Приветствую всех вОблако Tencent + сообщество, получить больше крупной технической практики Tencent по галантерее~
Эта статья написанаКоманда Weaving Cloud PlatformКоманда разместила сообщение в Tencent Cloud + Community.
фон рождения
В последние годы индустрия эксплуатации и технического обслуживания выдвинула множество концепций, и можно сказать, что различные «XX эксплуатация и техническое обслуживание» появились до того, как вы спели. Однако у всех этих концепций есть одна общая черта:Сосредоточьтесь на инструментах и системах для эксплуатации и обслуживания самих учащихся.
Все это на самом деле подразумевает предпосылку: после разделения DO и разработка, и эксплуатация, и сопровождение занимаются своими делами, и тогда они никогда не смогут общаться друг с другом. О, и есть альтернатива, DevOps. Хотя эта концепция более популярна в сфере эксплуатации и обслуживания, ее первоначальная цель на самом деле состоит в том, чтобы выполнять разработку без эксплуатации и обслуживания, верно? Просто одноклассники по эксплуатации и техническому обслуживанию воспользовались собственными ресурсами оборудования для запуска волны контратак.В дополнение к присущим полям развертывания и эксплуатации, они также воспользовались ситуацией, чтобы вмешаться в процесс НИОКР. Разработчики, занятые написанием кода каждый день для удовлетворения своих потребностей, также выиграли от удобства, поэтому они умерли.
Конечно, вышесказанное — просто шутка. Но верно одно: после разделения DO между разработкой, эксплуатацией и сопровождением остается невидимый разрыв. Студенты, изучающие эксплуатацию и техническое обслуживание, не знакомы со средой НИОКР, а студенты-разработчики не знакомы с операционной системой. Как основная сторона, ответственная за бизнес-операции, позиция по эксплуатации и техническому обслуживанию является вспомогательной позицией, и это позиция поддержки 7 * 24. Их обязанности требуют, чтобы они могли поддерживать бизнес в любое время и в любом месте - будь то срочные потребности. студентов-разработчиков или самого аппаратного оборудования.
Студенты-разработчики надеются, что студенты, изучающие эксплуатацию и техническое обслуживание, смогут как можно скорее отреагировать на спрос, а аварийный отказ должен быть устранен студентами, изучающими эксплуатацию и техническое обслуживание, как можно скорее. Однако курсанты по эксплуатации и техобслуживанию тоже обычные люди. В рабочее время будут встречи, обучение, питание и т.д., которые не всегда по вызову. В нерабочее время всякие мелочи более разнообразны.
Как смягчить это противоречие? Ежедневное добавление трех палочек благовоний в машины IDC не помогло бы. Как говорится, лучше искать других, чем искать себя, нашу счастливую жизнь нужно создавать самим. Мы фокусируемся на сценариях эксплуатации и технического обслуживания, и с помощью технологии искусственного интеллекта мы разработали интеллектуальных роботов для эксплуатации и технического обслуживания, чтобы смягчить это противоречие.
дебют
Что такое интеллектуальный робот для эксплуатации и обслуживания? Разработанный нами интеллектуальный робот для эксплуатации и обслуживания представляет собой робота для обслуживания клиентов, использующего технологию искусственного интеллекта, а предустановленные сценарии предназначены для ежедневной эксплуатации и консультаций по техническому обслуживанию, а также для эксплуатационных потребностей и предназначены для групп разработки, эксплуатации и технического обслуживания, опираясь на корпоративные средства обмена мгновенными сообщениями.
Это определение не очень дружелюбно. пока не увижу, не поверю. На этом снимке экрана изображен интеллектуальный робот для эксплуатации и обслуживания, одетый в корпоративный костюм WeChat:
Проще говоря, с одной стороны, это интеллектуальный робот для обслуживания клиентов, который может понимать естественный язык, автоматически отвечать на консультационные вопросы разработчиков и выполнять эксплуатационные требования разработки. С другой стороны, это не просто обслуживание клиентов, это также мобильная платформа для эксплуатации и обслуживания для студентов, занимающихся эксплуатацией и техническим обслуживанием.
Конструкция интеллектуального робота для эксплуатации и технического обслуживания, естественно, основана на особенностях сцены эксплуатации и технического обслуживания. Наиболее типичные особенности сценариев эксплуатации и обслуживания следующие:
• Эксплуатационные требования.В отличие от общего обслуживания клиентов, доля консультационных потребностей не занимает первое место, но операционные потребности, вероятно, составляют две трети. Поэтому роботы, позиционируемые в сценариях эксплуатации и обслуживания, должны не только «говорить», но и «делать».
