Բարև, Հաբր: Այսօր մենք ձեզ ցույց կտանք, թե ինչպես օգտագործել Azure-ը լուծելու խնդիրները, որոնք սովորաբար պահանջում են մարդու միջամտություն: Գործակալները շատ ժամանակ են ծախսում նույն հարցերին պատասխանելու, հեռախոսազանգերի և տեքստային հաղորդագրությունների վրա: Չաթ-բոտերը ավտոմատացնում են հաղորդակցությունն ու ճանաչումը և նվազեցնում մարդկանց բեռը: Բոտերն օգտագործվում են նաև Azure DevOps-ում, որտեղ նրանք, օրինակ, թույլ են տալիս հաստատել թողարկումները, կառավարել կառուցումները՝ դիտել, սկսել և դադարեցնել՝ անմիջապես Slack-ից կամ Microsoft Teams-ից: Ըստ էության, chatbot-ը ինչ-որ չափով հիշեցնում է CLI-ը, միայն ինտերակտիվ է և թույլ է տալիս ծրագրավորողին մնալ չաթի քննարկման համատեքստում:
Այս հոդվածում մենք կխոսենք չաթ-բոտերի ստեղծման գործիքների մասին, ցույց կտանք, թե ինչպես դրանք կարող են բարելավվել ճանաչողական ծառայությունների միջոցով և նկարագրելու ենք, թե ինչպես արագացնել զարգացումը Azure-ում պատրաստի ծառայությունների միջոցով:
Chatbots և ճանաչողական ծառայություններ. որո՞նք են նմանությունները և որոնք են տարբերությունները:
Microsoft Azure-ում բոտեր ստեղծելու համար դուք օգտագործում եք Azure Bot Service-ը և Bot Framework-ը: Նրանք միասին ներկայացնում են բոտերի ստեղծման, փորձարկման, տեղակայման և կառավարման ծրագրերի մի շարք, որը թույլ է տալիս պատրաստի մոդուլներից ստեղծել ինչպես պարզ, այնպես էլ առաջադեմ հաղորդակցման համակարգեր՝ խոսքի աջակցությամբ, բնական լեզվի ճանաչման և այլ հնարավորություններով:
Ենթադրենք, որ դուք պետք է ներդնեք պարզ բոտ՝ հիմնված կորպորատիվ Q&A ծառայության վրա կամ, հակառակը, ստեղծեք ֆունկցիոնալ բոտ՝ բարդ, ճյուղավորված հաղորդակցման համակարգով։ Դա անելու համար դուք կարող եք օգտագործել մի շարք գործիքներ, որոնք բաժանված են երեք խմբի.
- Երկխոսության ինտերֆեյսների (բոտերի) արագ զարգացման ծառայություններ։
- Պատրաստի ճանաչողական AI ծառայություններ տարբեր օգտագործման դեպքերի համար (նախշերի ճանաչում, խոսքի ճանաչում, գիտելիքների բազա և որոնում):
- AI մոդելների ստեղծման և վերապատրաստման ծառայություններ.
Սովորաբար, մարդիկ ինտուիտիվ կերպով շփոթում են «բոտերը» և «ճանաչողական ծառայությունները», քանի որ երկու հասկացությունները հիմնված են հաղորդակցության սկզբունքի վրա, և բոտերի և ծառայությունների օգտագործման դեպքը ներառում է երկխոսություններ: Բայց չաթ-բոտերն աշխատում են հիմնաբառերի և գործարկիչների հետ, իսկ ճանաչողական ծառայություններն աշխատում են կամայական հարցումներով, որոնք սովորաբար մշակվում են մարդկանց կողմից.
Ճանաչողական ծառայությունները օգտվողի հետ շփվելու ևս մեկ միջոց են, որոնք օգնում են կամայական հարցումը վերածել հստակ հրամանի և փոխանցել այն բոտին:
Այսպիսով, չաթ-բոտերը հարցումների հետ աշխատելու հավելվածներ են, իսկ ճանաչողական ծառայությունները՝ առանձին գործարկվող հարցումների խելացի վերլուծության գործիքներ, բայց որոնց չաթբոտը կարող է մուտք գործել՝ դառնալով «խելացի»:
Չաթ-բոտերի ստեղծում
Azure-ում բոտի համար առաջարկվող դիզայնի դիագրամը հետևյալն է.
