با ربات چت Microsoft Ruh در فیس بوک آشنا شوید - همه آنچه که باید بدانید!

گاهی تنها چیزی که نیاز دارید این است که با کسی صحبت کنید. کسی که می تواند به روش خود شما را شاد کند، کسی که آنقدر پر از زندگی و پرحرفی است که تمام مشکلات خود را در زندگی فراموش می کنید. کسی که با آمدن بهتر از انتظارات شما را سرگرم می کند. همه در مورد صحبت کردن با «انسان» دیگر در مورد چیزها چندان راحت نیستند، اما برخی از افراد کنجکاو هستند که با هوش مصنوعی صحبت می کنند. در اینجا، روح(Ruuh) به تصویر می رسد.

Ruh(Ruuh) می‌تواند به سؤال فرد گوش دهد، احساسات او را تشخیص دهد، درباره پس‌زمینه کاربر بیاموزد و پاسخ‌های مناسب بدهد و موارد دیگر. این باعث افزایش پیوند آنها و ارتباط آنها با کاربر می شود. این به طور مستقیم به چت های ارزشمندتر و معقول تر بین چت بات و کاربر دلالت دارد.

روح(Ruuh) در ایجاد مکالمات خوب است

بدون دخالت احساسات، وجود چت بات ها بی فایده است. فقط(Just) اینکه بتوانید بدون هیچ ارتباط شخصی پاسخ دهید، چت را رسمی و چندین بار غیر جالب می کند. یک چت بات تنها زمانی جالب است که بتواند بر اساس احساساتی که با آن درگیر است، گفتگو کند. مایکروسافت(Microsoft) در این باره می گوید:

Building a conversational layer in Ruuh helps her develop relationships so users can be more open, more casual and more engaged. This leads to better, more honest and natural conversations that ultimately lead to added value and a better experience for users.

هدف از ساخت روح

هدف اصلی مایکروسافت از ساخت این چت ربات مجهز به هوش مصنوعی این بود که آن را برای کاربران جوان و آشنا به فناوری در هند(India) بسازد . قبلاً قرار بود شبیه چت بات چینی مایکروسافت به نام(Xiaoice) Xiaoice باشد(Chatbot) . Ruh(Ruuh) بیشتر یک دوست دیجیتال است تا فقط یک دستیار دیجیتال. Ruuh نرم افزاری است که فقط یک قطعه کد نیست. دوست شماست یادگیری عمیق چگونه کار می کند

روح(Ruuh) یک شخصیت خیالی است، همه ما این را می دانیم. اما شخصیت او از یک دختر جوان شهری هندی(India) که حدوداً 18 تا 24 سال سن دارد، الگوبرداری شده است. به نظر می رسد او به فرهنگ پاپ(Pop) علاقه مند است و در استفاده از عامیانه روان شهری که در هند(India) استفاده می شود عالی است.

اولین قدم در ایجاد Ruuh جمع آوری داده ها بود. مقصود او خوش برخورد و همچنین شوخ بود. منبع این شخصیت برای Ruh(Ruuh) مکالمات بلادرنگ، مکالمات رسانه های اجتماعی(Social Media) ، انجمن ها، پلتفرم های اجتماعی و سرویس های پیام رسانی بود که در آن داده ها برای بهبود تجربه کاربر به صورت ناشناس جمع آوری می شود.

در مرحله بعد، آنها باید داده های مفیدی را که جمع آوری کرده بودند، اصلاح می کردند. این مرحله 70 درصد از کل داده های جمع آوری شده را بی فایده دانست و حذف شد. مایکروسافت(Microsoft) مطمئن شد که هیچ نظر توهین آمیزی برای مردم ایالات متحده، بریتانیا و استرالیا(Australia) و هرگونه اظهار نظر جنسی یا سیاسی وجود ندارد.

حال قرار بود این داده های تصفیه شده و مفید در مدل انتخاب شده اعمال شود. این مدل cDSSM یا مدل معنایی ساختار یافته عمیق(Deep Structured Semantic Model) Convolutional بود. این مدل جدیدتر است و به رفتار بهتر و عمیق‌تر شبیه انسان در هوش مصنوعی کمک می‌کند.

چگونه cDSSM منجر به هوش مصنوعی بهتر می شود

شناسایی پرس و جو(Query Identification)

Query Identification اولین قدم برای شبیه سازی هوش مصنوعی به انسان(Humans) است. یک الگوریتم پرس و جوی ورودی را می گیرد و در پایگاه داده سوالات مشابه را جستجو می کند. به این بازیابی اطلاعات(Information Retrieval) یا IR نیز گفته می شود .
به عنوان مثال(Example) : اگر سؤال این است که "چگونه ماکارونی مرغ درست کنم؟"، Ruh(Ruuh) داده ها را تجزیه و تحلیل می کند و نمونه های متعددی از سوالات مشابه را پیدا می کند.

