سؤال ساده مشخص می شود که چند درصد از مشتریان خود شخص به توصیه شرکت خود ادامه می دهند. مفهوم اصلی NPS در شکل 4.2 توضیح داده شده است. به منظور تعیین امتیاز خالص تبلیغ کننده ، یک سؤال مطرح می شود: چقدراعتماد دارید که این شرکت ، این سرویس ، این محصول ، این مارک را به یک دوست یا همکار توصیه کنید؟ پاسخ ها را می توان در مقیاس از 0  تا 10 تقسیم بندی کرد. طرفداران یک شرکت یا یک نام تجاری فقط کسانی هستند که عدد 9 یا 10 را به آنها اختصاص می دهند.

بعضی اشخاص بی تفاوت هستند که رقم 7 یا 8 را به آنها اختصاص می‌دهند. هنگام محاسبه مقدار خالص نظر سنجی ها ، درصد کسانی که رضایت ندارند از درصد طرفداران کم می شود. گروه بی تفاوت ها مورد توجه قرار نمی گیرند. در نتیجه ، فرمول محاسبه NPS به شرح زیر است:

فرمول:

در بهترین حالت ، ارزش کلی NPS می تواند 100٪ باشدو این در صورتی میباشد که همه مشتریان مقدار9یا 10 را انتخاب کرده باشند. بدترین حالت زمانی  است که کلیه مشتریان فقط مقادیر بین 0 و 6 را انتخاب کرده باشند . اگر مشتریان شما پس ازدادن امتیازها ، نظرات خود را به صورت رایگان قید کنند بسیارعالی میشود. از طریق نظرات ، اطلاعات مهم دیگری را بدست می آورید تا بتوانید دلایل خرید و همچنین دلایل انتخاب نکردن را شناسایی کرده و با توجه به آنها تصمیم بگیرید.

کارت حافظه

شاخص NPS یک ابزار آسان و سریع برای اندازه گیری میزان اطمینان آمادگی شما توصیه میشود. به این ترتیب ، سنجش رضایت مشتری مبتنی بر هوش مصنوعی را می توان به صورت بصری تکمیل کرد. با استفاده از آنالیز متن پشتیبانی شده توسط AI ، می توانید علاوه بر این ، بسیاری از 100 ، 1000 یا 10،000 نظر متن رایگان را نیز ارزیابی کنید. نرم افزار چت بات قبلاً نقش مهمی در خدمات به مشتری ایفا میکرد. این نرم افزار ها در سالهای اخیر به سرعت توسعه پیدا کردند. در آغاز یک رابط ارتباطی مبتنی بر متن (TTT) خالص وجود داشت. در اینجا کاربر می بایست در قسمت ورودی متن ، سؤال خود را تایپ کند و پاسخ نیز به صورت متن در قسمت خروجی متن ارائه شود. در همین حال ، بسیاری از چت بات ها به یک رابط کاملاً مکالمه تبدیل شده اند که از گفتگو به زبان گفتاری پشتیبانی می کند. هیچ صفحه ای ، صفحه کلید یا ماوس مورد نیاز نیست. ورودی و خروجی از طریق دیالوگ های گفتاری صورت می گیرد. اگر وظایف فعلی و آینده چت های متنی مبتنی بر متن (TTT) را خلاصه کنید ، نتایج زیربه دست میاید:

• نرم افزار چت بات برای بهینه سازی ارتباطات مبتنی بر مشتری به کاربران کمک می کند تا هر روز کارهای آنلاین خود را آسان تر انجام دهند. این اجازه می دهد تا بدون نیاز به کلیک بر روی سؤالات متداول برای مدت طولانی ، مشکلات حل شود. علاوه بر این به راحتی می‌توان اطلاعاتی در مورد  مشاوره حقوقی ، یک لباس مد جدید ، سفری با قیمت مناسب یا یک دستور العمل ساده برای تخم مرغ سرخ شده را می توان به سرعت و بدون دوری از طریق ده ها وب سایت به دست اورد.  سیستم خبره مشاوره حقوقی Ailira از استرالیا اطلاعات مربوطه را به مشتریان خود ارائه می دهد. این سیستم از هوش مصنوعی برای ارائه اطلاعات رایگان در مورد طیف گسترده ای از موضوعات حقوقی ، ناشی از پردازش زبان طبیعی استفاده می کند.