Azure-ում բոտեր նախագծելու և զարգացնելու համար օգտագործեք . Հասանելի է GitHub-ում , շրջանակի հնարավորությունները փոխվում են, ուստի անհրաժեշտ է հաշվի առնել SDK-ի տարբերակը, որն օգտագործվում է բոտերում։
Շրջանակը տրամադրում է բոտերի ստեղծման մի քանի տարբերակ՝ օգտագործելով դասական կոդ, հրամանի տող գործիքներ կամ սխեմաներ: Վերջին տարբերակը պատկերացնում է երկխոսությունները, դրա համար կարող եք օգտագործել կառավարիչը . Այն կառուցվել է Bot Framework SDK-ի վրա՝ որպես տեսողական զարգացման գործիք, որը միջառարկայական թիմերը կարող են օգտագործել բոտեր ստեղծելու համար:
Bot Framework Composer-ը թույլ է տալիս օգտագործել բլոկներ երկխոսության կառուցվածք ստեղծելու համար, որի հետ բոտը կաշխատի: Բացի այդ, դուք կարող եք ստեղծել գործարկիչներ, այսինքն՝ հիմնաբառեր, որոնց բոտը կարձագանքի երկխոսության ընթացքում։ Օրինակ՝ «օպերատոր», «գողություն» կամ «կանգ» և «բավական» բառերը։
Bot Framework Composer-ում դուք կարող եք ստեղծել բարդ երկխոսության համակարգեր՝ օգտագործելով . Դիալոգները կարող են օգտագործել ինչպես ճանաչողական ծառայություններ, այնպես էլ իրադարձությունների քարտեր (Adaptive Cards).
Ստեղծվելուց հետո կարող եք չաթբոտը տեղակայել բաժանորդագրության մեջ, և ավտոմատ պատրաստված սկրիպտը կստեղծի բոլոր անհրաժեշտ ռեսուրսները՝ ճանաչողական ծառայություններ, հավելվածի պլան, Application Insights, տվյալների բազա և այլն:
QnA Maker
Կորպորատիվ Q&A տվյալների բազայի վրա հիմնված պարզ բոտեր ստեղծելու համար կարող եք օգտագործել QnA Maker ճանաչողական ծառայությունը։ Իրականացված որպես պարզ վեբ մոգ, այն թույլ է տալիս մուտքագրել հղում դեպի կորպորատիվ գիտելիքների բազա (ՀՏՀ URL) կամ որպես հիմք օգտագործել փաստաթղթերի տվյալների բազա *.doc կամ *.pdf ձևաչափով: Ինդեքսը ստեղծելուց հետո բոտն ավտոմատ կերպով կընտրի օգտատիրոջ հարցերին ամենահարմար պատասխանները:
Օգտագործելով QnAMaker-ը, դուք կարող եք նաև ստեղծել հստակեցնող հարցերի շղթաներ՝ կոճակների ավտոմատ ստեղծմամբ, գիտելիքների բազան լրացնել մետատվյալներով և հետագայում վերապատրաստել ծառայությունը օգտագործման ընթացքում:
Ծառայությունը կարող է օգտագործվել որպես չաթ-բոտ, որն իրականացնում է միայն այս գործառույթը, կամ որպես բարդ չաթբոտի մաս, որը, կախված հարցումից, օգտագործում է AI-ի այլ ծառայություններ կամ Bot Framework-ի տարրեր:
Աշխատեք այլ ճանաչողական ծառայությունների հետ
Azure հարթակում կան բազմաթիվ տարբեր ճանաչողական ծառայություններ: Տեխնիկապես սրանք անկախ վեբ ծառայություններ են, որոնք կարող են կանչվել կոդից: Ի պատասխան՝ ծառայությունն ուղարկում է որոշակի ձևաչափի json, որը կարող է օգտագործվել չաթ բոտում։
Չաթ-բոտերի ամենատարածված օգտագործումն են.