رتبه بندی پاسخ ها(Ranking responses)

در اینجا، الگوریتم پاسخ ها را بر اساس میزان مرتبط بودن نمونه ها مرتب می کند. به این ترتیب مرتبط ترین داده ها به عنوان خروجی داده می شود.

درک زمینه(Understanding Context)

اکنون، اگر چت بات فراموش کند که کاربر در مورد چه چیزی صحبت می کند، ممکن است بی معنی باشد.

For Example: Question: “Do you like ice cream, Ruuh?”

Ruuh: “Yes, I like it.”

Question: “which flavors do you like?”

Ruuh: “Chocolate and Vanilla.”

حال روح(Ruuh) می دانست که سوال دوم در مورد بستنی است و بنابراین پاسخ مناسب بود.

الگوریتم Ruuh برای اینکه در عملکرد خود بسیار خوب باشد، دائماً به دنبال داده‌هایی در جستارهای قبلی کاربر می‌گردد و زمینه را در مورد آنچه کاربر در مورد آن صحبت می‌کند، درک می‌کند.

تشخیص و پاسخ به نشانه های عاطفی(Detection and response to emotional cues)

در حال حاضر، بیشتر شبیه انسان به معنای تشخیص احساسات است. این به این دلیل است که انسان ها ذهنیت عاطفی دارند. بنابراین، به منظور شناسایی احساسات کاربران، Ruh(Ruuh) به دنبال الگوهای پیام‌های چت دریافتی توسط او و نوع ایموجی‌های استفاده شده در چت است. بنابراین، هنگامی که با او صحبت می کنید، او می داند که آیا شما خوشحال هستید، غمگین، هیجان زده هستید یا ناراحت.

حکم(Verdict)

Ruuh قدرتمند است و راهی عالی برای نشان دادن قدرت آنچه که هوش مصنوعی امروز می تواند انجام دهد تا مانند یک انسان رفتار کند. با قدرت cDSSM، Ruuh بسیار هوشمندتر است.

مایکروسافت می گوید:

To summarize, the model combined with deep learning integrates context and the user’s message to extract the appropriate response. The model extracts the context from the message, retrieves previous messages, creates a group of appropriate responses, ranks them according to relevance, and generates the final output.

بیایید با یک مثال این را بهتر درک کنیم. اگر کاربر از Ruuh بپرسد(Ruuh) ، " کدام(Which) تاپینگ های پیتزا محبوب ترین هستند؟"، Ruuh پرس و جو را به عنوان "روی های پیتزا" شناسایی می کند و مرتبط ترین پاسخ ها را بر اساس این پرس و جو بازیابی می کند. Ruuh پاسخ های مشابه را از پایگاه داده بر اساس ارتباط رتبه بندی می کند تا مناسب ترین پاسخ را ایجاد کند. با آگاهی زمینه‌ای، Ruh(Ruuh) می‌تواند به راحتی به سؤالات بعدی مانند "کدامیک را دوست دارید؟" پاسخ دهد. با پاسخ "من عاشق قارچ و آناناس هستم".

Ruuh اکنون یک ساله است، و باید بگویم که آینده هوش مصنوعی روشن است، زیرا با سرعتی که ما شاهد ظهور هوش مصنوعی پیشرفته‌تر و بیشتر هستیم، به زودی چیزهای هوشمندتری را در اطراف خود خواهیم دید. ما برای تیم مایکروسافت(Microsoft) آرزوی موفقیت داریم و امیدوارم در آینده با این محصولات عالی ما را غافلگیر کنند.

می‌توانید در  اینجا در مقاله رسمی مایکروسافت درباره Ruh اطلاعات بیشتری کسب کنید (Ruuh)-(Microsoft –) و او را در اینجا در فیس بوک(on Facebook) امتحان کنید .(on Facebook.)



هورشید توفیق

About the author

من یک مهندس سخت افزار هستم و متخصص در طراحی و توسعه محصولات اپل مانند آیفون و آیپد هستم. من با هر دو دستگاه iOS و edge و همچنین ابزارهای توسعه نرم افزار مانند Git و Swift تجربه دارم. مهارت های من در هر دو زمینه به من درک قوی از نحوه تعامل سیستم عامل دستگاه های اپل (OS) با برنامه ها و منابع داده می دهد. علاوه بر این، تجربه من با Git به من امکان می دهد روی سیستم های کنترل نسخه کد کار کنم، که می تواند به بهبود کارایی و بهره وری در هنگام توسعه نرم افزار کمک کند.


Related posts