आज, हमारे पास चैटबॉट, वर्चुअल असिस्टेंट और हमारे घरों, कार सिस्टम, पोर्टेबल डिवाइस, होम ऑटोमेशन सॉल्यूशंस आदि में कुछ बात करने वाले रोबोट हैं। ये डिवाइस सटीक रूप से हम क्या कहते हैं और हम कैसे कहते हैं सुनते हैं और परिणाम प्राप्त करते हैं या विशिष्ट कार्यों को निष्पादित करते हैं।
और अगर आप जैसे सहायक का उपयोग कर रहे हैं सिरी या एलेक्सा, आपको यह भी एहसास होगा कि वे दिन पर दिन विचित्र होते जा रहे हैं। उनके जवाब मजाकिया होते हैं, वे पलटकर बात करते हैं, वे झिड़कते हैं, वापस तारीफ करते हैं और उन कुछ सहयोगियों की तुलना में अधिक मानवीय व्यवहार करते हैं जिन्हें आप जानते होंगे। हम मजाक नहीं कर रहे हैं। पीडब्ल्यूसी के अनुसार27% उपयोगकर्ता जिन्होंने अपने हालिया ग्राहक सेवा सहयोगी के साथ बातचीत की, उन्हें नहीं पता था कि वे किसी इंसान से बात कर रहे थे या चैटबॉट से।
ऐसी जटिल वार्तालाप प्रणालियाँ और उपकरण विकसित करना अत्यधिक जटिल और चुनौतीपूर्ण है। यह अलग विकास दृष्टिकोण के साथ पूरी तरह से एक अलग गेंद का खेल है। इसीलिए हमने सोचा कि इसे आसानी से समझने के लिए हमें इसे आपके लिए तोड़ देना चाहिए। इसलिए, यदि आप एक संवादी एआई इंजन या एक आभासी सहायक विकसित करना चाह रहे हैं, तो यह मार्गदर्शिका आपको स्पष्टता प्राप्त करने में मदद करेगी।
संवादी एआई का महत्व
जैसे-जैसे प्रौद्योगिकी नए उपकरणों और प्रणालियों के रूप में हमारे जीवन का एक अधिक अभिन्न पहलू बन जाती है, बाधाओं को दूर करने, परंपराओं को तोड़ने और उनके साथ बातचीत करने के नए तरीकों के साथ आने की आवश्यकता पैदा होती है। माउस और कीबोर्ड जैसे कनेक्टेड बाह्य उपकरणों का उपयोग करने से, हमने माउस पैड पर स्विच किया जो अधिक सुविधा प्रदान करता है। फिर हम टचस्क्रीन की ओर चले गए जो इनपुट फीड करने और कार्यों को निष्पादित करने में और अधिक सुविधा प्रदान करता है।
उपकरणों के स्वयं का विस्तार बनने के साथ, अब हम आवाज के माध्यम से कमांडिंग का एक नया माध्यम खोल रहे हैं। इसे संचालित करने के लिए हमें किसी उपकरण के पास रहने की भी आवश्यकता नहीं है। हमें बस इसे अनलॉक करने और अपने इनपुट को कमांड करने के लिए अपनी आवाज का उपयोग करना है। पास के कमरे से, गाड़ी चलाते समय, एक साथ किसी अन्य डिवाइस का उपयोग करते समय, संवादी एआई हमारे इच्छित कार्यों को निर्बाध रूप से करता है। तो हम कहां से शुरू करें - यह सब एमएल मॉडल को प्रशिक्षित करने के लिए उच्च गुणवत्ता वाले भाषण डेटा से शुरू होता है।
भाषण प्रशिक्षण डेटा एकत्र करने की मूल बातें
संवादी एआई के लिए एआई प्रशिक्षण डेटा एकत्र करना और उसकी व्याख्या करना बहुत अलग है. मानवीय आदेशों में बहुत सारी पेचीदगियाँ शामिल हैं और प्रभावशाली परिणामों के लिए हर पहलू को समायोजित करने के लिए विविध उपायों को लागू किया जाना है। आइए देखें कि स्पीच डेटा के कुछ मूलभूत सिद्धांत क्या हैं।
