在当今这个信息爆炸的时代,人们越来越倾向于通过实时问答来获取他们所需的信息。聊天机器人,这个听起来像是简单的IRC玩具的术语,实际上是一个自然语言处理(NLP)搜索引擎,它允许人们找到他们需要的信息。随着数据量的增加,许多应用程序需要一种方式让人们用自然语言查询数据。如果不熟悉人工智能技术,可能会错过用户越来越期待的一个重要组成部分。
许多网站现在已经集成了聊天机器人,通常位于右下角,作为一个“能帮吗?”类型的功能。公司使用聊天机器人与客户互动,因为人们发现与聊天机器人的自然语言交流比标准的带有放大镜图标的搜索框更容易、更快。如果对聊天机器人集成的最佳实践还不熟悉,客户或经理可能很快就会向寻求建议。准备好了吗?
如果酷炫的技术和对聊天机器人的商业需求还不足以说服了解聊天机器人,那么考虑一下人们每天的沟通方式。Slack、Twitter、Facebook Messenger和Skype消息在一天中被广泛使用。这种通过简短的自然语言提问和接收信息的方式来管理聊天信息的日常流程,正在迅速建立起一种期望,即可以通过这种方式获取广泛的信息。
聊天机器人在有利可图的行业中很受欢迎。Grand View Research指出,聊天机器人被用于电子商务、医疗保健以及银行和金融服务。2016年,大型企业是最大的最终用户群体,复合年增长率为24.2%。有了酷炫的技术、广泛的使用和资金的流动,聊天机器人绝对值得一看。
聊天机器人的入门非常简单。大多数关于聊天机器人的信息会在这里结束。聊天机器人是一个重要的趋势,市场正在增长,关键参与者正在参与...
但是,该如何开始呢?查看了IBM Bot Asset Exchange,看看是否可以自己开始开发一个机器人。这是一个开发者可以自由地相互分享聊天机器人应用程序和技术的网站。开始是免费的。
点击了Restaurant Concierge机器人,因为快到午餐时间了,饿了。登录IBM Cloud后,看到Chatbot Asset Deployment已经准备好了。按下创建按钮来设置它。
部署聊天机器人后,查看了日志文件以确保一切看起来都很好。以下是部署过程中的代码片段:
// Preparing to start the job...
// Target: https://api.ng.bluemix.net
// % Total % Received % Xferd Average Speed Time Time Time Current
// Dload Upload Total Spent Left Speed
//
// 0 0 0 0 0 0 0 0 --:--:-- --:--:-- --:--:-- 0
// 100 386 100 386 0 0 3038 0 --:--:-- --:--:-- --:--:-- 3063
//
// 100 52178 100 52178 0 0 146k 0 --:--:-- --:--:-- --:--:-- 146k
// Creating new conversation service ...
// Creating service instance Bot Asset Exchange Workspaces in
// org cloudacademyzone / space test as
// OK
// Creating service key Bot Asset Exchange Workspaces for service instance
// Bot Asset Exchange Workspaces
// OK
// =============================================================
// Created new conversation service: SERVICE_NAME: Bot Asset Exchange Workspaces
// =============================================================
// /home/pipeline/.npm-global/bin/json ->
// /home/pipeline/.npm-global/lib/node_modules/json/lib/json.js
// json@9.0.6 /home/pipeline/.npm-global/lib/node_modules/json
// % Total % Received % Xferd Average Speed Time Time Time Current
// Dload Upload Total Spent Left Speed
//
// 0 0 0 0 0 0 0 0 --:--:-- --:--:-- --:--:-- 0
// 100 52511 0 333 100 52178 650 99k --:--:-- --:--:-- --:--:-- 99k
// {
// "name": "Restaurant Concierge v2.5",
// "created": "2017-11-15T20:11:07.597Z",
// "updated": "2017-11-15T20:11:07.597Z",
// "language": "en",
// "metadata": {
// "runtime_version": "2016-09-20"
// },
// "description": "This is a bot for reservations, hours, directions,
// specials, diets.",
// "workspace_id": "10c91aba-6881-4944-be49-870cc95f64fd",
// "learning_opt_out": false
// }
然后在工作区,去了Restaurant Concierge。点击“开始使用”按钮,看到了一个简单的配置聊天机器人的方法。为了测试目的,只做了最小的更改。审查了部署选项,决定在公司Slack服务上实施聊天机器人,因为整天使用Slack比Facebook Messenger多得多。
为了简单起见,用IBM应用测试了Slack。需要邀请@ibmwatson_bot到Slack频道。成功了!哇,这太容易了。现在在Slack上有了一个机器人。
测试与真实朋友的聊天 邀请了同事Craig Oda在Slack系统中尝试聊天。他对聊天机器人印象深刻。