- Տեքստի ճանաչում.
- Մշակողի կողմից սահմանված Custom Vision Service պատկերների կատեգորիաների ճանաչում (արտադրական դեպք. ճանաչում, թե աշխատակիցը կրում է կոշտ գլխարկ, ակնոց կամ դիմակ):
- Դեմքի ճանաչում (գերազանց օգտագործման դեպք է ստուգել՝ արդյոք հարցված անձը տեղադրել է իր սեփական դեմքը, կամ, ասենք, շան լուսանկարը կամ այլ սեռի մարդու լուսանկարը):
- Խոսքի ճանաչում.
- Պատկերի վերլուծություն.
- Թարգմանություն (բոլորս էլ հիշում ենք, թե որքան աղմուկ է առաջացրել Skype-ում միաժամանակյա թարգմանությունը):
- Ուղղագրության ստուգում և սխալները շտկելու առաջարկներ:
LUIS
Բացի այդ, բոտեր ստեղծելու համար ձեզ կարող է անհրաժեշտ լինել (Լեզու հասկանալու խելացի ծառայություն): Ծառայության նպատակները.
- Որոշեք, թե արդյոք օգտատիրոջ հայտարարությունը իմաստ ունի և արդյոք բոտի պատասխանը անհրաժեշտ է:
- Նվազեցրեք օգտատիրոջ խոսքը (տեքստը) բոտի համար հասկանալի հրամանների արտագրելու ջանքերը:
- Կանխատեսեք իրական օգտատիրոջ նպատակները/մտադրությունները և արդյունահանեք հիմնական պատկերացումները երկխոսության արտահայտություններից:
- Թույլ տվեք ծրագրավորողին գործարկել բոտը՝ օգտագործելով իմաստի ճանաչման ընդամենը մի քանի օրինակ և գործարկման ընթացքում բոտի հետագա լրացուցիչ ուսուցումը:
- Թույլատրել մշակողին օգտագործել վիզուալիզացիա՝ հրամանների տառադարձման որակը գնահատելու համար:
- Աջակցեք իրական նպատակների ճանաչման աստիճանական բարելավմանը:
Իրականում LUIS-ի հիմնական նպատակն է որոշակի հավանականությամբ հասկանալ, թե ինչ է նկատի ունեցել օգտատերը և բնական հարցումը վերածել ներդաշնակ հրամանի։ Հարցման արժեքները ճանաչելու համար LUIS-ն օգտագործում է մի շարք մտադրություններ (իմաստներ, մտադրություններ) և սուբյեկտներ (կամ նախապես կազմաձևված են մշակողների կողմից, կամ վերցված և նախապես ձևավորված «տիրույթներ»՝ Microsoft-ի կողմից պատրաստված ստանդարտ արտահայտությունների որոշ պատրաստի գրադարաններ):
Պարզ օրինակ՝ դուք ունեք բոտ, որը ձեզ եղանակի կանխատեսում է տալիս: Նրա համար մտադրությունը լինելու է բնական խնդրանքը «գործողության» վերածելը` եղանակի կանխատեսման խնդրանք, իսկ սուբյեկտները կլինեն ժամանակը և տեղը: Ահա մի դիագրամ, թե ինչպես է աշխատում CheckWeather մտադրությունը նման բոտի համար:
Մտադրություն
Էությունը
Բնական հարցման օրինակ
Ստուգեք եղանակը
{"type": "location", "entity": "moscow"}
{"type": "builtin.datetimeV2.date", "entity": "future","resolution":"2020-05-30"}
Ինչ եղանակ է սպասվում վաղը Մոսկվայում.
Ստուգեք եղանակը
{ "type": "date_range", "entity": "this weekend" }
Ցույց տվեք ինձ այս շաբաթավերջի կանխատեսումը
QnA Maker-ը և LUIS-ը համատեղելու համար կարող եք օգտագործել .