प्राकृतिक भाषा समझ (NLU)
चैटबॉट्स और वर्चुअल असिस्टेंट के लिए हम जो टेक्स्ट या कमांड देते हैं उसे समझने और उसका जवाब देने के लिए एक प्रक्रिया कहलाती है एन एल यू लागू किया गया है। इसका अर्थ है प्राकृतिक भाषा को समझना और विविध इनपुट प्रकारों की व्याख्या और प्रक्रिया करने के लिए तीन तकनीकी अवधारणाएँ शामिल हैं।
आशय
यह सब इरादे से शुरू होता है. एक विशेष उपयोगकर्ता एक कमांड के माध्यम से क्या व्यक्त करना, संचार करना या हासिल करना चाह रहा है? क्या उपयोगकर्ता जानकारी ढूंढ रहा है? क्या वे किसी कार्रवाई के लिए अपडेट की प्रतीक्षा कर रहे हैं? क्या वे सिस्टम को निष्पादित करने के लिए कोई निर्देश दे रहे हैं? वे इसे कैसे आदेश दे रहे हैं? क्या यह किसी प्रश्न या अनुरोध के माध्यम से है? ये सभी पहलू मशीनों को क्रमशः वायुरोधी प्रतिक्रियाओं के साथ आने के लिए इरादों और उद्देश्यों को समझने और वर्गीकृत करने में मदद करते हैं।
कथन संग्रह
कमांड, "निकटतम एटीएम कहाँ है?" में अंतर है। और आदेश, "मेरे लिए नजदीकी एटीएम ढूंढें।" अब मनुष्य यह स्वीकार करेगा कि दोनों का मतलब एक ही है लेकिन मशीनों को इस अंतर के साथ समझाना होगा। इरादे के मामले में वे एक जैसे हैं लेकिन इरादे को कैसे आकार दिया गया है यह पूरी तरह से अलग है।
कथन संग्रह कार्यों और प्रतिक्रियाओं के सटीक निष्पादन के लिए विशिष्ट लक्ष्यों की ओर विभिन्न कथनों और वाक्यांशों को परिभाषित करने और मैप करने के बारे में है। तकनीकी रूप से, डेटा एनोटेशन विशेषज्ञ मशीनों को इसे अलग करने में मदद करने के लिए वाक् डेटा या टेक्स्ट डेटा पर काम करते हैं।
इकाई निष्कर्षण
प्रत्येक वाक्य में विशिष्ट शब्द या वाक्यांश होते हैं जिन पर जोर दिया जाता है और यह वह जोर है जो संदर्भ और उद्देश्य की व्याख्या की ओर ले जाता है। मशीनें, कठोर प्रणालियों की तरह, ऐसी संस्थाओं को चम्मच से खिलाने की आवश्यकता होती है। उदाहरण के लिए, "6थ एवेन्यू के पास मुझे अपने गिटार के तार कहां मिल सकते हैं?"
यदि आप वाक्य को परिष्कृत करते हैं, तो इकाई एक है, तार दो हैं, गिटार तीन है और छठा एवेन्यू 6 है। उचित परिणाम प्राप्त करने के लिए इन इकाइयों को मशीनों द्वारा एक साथ जोड़ा जाता है और ऐसा होने के लिए, विशेषज्ञ बैकएंड पर काम करते हैं।
अपने संवादात्मक एआई मॉडल को तेजी से प्रशिक्षित करने के लिए ऑफ-द-शेल्फ वॉयस / स्पीच / ऑडियो डेटासेट
संवादी एआई के लिए संवाद डिजाइन करना
एआई का लक्ष्य मुख्य रूप से इशारों, कार्यों और प्रतिक्रियाओं के माध्यम से मानव व्यवहार की नकल करना है। चेतन मानव मन में संदर्भ, आशय, स्वर, भावनाओं और अन्य कारकों को समझने और उसके अनुसार प्रतिक्रिया देने की जन्मजात क्षमता होती है। लेकिन मशीनें इन पहलुओं में अंतर कैसे कर सकती हैं?