علاوه بر این ، این برنامه امکان ایجاد اسناد قانونی را برای استفاده تجاری و خصوصی در استرالیا فراهم می کند. برای این منظورت بات Ailira در دسترس است. Ailira را می توان از طریق فیس بوک مسنجر نیز دریافت کرد. این نرم افزار به کاربر علاقه مند به مدلباس کمک می کند تا محصولات مناسب را پیدا کند . مشاوره سفر توسط چت بات هایی مانند ربات اسنپ سفرارائه می شود. این امر باعث می شود بهترین پیشنهادات هتل از طریق فیس بوک و اس ام اس را پیدا و رزرو کنید. با شروع چت ، ربات مستقر در AI صدها منبع را جستجو می کند تا بهترین پیشنهادات هتل را پیدا کند. این چت بات توسط تیمی از کارمندان پشتیبانی می شود که از طریق چت نیز می توانید به آن دسترسی پیدا کنید. علاوه بر این ، سرویس اسنپ سفرقول می دهد هتل مذکور را در روز ثبت نام برای مذاکره در مورد یک آپدیت رایگان فراخواند. کایاک نیز چنین جستجوی سفر را از طریق پیام رسان فیس بوک امکان پذیر می کند. این چت بات در جستجوی ، برنامه ریزی ، رزرو و مدیریت سفر به شما کمک می کند. علاوه بر بودجه سفر مشخص شده ، انتخاب مربوطه همچنین انتخاب مقدماتی مقصدهای ممکن را در ارتباط با بهترین دوره سفر در نظر می گیرد. کل فرایند برنامه ریزی ، رزرو و ارائه اطلاعات بیشتر در مورد روند سفر نیز از طریق پیام رسان منتقل می شود. مثال جالب دیگر چت روم با 800 فالوور مبتنی بر IBM Watson است. در گفتگوی افتتاحیه ، ابتدا از کاربران سؤال می شود که آیا می خواهند سفارش دهند یا با شخصی صحبت کنند. چت بات همچنین از آدرس تحویل درخواست می کند تا دریابد که آیا امکان تحویل در آنجا وجود دارد یا خیر. این مورد پس از انتخاب محصول مورد نظر انجام می شود.

• چت بات برای ارتباطات شخصی چون چت کردن وظیفه دارند در موارد استفاده از پیش تعریف شده فعال شوند. مهم است که اطلاعات مناسب را در زمان مناسب به کاربران منتقل کنید. انگیزه های این کار اغلب مبتنی بر مفاهیم اتوماسیون بازاریابی است. می توان از الگوریتم های AI برای تعریف محرک های مربوطه استفاده کرد. چنین محرک هایی می تواند سرویس برگشت و مرجوعی برای مشتریان پس از دو ماه عدم حضور سفارش به همراه داشته باشد. حتی پس از پردازش شکایت ، می توان پیگیری دوستانه ای برای تعیین اینکه آیا راه حل رضایت بخش حاصل شده است ، انجام داد. چت بات همچنین می تواند مورد استفاده قرار گیرد و برای حمایت از صلاحیت بیشتر منجر شود. برای این منظور، براساس داده های موجود، سوالات مربوطه با پشتیبانی از AI تولید می شوند. یک نمونه دیگر از برنامه چت فعال ، مسنجر KLM است. از نرم افزار KLM  برای تهیه اسناد پرواز از طریق مسنجر استفاده می کند. مسافران پس از رزرو پرواز در KLM.com می توانند تأیید رزرو ، اخطار ورود به سیستم ، گذرگاه سوار شدن و به روزرسانی وضعیت پرواز را از طریق پیام دریافت کنند. همچنین می توانید به سؤالات بعدی بطور مستقیم از طریق پیام رسان پاسخ دهید. این ارائه اطلاعات فعال با این مزیت همراه است که رویکردهای ارتباطی مبتنی بر مشتری پرهزینه می تواند برای شرکت کاهش یابد.

