S:
Chatbot'lar aksanlarla nasıl başa çıkıyor?
A:Son birkaç yılda daha yeni ve daha sofistike chatbotların ortaya çıkmasıyla birlikte, birçok sektördeki insanlar chatbotların nasıl ilerlediğini, etkileşimli sesli yanıtta (IVR) nasıl ilerleme kaydettiklerini ve bunun yanı sıra perakendeyi ve diğer birçok sektörü nasıl etkilediğini gözlemliyorlar. .
İlgili önemli sorulardan biri, chatbotların aksanlarla nasıl başa çıktığıdır. Bölgesel ve dünya dil aksanları, bu teknolojiler için en başından beri tökezleyen bir blok olmuştur. Özellikle, sohbet botları doğal dil işleme (NLP) algoritmaları açısından daha ilkel olduğunda, konuşma fonemlerini önemli ölçüde değiştiren bir aksanla kolayca karıştırıldılar. Bugün, sürekli gelişen algoritmalarla sohbet botları çok daha esnek hale geldi.
İşte mühendislerin ve paydaşların sohbet botlarının aksanlarla baş etmesine yardımcı olmak için çalıştıkları bazı ana yollar.
Birincisi hedefleme. Farklı bir müşteriyle uğraşan birçok şirket birden fazla sistem kuracak - çapraz dil sorunlarından kaçınmak için tüketicileri veya diğer son kullanıcıları lehçeleri ve dilleri ile eşleşen sisteme doğru yönlendirmeye çalışacaklar.
Ancak, hedefleme yalnızca çok şey yapabilir. Şirketlerin chatbot iyileştirmesi üzerinde çalışmasının bir başka anahtar yolu üçgenleme - ve bu da chatbotların aksan sorununu ele geçirmesine yardımcı olan bir şey.
Fonemleri üçgenlemek daha spesifik sonuçlar elde edilmesine yardımcı olur. Bunu bu şekilde düşünün - eğer bir sohbet botu Amerika Birleşik Devletleri'ne taşınan ve İngilizce'yi farklı bir Hint aksanıyla konuşan yerli bir Hintli ile karşılaşırsa, makine farklılıklar, örneğin daha düz, daha geniş "a" Yerli Hintçe konuşmacıların İngilizce'de ustalaşmakta zorlandıkları bir ses. Fonemleri izole etmek için daha karmaşık olan bir chatbot, sorunlu noktaları seçebilir ve tüm kelimeyi veya ifadeyi kaçırmayacak şekilde daha doğru bir şekilde “teşhis edebilir”. Bu bir algoritma için bir insandan daha doğrudur: Birçok insan dinleyicisi herhangi bir aksan farkı ile karıştırılma eğilimindedir.
Fonemleri daha derinden izole ederek ve bunlarla daha fazla ilgilenerek, teknoloji daha “gerçek cevaplar” veya yanıtlar ortaya çıkarabilir, ancak sohbet botlarının aksanlı bir sese veya başka bir “soruna” yanıt verme sorununu ele almasının başka bir önemli yolu daha vardır.
Anlama doludan az olduğunda, anahtar faktörlerden biri teknolojinin nasıl tepki verdiğidir. Geçmiş yılların en temel IVR sohbet botları “Özür dilerim, bunu anlamadım” demeye devam ettiler. Günümüzün rafine edilmiş botlarının ya bir insanın çağrısını arttıran ya da kısmi cevaplar veren ya da yine sorunu izole etmeye çalışan yinelemeli yanıt verme olasılığı daha yüksektir.
Hedefleme, nirengi ve iyi triyaj ile sohbet botları, aksanlarla ve arayanların sahip olabileceği diğer özdeyişlerle ilgili daha doğru olabilir. Bu, geçmişte çoğu şanssız arayan için etkileyici olmayan “sanal asistanlar” dünyasında devrim yaratacak.
