CTI論壇(ctiforum.com)（編譯/老秦）： 人工智能 (AI) 和機(jī)器學(xué)習(xí) (ML) 創(chuàng)新很像蓋房子。你不會(huì)有一天一覺(jué)醒來(lái)發(fā)現(xiàn)房子已經(jīng)完工。
每個(gè)最先進(jìn)的進(jìn)步都始于基本概念，并建立在之前的研究和開(kāi)發(fā)之上。這個(gè)想法適用于人工智能的許多子學(xué)科，尤其是對(duì)話(huà)智能。
在過(guò)去的幾十年里，語(yǔ)音和語(yǔ)言 AI 的進(jìn)步為對(duì)話(huà)智能奠定了基礎(chǔ)。如今，公司利用對(duì)話(huà)智能來(lái)真正了解其全渠道客戶(hù)交互背后的背景。
有了這些知識(shí)，團(tuán)隊(duì)可以減少 CX 中的摩擦，有效地指導(dǎo)他們的員工，并在銷(xiāo)售、營(yíng)銷(xiāo)和產(chǎn)品開(kāi)發(fā)等部門(mén)進(jìn)行關(guān)鍵的業(yè)務(wù)改進(jìn)。
我們最新的白皮書(shū)《AI 很重要：深入了解CallMiner如何推動(dòng)業(yè)務(wù)績(jī)效改進(jìn)》通過(guò)回顧對(duì)話(huà)智能市場(chǎng)的歷史，涵蓋了對(duì)話(huà)智能市場(chǎng)的這些結(jié)構(gòu)性變化。
這四個(gè) AI 時(shí)代塑造了當(dāng)前圍繞對(duì)話(huà)智能的思維，即使行業(yè)在不斷發(fā)展。
時(shí)代 1：機(jī)器轉(zhuǎn)錄與人工分析
語(yǔ)音識(shí)別 AI 用于將對(duì)話(huà)轉(zhuǎn)錄為文本。它的歷史可以追溯到 1950 年代，當(dāng)時(shí)貝爾實(shí)驗(yàn)室制造了第一個(gè)被記錄在案的語(yǔ)音識(shí)別器"Audrey"，它可以識(shí)別中間有停頓的數(shù)字字符串。
隨著摩爾定律和計(jì)算能力的重大進(jìn)步，該領(lǐng)域在 1990 年代末至 2000 年代初真正起飛。
機(jī)器轉(zhuǎn)錄的缺點(diǎn)：人類(lèi)仍然需要手動(dòng)解釋每個(gè)轉(zhuǎn)錄本以收集見(jiàn)解。這需要人類(lèi)付出很多努力，并且對(duì)于大量交互來(lái)說(shuō)是不切實(shí)際的。
仍然有價(jià)值的地方：當(dāng)需要深入研究個(gè)人互動(dòng)時(shí)，這項(xiàng)技術(shù)仍然有效。許多工作流程仍需要這些深入探索，尤其是在客戶(hù)互動(dòng)的第一線(xiàn)指導(dǎo)和培訓(xùn)員工時(shí)。
時(shí)代 2：?jiǎn)卧~識(shí)別
單詞識(shí)別，也稱(chēng)為關(guān)鍵字識(shí)別，使用 AI 來(lái)查找某些單詞的存在或不存在。該領(lǐng)域的一些初步研究發(fā)生在 1980 年代末和 1990 年代初。通常，該技術(shù)用于情緒分析。
例如，單詞識(shí)別算法可以查看通話(huà)記錄中是否存在"真棒"或"可怕"這些詞，以幫助進(jìn)行情感分析。
單詞識(shí)別的缺點(diǎn)：首先，該技術(shù)依賴(lài)于完美的轉(zhuǎn)錄準(zhǔn)確性。即使是最好的轉(zhuǎn)錄員也不是 100% 準(zhǔn)確的。其次，很多詞有多重含義。語(yǔ)言通常比所說(shuō)的單個(gè)單詞復(fù)雜得多。相反，意義來(lái)源于詞語(yǔ)的相互作用。