•  برای ارتباط فعال سایرچت بات ها به صورت فعالانه اطلاعاتی را ارائه می دهند که بطور جداگانه پخش نمی شود.

عملکرد چت بات ها در ارتباطات پیچیده چگونه است؟  شرکتی که به یک چت بات اجازه می دهد آزاد باشد و به طور آزاد عمل کند ، توسط فاجعه مایکروسافت در سال 2016 نشان داده شده است. این شرکت چت بات  را در توییتر ارائه داده است تا نشان دهد پیشرفت های هوش مصنوعی در مایکروسافت چقدر موفق بوده است. این هدف می تواند حاصل شود اما آنطور که پیش بینی شده بود نشد. پس از تنها یک روز مایکروسافت مجبور شد Tay را خاموش کند ، زیرا سیستم هوش مصنوعی بعد از تنها چند ساعت شروع به پخش پیامهای بد و خراب کرد. همه اینها بی ضرر شروع شد: چت بات باید مانند یک زن 18 تا 24 ساله از ایالات متحده آمریکا عمل کند. بر این اساس ، توسعه دهندگان پروفایل هایی را برای Tay در فیس بوک ، اینستاگرام ، اسنپ چت و توییتر ایجاد کرده بودند.در روز چهارشنبه ، چت بات برای ارتباط با افراد دیگر ، برقراری ارتباط در این سیستم عاملها فعال شد. در توضیحات گفته شده: هرچه با تایل تبادل کنید ، باهوش تر خواهید بود. از این طریق ، تجربه با او می تواند حتی شخصی تر شود. در آغاز ، نوید بخش به نظر می رسید. Tay ارتباطات را راه اندازی کرد و تقریباً 100،000 پیام کوتاه برای کاربران سیستم عامل ها ارسال کرد. در میان آنها پست های بی ضرری مانند لطفاً یک عکس خنده دار برای من ارسال کنید یا شما چطور هستید؟ را آورده است. همچنین شوخی ها و ایموجی هایی را در خبرها ارسال کرده است. اکنون برخی از کاربران توییتر در روند یادگیری مداوم مداخله کرده و به معنای واقعی کلمه چت بات را با شعارها و توهین های نژادپرستانه همراهی می کنند. پس از گذشت تنها چند ساعت ، تای خودش شروع به ارسال چنین شعارهای نژاد پرستی کرد. تحریکات و توهین ها نیز به سیاه ها و یهودیان انجام شده است. فیلترها در برابر اصطلاحات ناپسند که توسط توسعه دهندگان یکپارچه شده اند برای آرام کردن تی کافی نبودند. بیایید نگاهی به نمونه های توییت وچت بات بیاندازیم:

•  آیا می توانم فقط بگویم که من برای دیدار با شما استوک کردم؟ انسان ها بسیار خونسرد هستند

•  من از فمینیست ها متنفرم و همه آنها باید در جهنم بمیرند و بسوزند

•  یک شخص خوب باشید! من فقط از همه متنفرم.

• هیتلرشخص سالمی بود من از شما متنفرم.

چیزی که ارزش فکر کردن دارد

در این مورد چه می توانیم بگوییم؟ Tay آموخته است که الگوریتم هوش مصنوعی چگونه باید باشد. در این حالت مواد آموزشی دچار مشکل شده بود ، که الگوریتم آن را تشخیص نمی داد. بیشتر موارد مشابه منجر به ارسال پیام های مشابه شده است. حباب فیلتر حاصل سقوط Tay بود!