• Мобильная платформа для эксплуатации и обслуживания.В повседневной работе, эксплуатации и техническом обслуживании студенты будут использовать некоторые операционные системы или инструменты. Использовать его в компании, естественно, не проблема, если есть бизнес-задача, его нужно использовать за пределами компании, даже если под рукой есть компьютер, сначала требуется несколько минут, чтобы подключить VPN к интранету компании. . Во-первых, это нерентабельно по времени, а во-вторых, посреди ночи впн один раз, скинув, авось вся сонливость пропадет. Мобильная платформа для эксплуатации и обслуживания очень важна для баланса между работой и личной жизнью студентов, занимающихся эксплуатацией и техническим обслуживанием.
• Разработка сценария.Многие студенты, изучающие эксплуатацию и техническое обслуживание, обладают определенными способностями к развитию. Конечно, некоторые студенты, изучающие эксплуатацию и техническое обслуживание, обладают сильными способностями к развитию. Тем не менее, для многих студентов, изучающих эксплуатацию и техническое обслуживание, порог для разработки мобильных приложений все еще немного высок. Разработка, которая может быть сделана путем написания сценариев, — это то, что им нужно.
Позиционирование продукта
Независимо от того, какой корпоративный инструмент обмена мгновенными сообщениями он использует и какое «пальто» он носит, интеллектуальный робот для эксплуатации и обслуживания, по сути, является платформой самообслуживания для разработки и мобильной платформой для эксплуатации и обслуживания.
Как платформа самообслуживания для разработки, с одной стороны, она опирается на корпоративные инструменты обмена мгновенными сообщениями и не требует дополнительной установки и настройки перед разработкой. С другой стороны, благодаря технологии обработки естественного языка разработчики могут задавать вопросы и решать свои проблемы в наиболее естественном виде чата.
С этими двумя характеристиками можно сказать, что для разработки порог использования этой платформы самообслуживания равен нулю. Гуру дизайна Дональд Норман сказал:Есть две важные характеристики хорошего дизайна: доступность и понимание.Проще говоря, вы можете увидеть, как это сделать. Для такого продукта, который также ориентирован на разработку, а не только на эксплуатацию и техническое обслуживание, невозможно переоценить важность нулевого порога использования.
Являясь мобильной платформой для эксплуатации и обслуживания, аутентификацией пользователей и интранет-средой China Unicom, корпоративные инструменты обмена мгновенными сообщениями включают в себя эти две функции: извлечение параметров, распознавание операций и интерфейс взаимодействия, интеллектуальные роботы для эксплуатации и обслуживания помогут вам сделать это хорошо. Студентам, занимающимся эксплуатацией и обслуживанием, нужно только реализовать асинхронный интерфейс задач HTTP (одна инициация задачи, один запрос задачи) в соответствии с указанным форматом для добавления пользовательских инструментов.
Разработка — это в основном простой сценарий. В будущем мы даже будем поддерживать синхронный интерфейс задач HTTP. Это соответствует строгой настройке инструментов эксплуатации и обслуживания и характеристикам гибкой разработки. Более того, по сравнению с ортодоксальной мобильной платформой для эксплуатации и обслуживания мобильного телефона, порог разработки мобильного инструмента для эксплуатации и обслуживания интеллектуального робота для эксплуатации и обслуживания настолько низок, что большинство студентов, изучающих эксплуатацию и техническое обслуживание, могут его пройти.
Типичная сцена
Сказав это, давайте взглянем на типичные сценарии применения наших интеллектуальных роботов для эксплуатации и обслуживания. Сценарии применения интеллектуальных роботов для эксплуатации и обслуживания можно разделить на две категории:
• Готов ответить на запросы пользователей (в основном разработчиков) и эксплуатационные потребности
• Запускать и поддерживать собственные настроенные инструменты в нерабочее время для непосредственного решения проблем или предоставления вспомогательной информации.
На скриншотах ниже показаны несколько реальных случаев использования.
Сценарий 1. Отвечайте на запросы пользователей в любое время и в любом месте
Сценарий 2: Реагирование на пользовательские потребности в работе в любое время и в любом месте
Сценарий 3. Мобильный телефон обрабатывает сигналы тревоги в нерабочее время.
Сценарий 4: Получение пользовательской вспомогательной информации в нерабочее время
Эти несколько вариантов использования — всего лишь руководство. Например, два из четырех случаев были связаны с предупреждениями. На самом деле, теоретически, высшим уровнем обработки тревоги должно быть отсутствие тревоги, за которой следует автоматическая обработка после срабатывания тревоги. Пусть поднимется тревога, а она уже попала в подчиненное положение.