Երբ դուք աշխատում եք QnA Maker-ի հետ և ստանում եք հարցում օգտվողից, համակարգը որոշում է, թե հավանականության քանի տոկոսն է QnA-ի պատասխանը համընկնում հարցմանը: Եթե հավանականությունը մեծ է, օգտվողին պարզապես պատասխան է տրվում կորպորատիվ գիտելիքների բազայից, եթե այն ցածր է, հարցումը կարող է ուղարկվել LUIS-ին պարզաբանման համար: Դիսպետչերի օգտագործումը թույլ է տալիս ոչ թե ծրագրավորել այս տրամաբանությունը, այլ ինքնաբերաբար որոշել հարցումների տարանջատման այս եզրը և արագ բաշխել դրանք:
Բոտի փորձարկում և հրապարակում
Մեկ այլ տեղական ծրագիր օգտագործվում է փորձարկման համար, . Օգտագործելով էմուլյատորը, դուք կարող եք շփվել բոտի հետ և ստուգել այն հաղորդագրությունները, որոնք նա ուղարկում և ստանում է: Էմուլյատորը ցուցադրում է հաղորդագրությունները այնպես, ինչպես դրանք կհայտնվեին վեբ զրույցի ինտերֆեյսում և գրանցում JSON հարցումներն ու պատասխանները բոտին հաղորդագրություն ուղարկելիս:
Այս ցուցադրությունում ներկայացված է էմուլյատորի օգտագործման օրինակ, որը ցույց է տալիս BMW-ի համար վիրտուալ օգնականի ստեղծումը։ Տեսանյութում խոսվում է նաև չաթ-բոտերի ստեղծման նոր արագացուցիչների մասին՝ կաղապարներ.
Դուք կարող եք նաև օգտագործել կաղապարներ ձեր չաթ-բոտեր ստեղծելիս:
Կաղապարները թույլ են տալիս նորովի չգրել բոտի ստանդարտ գործառույթներ, այլ որպես «հմտություն» ավելացնել պատրաստի կոդը։ Օրինակ կարող է լինել օրացույցով աշխատելը, նշանակումներ կատարելը և այլն: Պատրաստի հմտությունների կոդը github-ում:
Թեստավորումը հաջող է անցել, բոտը պատրաստ է, և այժմ այն պետք է հրապարակվի և միացվի ալիքները։ Հրապարակումն իրականացվում է Azure-ի միջոցով, իսկ որպես ալիք կարող են օգտագործվել մեսենջերները կամ սոցիալական ցանցերը։ Եթե չունեք տվյալների մուտքագրման համար անհրաժեշտ ալիք, կարող եք այն որոնել GitHab-ի համապատասխան համայնքում:
Նաև լիարժեք չաթ-բոտ ստեղծելու համար՝ որպես օգտատիրոջ և ճանաչողական ծառայությունների հետ շփվելու ինտերֆեյս, ձեզ, իհարկե, անհրաժեշտ կլինեն լրացուցիչ Azure ծառայություններ, ինչպիսիք են տվյալների բազաները, առանց սերվերի (Azure Functions), ինչպես նաև LogicApp ծառայությունները և, հնարավոր է, , Իրադարձությունների ցանց.
Գնահատում և վերլուծություն
Օգտատիրոջ փոխազդեցությունը գնահատելու համար կարող եք օգտագործել և՛ Azure Bot Service-ի ներկառուցված վերլուծությունը, և՛ հատուկ Application Insights ծառայությունը:
Արդյունքում, դուք կարող եք տեղեկատվություն հավաքել հետևյալ չափանիշների հիման վրա.