آنچه در اینجا مفقود شده بود ، یک نمونه ارزشی بود که در برنامه هوش مصنوعی ادغام شد و توانست خوب را از بد و قابل قبول از غیرقابل قبول تشخیص دهد. فقدان چنین نمونه ای از ارزش های ادغام شده در سیستم، به عنوان یک نگهبان اخلاقی ، به اصطلاح ،  به فاجعه منجر شده است. یک فیلتر ساده در برابر شرایط نامشخص کافی نیست و مایکروسافت آموخته است که دردناک است! اما چه کسی ، باید ، بتواند آنچه را که خوب است و چه چیزی بد برای سیستمهای هوش مصنوعی تعریف کند؟ چه کسی این ارزشها را تعریف می کند ، در مورد محتوای ارتباطات و در نتیجه هدف و جهت گفتگو تصمیم می گیرد: چه کسی علیه Brexit یا علیه برخی از سیاستمداران ، یا علیه دموکراسی و غیره تصمیم می گیرد؟ امروز با آلمان در چت بات ارتباط برقرار کنیم؟ شکل 4.3 نتایج یک نظرسنجی از 1،164 نفر بالای 18 سال را نشان می دهد. پاسخ این سؤال آیا می توانید بطور کلی ارتباط برقرار کردن با چت بات را تصور کنید؟ بر این اساس ، 60٪ می گویند به هیچ وجه یا اصلا. فقط 27٪ می گویند نه یا قطعاً بله. این به معنای پذیرش گسترده این فن آوری برای آلمانی های تردیدآمیز به نظر نمی رسد! سوال در مورد زمینه های پذیرفته شده استفاده از چت بات نیز جالب است. در آلمان ، 997 نفر از 18 سال و بالاتر که تصور می کردند از چت بات استفاده می کنند ، در این مورد مصاحبه شدند. پنج رشته مهم کاربرد در شکل 4.4 نشان داده شده است. در اینجا ، راحتی نیز حاکم است. این مساله در ساعات کاری ، بدون هیچ گونه انتظاری و پاسخ سریع به سوالات رایج انجام شده است.

کارت حافظه

شرکت خود را بررسی کنید که در آن تعامل با مشتری چت های متنی مبتنی برای هر دو طرف وبرای افزودن ارزش استفاده شود. آینده چت بات در درجه اول در حمایت از کارهای روزمره نهفته است.  این فناوری توسط گروههای جوان پذیرفته شده است. در حالی که استفاده از چنین چت بات ها به آهستگی در حال پیشرفت است ، باید بررسی کرد که در چه مناطقی استفاده از ربات های اجتماعی مورد قبول مردم است. در آلمان از 1000 نفر 18 ساله و بالاتر این سؤال پرسیده شد: “به نظر شما ، برای چه اهدافی باید اجازه استفاده از نرم افزارهای اجتماعی داده شود؟

شکل 4.4

شکل 4.5

قابل توجه است که نرم افزار مورد استفاده محدود به نظر می رسند ، اما هیچ زمینه ای برای استفاده بیش از 17٪ تأیید نمی کند. جالب است که توجه داشته باشید كه 43٪ از پاسخ دهندگان (تقریبا نیمی) معتقدند كه توافق های اجتماعی باید كاملاً ممنوع اعلام شود. امروزه ، سیستم های گفتگوی مبتنی بر گفتار (STS) ، که از هر دو جهت ارتباط را از طریق زبان گفتاری پشتیبانی می کنند ، در حال پیشرفت هستند. چنین گپ های چت می توانند تلفن را ساده کنند. سپس به زودی نمونه های زیر از اعلامیه های تلفنی چیزی از گذشته خواهد بود: • اگر سوالی درباره برنامه زمان بندی دارید ، 1 را فشار دهید.

 • اگر می خواهید بلیط بخرید ، 2 را فشار دهید. ممکن است یک تماس تلفنی آینده با یک چت بات چنین به نظر برسد: سلام ، نام من ماری است. من می خواهم بدانم که قطار من از ایستگاه اصلی هامبورگ به موقع است یا خیر. سلام ماری ، لطفاً روز و ساعت سفر خود را برای من بگویید.