Однако 10 000 лет — это слишком много. Перед внедрением лучшего и более полного решения может быть желательно самостоятельно найти приемлемое компромиссное решение. Более того, при эксплуатации и техническом обслуживании поэтапно возникнет много неотложных потребностей. Пока порог разработки достаточно низок, инструменты того стоят.
Я считаю, что после приведенного выше введения у каждого сложилось определенное представление о том, что такое интеллектуальный робот для эксплуатации и обслуживания и что он может делать. Далее подробно представлены технические решения интеллектуальных роботов для эксплуатации и обслуживания.
Технические решения
Интеллектуальный робот для эксплуатации и обслуживания основан на корпоративном инструменте IM, а его интерактивный интерфейс с пользователем представляет собой окно сеанса инструмента IM. Мы определяем сеансы в трех режимах:
- Интеллектуальный режим, который является режимом по умолчанию. В интеллектуальном режиме выполняется сопоставление текста с сообщением, введенным пользователем, и возвращается соответствующий результат сопоставления.
- рабочий режим. Режим работы не обеспечивает входа для активного переключения, но в интеллектуальном режиме, когда ввод пользователя распознается как требование работы, режим работы включается автоматически. После запуска или отмены операции он автоматически переключается в интеллектуальный режим по умолчанию.
- Ручной режим. Ручной режим — активный щелчок пользователя для переключения. В ручном режиме все вводимые пользователем данные напрямую прозрачно передаются дежурному персоналу отдела эксплуатации и обслуживания.
Ниже приведен простой процесс обработки сообщения или события:
Интеллектуальный процесс эксплуатации и обслуживания роботов
Фактическая логика обработки сложнее, чем эта, с учетом некоторых мелких деталей. Например, как предотвратить «затопление» друг друга учетными записями двух интеллектуальных роботов для эксплуатации и обслуживания? Как реагировать на чистые смайлики, присланные пользователями? Другой пример — некоторые проблемы с опытом. Если в библиотеке часто задаваемых вопросов нет ответа на вопрос пользователя, мы предоставляем контекстное меню, в котором перечислены некоторые распространенные действия или документы по самопомощи. Так как же спроектировать время появления контекстного меню?
Как вариант интеллектуального обслуживания клиентов, диалоговая система является ядром интеллектуального робота для эксплуатации и обслуживания.В приведенной выше блок-схеме просто написано, чтобы вызвать диалоговую систему для получения результата. На самом деле ситуаций возврата после вызова диалоговой системы несколько. В частности, как показано на рисунке ниже:
Взаимодействие с диалоговой системой
Приведенная выше картина на самом деле показывает один момент: выбор технологии нашей диалоговой системы — это не генеративная модель, которая в настоящее время является горячей темой исследований, а модель, основанная на поиске. Это также с учетом того, что в сценарии применения интеллектуального робота для эксплуатации и обслуживания, когда пользователь взаимодействует с интеллектуальным роботом для эксплуатации и обслуживания, он хочет не найти кого-то, чтобы поболтать и расслабиться, а получить авторитетный ответ.
Поэтому мы используем частые вопросы пользователей, накопленные учетной записью эксплуатации и обслуживания, и соответствующие стандартизированные ответы, чтобы сформировать простую, легко редактируемую и расширяемую базу знаний. Основная функция диалоговой системы — связать вопросы пользователей с соответствующими ответами в базе знаний. На следующем рисунке представлена структурная схема диалоговой системы. Среди них все еще реализуются многоколесный движок и графический движок.
Структурная схема диалоговой системы
В нашей технической структуре для пользовательских вопросов система поиска с эффективным индексом будет использоваться для вызова некоторых ответов с высокой оценкой, а затем для точного сопоставления и сортировки. Это двухэтапное решение «грубой сортировки» и «точной сортировки» является стандартной парадигмой многих информационно-поисковых систем (включая рекомендательные системы). Добавление шага «грубой сортировки» может устранить большинство нерелевантных наборов кандидатов, что значительно уменьшит потребность в точной сортировке наборов кандидатов. Когда количество элементов знаний в базе знаний велико, затраты времени могут быть сокращены в геометрической прогрессии.
После «грубой сортировки» мы можем провести «точную сортировку» для части вызванных пар вопросов и ответов базы знаний-кандидатов. В этом процессе мы использовали два типа моделей соответствия.
- Одной из них является традиционная модель сопоставления текста. Ни одна из этих моделей не использует глубокое обучение и, по сути, оценивает сходство (сходство двух текстовых строк) между вопросами пользователя и вопросами (и информацией о частичном ответе) в базе знаний. В соответствии с оценкой совпадающих морфемных единиц сопоставление с множественной гранулярностью может быть основано на слове, слове и N-грамме. Среди простых методов сопоставления текста есть расстояние редактирования и коэффициент Закарда. В традиционных методах поиска информации методы поиска, использующие информацию о корпусе предметной области, такие как TFIDF, уже имеют лучший метод сглаживания BM25.
