P:
Jak chatboty radzą sobie z akcentami?
ZA:Wraz z pojawieniem się nowszych i bardziej wyrafinowanych chatbotów w ciągu ostatnich kilku lat, ludzie w wielu branżach obserwują postępy chatbotów, sposób, w jaki służą postęp w interaktywnej odpowiedzi głosowej (IVR), i jak wpływa to na handel detaliczny, a także wiele innych branż .
Jednym z ważnych pytań jest to, jak chatboty radzą sobie z akcentami. Regionalne i światowe akcenty od samego początku były przeszkodą dla tych technologii. W szczególności, gdy chatboty były bardziej podstawowe pod względem algorytmów przetwarzania języka naturalnego (NLP), łatwo było ich zaskoczyć akcentem, który znacząco zmienia fonemy mowy. Dzisiaj, dzięki ciągle ewoluującym algorytmom, chatboty stały się znacznie bardziej odporne.
Oto kilka głównych sposobów, w jakie inżynierowie i interesariusze pracowali, aby pomóc chatbotom w obsłudze akcentów.
Pierwszy polega na kierowaniu. Wiele firm zajmujących się różnorodną klientelą utworzy wiele systemów - będą próbować przenieść konsumentów lub innych użytkowników końcowych w kierunku systemu pasującego do ich dialektu i języka, aby uniknąć problemów między językami.
Jednak kierowanie może zrobić tylko tyle. Innym kluczowym sposobem, w jaki firmy pracują nad udoskonaleniem chatbota, jest triangulacja - i jest to coś, co pomogło chatbotom pokonać problem z akcentem.
Triangulacja fonemów pomaga zapewnić bardziej szczegółowe wyniki. Pomyśl o tym w ten sposób - jeśli chatbot spotka głos rodzimego Indianina, który przeprowadził się do Stanów Zjednoczonych i mówi po angielsku z wyraźnym indyjskim akcentem, maszyna będzie musiała poradzić sobie z różnicami, na przykład bardziej płaskim, szerszym „a” dźwięk, który rdzenni mieszkańcy Indii mają trudności z opanowaniem języka angielskiego. Chatbot, który ma większą złożoność do izolowania fonemów, może wykryć miejsca problemów i dokładniej je „zdiagnozować”, aby nie przeoczył całego słowa lub frazy. Jest to bardziej prawdziwe w przypadku algorytmu niż istoty ludzkiej: wielu ludzkich słuchaczy ma tendencję do dezorientacji z powodu różnic akcentujących.
Dzięki głębszej izolacji i radzeniu sobie z fonemami technologia może uzyskać więcej „prawdziwych odpowiedzi” lub odpowiedzi, ale jest też inny ważny sposób, w jaki chatboty mogą poradzić sobie z problemem reagowania na akcentowany głos - lub innym „problemem”.
Gdy zrozumienie jest mniej niż pełne, jednym z kluczowych czynników jest reakcja technologii. Bardziej podstawowe chatboty IVR z przeszłości były skłonne powtarzać „przepraszam, nie rozumiałem tego” w kółko. Dzisiejsze wyrafinowane chatboty z większym prawdopodobieństwem zapewnią iteracyjną odpowiedź, albo eskalując połączenie do człowieka, albo udzielając częściowych odpowiedzi, albo ponownie, próbując wyizolować problem.
Dzięki celowaniu, triangulacji i dobrej triage, chatboty mogą uzyskać znacznie dokładniejsze informacje na temat akcentów i wszelkich innych osobliwości wywołujących. To zrewolucjonizuje świat „wirtualnych asystentów”, który w przeszłości był mniej niż imponujący dla większości nieszczęsnych rozmówców.
