Pull to refresh

Comments 6

Очень интересно, разрабатывать такое! Хотелось бы пообщаться с ботом, чтобы составить свое личное мнение…

пользователь готов был искренне принять нашего бота за страхового агента.


Ну и студентам на заметку — профессии «страховой агент» для людей скоро не будет…
К сожалению, у нас нет публичного демо бота, та и оставлять на него линк было бы рекламой, что не есть цель данной статьи.

«страховой агент» для людей скоро не будет

Делаем всё возможное :)
А почему изначально был выбран Чатскрипт и чего нет у Гугла что есть здесь?
почему изначально был выбран Чатскрипт

Идеальных людей нет, все совершают ошибки :) в целом, он был выбран для быстрого запуска MVP, без углубления в NLP. Со своими задачами на момент mvp он справлялся.

чего нет у Гугла что есть здесь

Google представляет разные отдельные сервисы для ML и NLP/NER, на основе которых можно построить продукт. А мы предоставляем готовое решение, которое наши клиенты могут использовать уже и сразу. По поводу использования гугловского NER — он работает в целом очень хорошо, но заточен под грамматически корректные конструкции, которые редко бывают в живой речи, плюс их публичный ner не покрывает и половины наших требований и соотвественно требований клиентов. Так что в любом случае пришлось бы доделывать что-то самим. По поводу их ML — его также нужно обучать для своих потребностей, мы же уже имеем обученные модели, и собственно этим и занимаемся только на своих наработках.
AI-подход к реализации менеджера диалогов: на вход нейронной сети подается намерение пользователя и параметры, а система сама генерирует соответствующие состояния, следующий вопрос, который нужно задать.

Вы разрабатывали нейронную сеть с 0 или пользовались уже готовым решением?
В данном случае, мы только рассматривали вариант генерирования диалогов с помощью нейронных сетей. Так что, разумеется, брали готовые реализации и пробовали их обучить и сконфигурировать.
Sign up to leave a comment.

Articles