- Другой категорией является модель классификации нейронной сети. Проще говоря, модель выглядит так:
Модель классификации нейронной сети
Картина относительно абстрактна, и далее мы объясним ее подробно.
В сценарии поиска текста, таком как поисковая система, запрос часто состоит из нескольких ключевых слов, но запрашиваемый документ очень длинный, поэтому не нужно беспокоиться о том, что ключевое слово запроса не пересекается с запрашиваемым текстом. Однако в сценарии «вопрос-ответ» вопрос пользователя и вопрос в базе знаний с высокой вероятностью не содержат одних и тех же слов, но все же выражают смысл.
Поэтому мы используем технологию векторных слов для представления любой морфемной единицы (слова, слова) в виде непрерывной переменной в низкоразмерном пространстве, чтобы можно было построить эффективное пространство расстояний между словами, а затем два текста можно было более точно сопоставить. Семантическая дистанция, а не буквальная дистанция. Мы тренируем технику встраивания слов в сквозную сеть с самой нашей контролируемой задачей.
Этот подход также является стандартной парадигмой для современных методов представления текста и сопоставления текста. Сначала сопоставьте морфемные единицы, такие как слова, с непрерывными векторами через матрицу векторов слов, а затем используйте нейронные сети, такие как CNN/RNN, для извлечения высокоуровневых признаков векторов текстовых слов, а затем используйте эти признаки для построения задачи классификации.
В сценарии интеллектуальной эксплуатации и обслуживания роботов вопросы пользователей и вопросы базы знаний классифицируются как 0/1, а 1 означает, что эти два вопроса имеют одинаковое значение. Поскольку матрица векторов слов, параметры CNN/RNN и матрица весов для классификации признаков являются параметрами графа сети, их можно обучать совместно, что придает сети большую гибкость.
В отличие от текстовых сценариев, текстовые сценарии больше полагаются на информацию о взаимодействии двух предложений. Одномерная модель сопоставления для моделирования двух предложений по отдельности, а затем способ вычисления расстояния между представлениями не может хорошо моделировать информацию о взаимодействии двух предложений. Мы решили использовать двумерную модель сопоставления, чтобы построить совместное представление двух предложений в начале и найти признаки в этом совместном представлении, чтобы получить лучшие результаты.
В дополнение к информации о векторах слов другие признаки в предложениях также могут быть закодированы в векторах как признаки CNN/RNN. Например, информация о положении слова в предложении, перекрывающееся положение двух предложений, информация о части речи слова и т. д. В то же время механизм внимания в области обработки естественного языка также является ключевой информацией для сопоставления текста, делая предложения более чувствительными к конкретным словам, что также соответствует привычке человеческого познания.
Все баллы, полученные с помощью традиционной модели сопоставления текста и модели классификации нейронной сети для получения окончательного балла, объединяются с регрессионной моделью для получения степени соответствия между вопросом пользователя и вопросом базы знаний и, наконец, базой знаний, чья степень соответствия выше указанного порога Вопрос и ответ на него возвращаются пользователю.
просто начни
В эту эпоху, когда восточный ветер ИИ дует во всем мире, в эту эпоху, когда все говорят об ИИ и видят ИИ повсюду, мы делаем интеллектуальных роботов для эксплуатации и обслуживания, и действительно есть подозрение, что это горячая тема. Мы также не намерены прояснять это подозрение. Так много людей и так много компаний обращают внимание на ИИ и посвящают себя ИИ, и даже страна считает это основной стратегией не только из-за страха быть замененным ИИ и забытым со временем, но и из-за неспособность отвергнуть бесконечное воображение, которое приносит нам ИИ.
Когда мы внедрили технологию обработки естественного языка для снижения порога пользователя, мы обнаружили, что первоначальная простая учетная запись обслуживания клиентов сразу же полна возможностей. Интеллектуальный робот для эксплуатации и обслуживания Tencent Zhiyun — это всего лишь небольшой тест ИИ в области эксплуатации и обслуживания. Когда все больше и больше технологий искусственного интеллекта внедряются в область эксплуатации и обслуживания, можем ли мы ожидать, что наше путешествие движется к морю звезд?
вопросы и ответы
Какое влияние ИИ окажет на нашу жизнь?
Связанное Чтение
Эта статья была разрешена автором для публикации Tencent Cloud + Community, пожалуйста, укажите при перепечаткеИсточник статьи
Исходная ссылка: https://cloud.tencent.com/developer/article/1067243?fromSource=waitui