仍然有價(jià)值的地方：在許多必須檢測(cè)行業(yè)或公司特定詞的情況下，詞發(fā)現(xiàn)仍然有用。例如，競(jìng)爭(zhēng)對(duì)手的提及可能會(huì)觸發(fā)機(jī)器人流程自動(dòng)化 (RPA) 系統(tǒng)中的某些自動(dòng)化事件，從而大大減輕單個(gè)座席的負(fù)擔(dān)。
時(shí)代 3：基于規(guī)則的方法
在這個(gè)時(shí)代，自然語(yǔ)言處理 (NLP) 的先驅(qū)們開(kāi)始在對(duì)話(huà)中捕捉人類(lèi)語(yǔ)言的復(fù)雜性�；谝�(guī)則的方法不再是檢測(cè)單個(gè)單詞，而是更多地了解單詞如何交互。
1980 年代和 1990 年代的早期統(tǒng)計(jì)模型是第一個(gè)基于規(guī)則的自動(dòng)化語(yǔ)言系統(tǒng)，它不依賴(lài)于勞動(dòng)密集型的手寫(xiě)規(guī)則。
規(guī)則是人工智能的一次重要演變，因?yàn)樗鼈兡軌虿蹲降绞裁磿r(shí)候說(shuō)什么（元數(shù)據(jù)）、具體說(shuō)了什么（語(yǔ)義）和怎么說(shuō)（聲學(xué)）的上下文。規(guī)則還允許過(guò)濾某些場(chǎng)景。
基于規(guī)則的方法的缺點(diǎn)：很難在有限的規(guī)則集中捕捉到可以說(shuō)的每一種方式。
仍然有價(jià)值的地方：在很多情況下，某事只能以幾種方式表達(dá)（或者，事物只能以一種特定的方式表達(dá)）。很好的例子包括法律披露、合規(guī)要求和某些座席腳本。
時(shí)代 4：機(jī)器學(xué)習(xí)（當(dāng)前）
ML 是當(dāng)前最先進(jìn)的對(duì)話(huà)智能技術(shù)。 ML 不是通過(guò)創(chuàng)建規(guī)則來(lái)描述數(shù)據(jù)，而是使用高級(jí)算法來(lái)創(chuàng)建基于大數(shù)據(jù)的規(guī)則。
例如，機(jī)器學(xué)習(xí)解決方案可能會(huì)使用無(wú)監(jiān)督學(xué)習(xí)來(lái)分析任何交互子集并將其聚類(lèi)為可探索和可擴(kuò)展的主題，而不是預(yù)先確定應(yīng)該在對(duì)話(huà)中出現(xiàn)的主題并編寫(xiě)規(guī)則來(lái)捕獲它們。
例如，無(wú)監(jiān)督學(xué)習(xí)使用算法在沒(méi)有人工監(jiān)督的情況下發(fā)現(xiàn)未標(biāo)記數(shù)據(jù)集中的模式。 ML 還可以為組織提供在實(shí)際對(duì)話(huà)中類(lèi)似使用的相關(guān)單詞和短語(yǔ)。
了解更多關(guān)于 AI 和 ML 的歷史可以幫助用戶(hù)了解這項(xiàng)技術(shù)是如何發(fā)展的。隨著時(shí)間的推移，組織與這些趨勢(shì)保持同步。
結(jié)果是對(duì)話(huà)智能技術(shù)建立在以前的人工智能進(jìn)步的基礎(chǔ)上，將它們整合到最需要的地方，并從多年的經(jīng)驗(yàn)中受益，以領(lǐng)先一步。
聲明：版權(quán)所有 非合作媒體謝絕轉(zhuǎn)載
原文網(wǎng)址：https://www.callcentrehelper.com/ai-innovation-in-conversation-intelligence-210099.htm