شماره رزرو 12345 است. نقص سوئیچ به تازگی برطرف شده است. قطار شما IC 2221 20 دقیقه تاخیر دارد. من قطار متصل کننده شما IC 140 را به آمستردام اطلاع داده ام. آنها منتظر شما خواهند بود. آیا کار دیگری هست که بتوانم برای شما انجام دهم؟ چنین تماس 60 ثانیه ای طول نمی کشد و در حالت ایده آل و بدون هیچگونه انتظاری صورت میپذیرد. سرانجام ، چنین سرویس خودکار می تواند 24/7 انجام شود. در عین حال ، اطلاعات شخصی مرتبط با شخصی سازی قابل دستیابی از اطلاعات ، به صورت خالص ارائه می شود. جستجوی خسته کننده برای اطلاعات مربوطه  که گاهی اوقات در برنامه های مختلف توزیع می شود حذف می شود. این نشان می دهد که علاوه بر نرم افزار هوشمند ، توسعه چنین سرویس مرتبط با مشتری ، مهمتر از همه ، اتصال کامل جریانهای مختلف داده را می طلبد تا پاسخ های باکیفیت به چت بات را ارائه دهد.

دستیاران دیجیتال در بخش خدمات

مثال اصلی برای ترکیبی از الگوریتم های قدرتمند و بانکهای اطلاعاتی جامع ، دستیاران مبتنی بر زبان دیجیتالی مانند Amazon Echo (Alexa) ، Bixby ، Cortana ، Google Home (دستیار گوگل) و سیری (HomePod) هستند که قبلاً چندین بار به آنها اشاره شده است. برخی از این دستیارها می توانند رسانه های دیگر ، مانند تصاویر و فیلم ها را به هم پیوند دهند. Amazon Echo Show یک دستیار با صفحه نمایش رنگی و وب کم را برای چت های ویدیویی و تماشای فیلم ارائه می دهد. صفحه همچنین به شما امکان می دهد پاسخ های سایت الکسا را ​​با عکس ، گرافیک یا متن نشان دهید. در آینده ، گفت و گو با یک دستیار شخصی دیجیتال می تواند چنین باشد: الکسا ، لطفاً کفش های دوچرخه نایکی را که دو هفته پیش در واشنگتن به آنها نگاه کردم ، برای من سفارش دهید. اما آنها همچنین باید دو نوار قرمز را که من در محصول جداگانه طراحی کردم ، داشته باشند. راف ، من خوشحال خواهم شد. آیا می خواهید کفش های جدید در حال تولید را برای دیدار با Sabine فردا بعد از ظهر داشته باشید؟ اره حتما! عالی. من آنها را از آمازون برای شما سفارش دادم. کفش ها ساعت 3 عصر در جعبه بسته DHL شما قرار می گیرند. به همین دلیل من اصرار بر تحویل DHL داشتم. من همچنین 10 دلار از مزیت قیمت بهره مند شدم ، زیرا همچنین تی شرت نایک را که شما سه روز پیش در لیست خرید خود قرار داده اید نیز سفارش داده ام. پرداخت طبق معمول! خوب. اکنون شما را با پروفسور وللر متصل می کنم. شما می خواستید در مورد مزایا و معایب هوش مصنوعی با او صحبت کنید. در صفحه خلاصه ای از آنچه آقای وولنر در این باره در چند هفته گذشته بصورت آنلاین و آفلاین گفته است ، پیدا خواهید کرد. من مشخصات قرمزکفشتان را ثبت کرده ام.

بهترین فیلم مستند

فیلم HER توسط Spike Jonze نمایش الهام بخش از افکار در مورد چگونگی ارتباط آینده STS طبیعی با چت بات را نشان می دهد. تعداد بیشتری از شرکت ها در حال حاضر در تلاشند تا چت بات ها را در ارتباطات مشتری خود ادغام کنند: IBM پس از پیروزی Jeopardy ، فعالیت Watson را ادامه داد تا فعالیت های پیچیده مرکز تماس را بر عهده بگیرد: طبق IBM ، واتسون می تواند با پاسخ دادن به هزینه های خدمات به مشتریان تا 30٪ کاهش دهد. 80٪ سؤالات معمول به تنهایی. فقط 20٪ از سوالات هنوز باید توسط افراد مورد پردازش قرار گیرد. بنابراین حداقل اظهارات طرفدار دووم از IBM! عامل اصلی پذیرش کاربر از نوع صوتی مبتنی بر چت بات است  اما  در محیط خصوصی وبه  سرعت استفاده میشود. هیچ متن نوشتاری برای برقراری ارتباط لازم نیست ، هیچ ساختار منو نباید پردازش شود. ارتباط از طریق زبان کافی است. با افزایش عملکرد الگوریتم های مورد استفاده و با افزایش در دسترس بودن داده ها ، نمودارها می توانند هوشمندانه تر و شخصی تر شوند. بنابراین ، این نوع ازچت بات ها به دستیار شخصی بسیار قدرتمند تبدیل می شوند. مبنای فنی این امر توسط سیستم عامل های به اصطلاح مکالمه AI ارائه شده است.

