Arpita Gupta
La IA conversacional se refiere a la interacción de los usuarios a través de aplicaciones de mensajería o asistentes virtuales. Estas comunicaciones a través de agentes virtuales o chatbots están diseñadas para proporcionar una experiencia de usuario personalizada. Las interacciones de los chatbots se impulsan mediante mensajes de cola larga, consultas o interacción bidireccional con las audiencias privadas. El verdadero poder de la IA conversacional está en su capacidad de proporcionar interacciones altamente personalizadas con una gran cantidad de clientes en conjunto. Como caso de uso comercial, la IA conversacional puede transformar las formas tradicionales de comunicación al facilitar una interacción profunda con los usuarios. Una aplicación poderosa de la IA conversacional es el sistema de respuesta a preguntas. Ya sea un asistente virtual o un chatbot, o cualquier sistema de soporte diseñado por cualquier empresa, el modelo de respuesta a preguntas juega un papel crucial para brindar tales servicios. Un sistema automatizado de respuesta a preguntas permite que una empresa brinde a sus usuarios una experiencia más dinámica y personalizada. En la práctica, es difícil para un ser humano responder todas las consultas realizadas por los usuarios a la vez. Si alguien quiere hacerlo, se necesitarán más recursos para interactuar con los clientes para resolver sus problemas en los servicios o productos ofrecidos. El sistema de respuesta a preguntas automatizado no solo ahorra mucho tiempo, sino que también actúa como una herramienta eficiente para comprender las necesidades del cliente y su comportamiento. La arquitectura general del proceso de respuesta a preguntas consiste en tomar la información de los usuarios, analizar las consultas, recuperar la información de la base de datos, extraer la respuesta más relevante y luego generar la respuesta deseada. No es tan fácil como parece. ¿Por qué? Se debe a los diversos desafíos que se enfrentan durante el modelado. En esta sesión, analizaremos varios desafíos que se enfrentan al diseñar un sistema de respuesta a preguntas, como la disponibilidad de datos, la calidad de los datos, su interpretabilidad y la barrera del idioma. Aunque se han implantado varios algoritmos para diseñar el sistema de respuesta a preguntas más eficiente, BERT supera a todos. Analizaremos cómo la representación del codificador bidireccional del algoritmo Transformer [2] ayuda a resolver los desafíos mencionados y brindará una solución opcional. Este tutorial se centrará en el diseño de un modelo de respuesta a preguntas utilizando la herramienta favorita de los humanos para la comunicación: el procesamiento del lenguaje natural. Para esta sesión, asumiré familiaridad con los términos básicos del procesamiento del lenguaje natural y Python. El cuerpo de la charla se centrará en la implementación de BERT para diseñar modelos de respuesta a preguntas y técnicas de extracción de características para datos.