के लिए संवाद डिजाइन करना संवादी ऐ यह बहुत जटिल है और इससे भी महत्वपूर्ण बात यह है कि एक सार्वभौमिक मॉडल तैयार करना काफी असंभव है। प्रत्येक व्यक्ति के सोचने, बात करने और प्रतिक्रिया देने का तरीका अलग-अलग होता है। प्रतिक्रियाओं में भी, हम सभी अपने विचारों को विशिष्ट रूप से व्यक्त करते हैं। इसलिए, मशीनों को सुनना होगा और तदनुसार प्रतिक्रिया देनी होगी।
हालाँकि, यह भी चिकना नहीं है। जब मनुष्य बात करते हैं, तो लहजे, उच्चारण, जातीयता, भाषा और बहुत कुछ जैसे कारक सामने आते हैं और मशीनों के लिए गलत समझना और शब्दों की गलत व्याख्या करना और वापस प्रतिक्रिया देना आसान नहीं होता है. एक विशेष शब्द को एक भारतीय, एक ब्रिटिश, एक अमेरिकी और एक मैक्सिकन द्वारा निर्धारित किए जाने पर मशीनों द्वारा असंख्य तरीकों से समझा जा सकता है। भाषा की कई बाधाएँ हैं जो खेल में आती हैं और प्रतिक्रिया प्रणाली के साथ आने का सबसे व्यावहारिक तरीका दृश्य प्रोग्रामिंग है जो फ़्लोचार्ट-आधारित है।
के लिए समर्पित ब्लॉकों के माध्यम से इशारों, प्रतिक्रियाओं और ट्रिगर, लेखक और विशेषज्ञ मशीनों को एक चरित्र विकसित करने में मदद कर सकते हैं. यह एक एल्गोरिथम मशीन की तरह अधिक है जो सही प्रतिक्रियाओं के साथ आने के लिए उपयोग कर सकती है। जब एक इनपुट खिलाया जाता है, तो सूचना संबंधित कारकों के माध्यम से प्रवाहित होती है, जिससे मशीनों को वितरित करने के लिए सही प्रतिक्रिया मिलती है।
विविधता के लिए डी डायल करें
जैसा कि हमने बताया, मानवीय अंतःक्रियाएँ बहुत अनोखी होती हैं। दुनिया भर में लोग जीवन के विभिन्न क्षेत्रों, पृष्ठभूमि, राष्ट्रीयता, जनसांख्यिकी, जातीयता, उच्चारण, बोली, उच्चारण और बहुत कुछ से आते हैं।
एक संवादात्मक बॉट या सिस्टम को सार्वभौमिक रूप से संचालित करने के लिए, इसे यथासंभव विविध प्रशिक्षण डेटा के साथ प्रशिक्षित किया जाना चाहिए। उदाहरण के लिए, यदि किसी मॉडल को केवल एक विशेष भाषा या जातीयता के भाषण डेटा के साथ प्रशिक्षित किया गया है, तो एक नया उच्चारण सिस्टम को भ्रमित करेगा और उसे गलत परिणाम देने के लिए मजबूर करेगा। यह न केवल व्यवसाय मालिकों के लिए शर्मनाक है बल्कि उपयोगकर्ताओं के लिए भी अपमानजनक है।
इसीलिए विकास चरण में सभी संभावित पृष्ठभूमि के लोगों से बने विविध डेटासेट के समृद्ध पूल से एआई प्रशिक्षण डेटा शामिल होना चाहिए। आपका सिस्टम जितना अधिक उच्चारण और जातीयता को समझेगा, वह उतना ही अधिक सार्वभौमिक होगा। इसके अलावा, जो बात उपयोगकर्ताओं को अधिक परेशान करेगी, वह जानकारी की गलत पुनर्प्राप्ति नहीं है, बल्कि पहली बार में उनके इनपुट को समझने में विफलता है।
पूर्वाग्रह को खत्म करना एक प्रमुख प्राथमिकता होनी चाहिए और कंपनियां ऐसा करने का एक तरीका क्राउडसोर्स्ड डेटा का विकल्प चुन सकती हैं। जब आप अपने भाषण डेटा या टेक्स्ट डेटा को क्राउडसोर्स करते हैं, तो आप दुनिया भर के लोगों को अपनी आवश्यकताओं में योगदान करने की अनुमति देते हैं, जिससे आपका डेटा पूल केवल संपूर्ण होता है (हमारा पढ़ें) ब्लॉग क्राउडसोर्स कार्यकर्ताओं को आउटसोर्सिंग डेटा के लाभ और नुकसान को समझने के लिए)। अब, आपका मॉडल विभिन्न उच्चारणों और उच्चारणों को समझेगा और तदनुसार प्रतिक्रिया देगा।
आगे का रास्ता
संवादात्मक एआई विकसित करना उतना ही कठिन है जितना कि एक शिशु का पालन-पोषण करना। फर्क सिर्फ इतना है कि शिशु अंततः चीजों को समझने के लिए विकसित होगा और स्वायत्तता से संचार करने में बेहतर होगा। यह ऐसी मशीनें हैं जिन्हें लगातार धकेलने की जरूरत है। वर्तमान में इस क्षेत्र में कई चुनौतियाँ हैं और हमें इस तथ्य को स्वीकार करना चाहिए कि इन चुनौतियों के बावजूद हमारे पास कुछ सबसे क्रांतिकारी संवादात्मक AI प्रणालियाँ हैं। आइए प्रतीक्षा करें और देखें कि हमारे दोस्ताना पड़ोस चैटबॉट्स और आभासी सहायकों के लिए भविष्य क्या है। इस बीच, यदि आप अपने व्यवसाय के लिए विकसित Google होम जैसे संवादी AI प्राप्त करने का इरादा रखते हैं, अपने एआई प्रशिक्षण डेटा और एनोटेशन की ज़रूरतों के लिए हमसे संपर्क करें.