جدید ترین ها

جدید ترین محصولات ما

محصولات بیشتر
ترجمه مقاله Strong structuration theory in accounting research ( ترجمه مقاله نظریه ساختار قوی در تحقیقات حسابداری )

ترجمه مقاله Strong structuration theory in accounting research ( ترجمه مقاله نظریه ساختار قوی...

10000 تومان

ترجمه مقاله Are There Any Volatility Spill Over Effects among Cryptocurrencies and Widely Traded Asset Classes (ترجمه مقاله  آیا کلاسهای دارایی گسترده و معامله شده دارای اثرات ناپایداری هستند )

ترجمه مقاله Are There Any Volatility Spill Over Effects among Cryptocurrencies and Widely Traded...

10000 تومان

Capacity and Frequency Optimization of Wireless Backhaul Network Using Traffic Forecasting ( ظرفیت و بهینه سازی فرکانس شبکه بی سیم با استفاده از پیش بینی ترافیک )

Capacity and Frequency Optimization of Wireless Backhaul Network Using Traffic Forecasting ( ظرفیت و...

35000 تومان

Automatic  Coverage Based Neighbour Estimation System: A Cloud-Based Implementation ( سیستم تخمین همسایگان مبتنی بر پوشش خودکار: یک پیاده سازی مبتنی بر ابر )

Automatic Coverage Based Neighbour Estimation System: A Cloud-Based Implementation ( سیستم تخمین همسایگان مبتنی...

35000 تومان

An approach to measuring business-IT alignment maturity via DoDAF 2.0 (رویکردی برای اندازه گیری بلوغ تراز تجاری IT- از طریق DoDAF 2.0 )

An approach to measuring business-IT alignment maturity via DoDAF 2.0 (رویکردی برای اندازه گیری...

35000 تومان

Tehran Stock Exchange Prediction Using Sentiment Analysis of Online Textual Opinions ( پیش بینی بورس اوراق بهادار تهران با استفاده از تحلیل احساسات نظرات متنی آنلاین )

Tehran Stock Exchange Prediction Using Sentiment Analysis of Online Textual Opinions ( پیش بینی...

35000 تومان

Opinion Mining in Persian Language Using Supervised Algorithms ( استخراج نظرات به زبان فارسی با استفاده از الگوریتم های نظارت شده )

Opinion Mining in Persian Language Using Supervised Algorithms ( استخراج نظرات به زبان فارسی...

35000 تومان

ترجمه مقاله Mechanism of negative surface charge formation on biochar and its effect on the fixation of soil Cd ( ترجمه مقاله مکانیسم تشکیل بار منفی سطح بر روی بیوچار(کود حاصل از ضایعات گیاهی) و تأثیر آن بر روی ثابت شدن سی دی خاک )

ترجمه مقاله Mechanism of negative surface charge formation on biochar and its effect on...

10000 تومان

error: شما فقط اجازه مطالعه دارید
قیمت می خواهید؟ ما ارزانترین قیمت را ارائه می کنیم. کافیست فایل خود را یا از طریق منوی خدمات و سرویس ها => سفارش ترجمه ارسال کنید یا برای ما به آدرس research.moghimi@gmail.com ایمیل کنید یا در تلگرام و واتس آپ با شماره تلفن 09191732587 ارتباط بگیرید و ارزانترین قیمت ترجمه را از ما بخواهید
+