- Քանի՞ օգտատեր է մուտք գործել բոտ տարբեր ալիքներից ընտրված ժամանակահատվածում:
- Քանի օգտատեր, ովքեր ուղարկել են մեկ հաղորդագրություն, հետո վերադարձել են և ուղարկել մեկ այլ հաղորդագրություն:
- Քանի՞ գործողություն է ուղարկվել և ստացվել յուրաքանչյուր ալիքի միջոցով նշված ժամանակային միջակայքում:
Օգտագործելով Application Insights-ը, դուք կարող եք վերահսկել ցանկացած հավելված Azure-ում և, մասնավորապես, չաթ-բոտերին՝ ստանալով լրացուցիչ տվյալներ օգտատերերի վարքագծի, բեռների և չաթբոտի ռեակցիաների մասին: Հարկ է նշել, որ Application Insights ծառայությունն ունի իր սեփական ինտերֆեյսը Azure պորտալում։
Դուք կարող եք նաև օգտագործել այս ծառայության միջոցով հավաքագրված տվյալները՝ PowerBI-ում լրացուցիչ վիզուալիզացիաներ և վերլուծական հաշվետվություններ ստեղծելու համար: PowerBI-ի համար նման զեկույցի և ձևանմուշի օրինակ կարելի է վերցնել .
Շնորհակալություն բոլորիդ ուշադրության համար: Այս հոդվածում մենք օգտագործել ենք Microsoft Azure-ի ճարտարապետ Աննա Ֆենյուշինայի վեբինարից «Երբ մարդիկ ժամանակ չունեն. Ինչպես 100%-ով օգտագործել չաթ-բոտերն ու ճանաչողական ծառայությունները՝ սովորական գործընթացներն ավտոմատացնելու համար», որտեղ մենք հստակ ցույց տվեցինք, թե ինչ չաթ-բոտեր կան Azure-ում և որոնք են դրանց օգտագործման սցենարները, ինչպես նաև ցույց տվեցինք, թե ինչպես ստեղծել բոտ QnA Maker-ում 15 րոպեում և ինչպես է Հարցման կառուցվածքը վերծանվում է LUIS-ում:
Մենք պատրաստեցինք այս վեբինարը որպես Dev Bootcamp ծրագրավորողների առցանց մարաթոնի մի մաս: Խոսքը գնում է արտադրանքների մասին, որոնք արագացնում են զարգացումը և որոշ չափով ազատում ընկերության աշխատակիցների սովորական ծանրաբեռնվածությունը՝ օգտագործելով ավտոմատացման գործիքները և պատրաստի նախապես կազմաձևված Azure մոդուլները: Մարաթոնում ընդգրկված այլ վեբինարների ձայնագրությունները հասանելի են հետևյալ հղումներով.
-
Մենք խոսում ենք Azure DevOps ծառայության էվոլյուցիայի և նոր հնարավորությունների մասին: Մենք մանրամասնորեն վերլուծում ենք դրա բոլոր հինգ հիմնական բաղադրիչները, և թե ինչպես է ծառայությունն օգնում արդյունաբերական ծրագրերի մշակման կազմակերպմանը: Ներկայացնող՝ Վլադիմիր Գուսարով Microsoft MVP.
Մենք դիտարկում ենք, թե ինչպես կարելի է իրականացնել «հավաքում որպես կոդ» մոտեցումը ցանկացած ծրագրավորման լեզուների համար՝ օգտագործելով բազմաստիճան YAML խողովակաշարեր: Ներկայացնող՝ Վլադիմիր Գուսարով Microsoft MVP.
Մենք քննարկում ենք, թե ինչպես մշակել ծրագրային ապահովման սկզբնական կոդը պահելու ռազմավարություն և ինչպես օգտագործել տարբերակների պահպանման համակարգերը՝ օգտագործելով Azure Repos-ը: Ներկայացնող՝ Վլադիմիր Գուսարով Microsoft MVP.
Մենք ներկայացնում ենք բաց կոդով կառավարման տեխնիկա WhiteSource գործիքի մշակման և գործնական կիրառման մեջ: Մենք խոսում ենք բաց կոդով բաղադրիչներում խոցելիության որոնման և լիցենզավորման մաքրության պահպանման մասին՝ օգտագործելով WhiteSource-ը: Ներկայացնողներ՝ Դիանա Լիսբարոն, WhiteSource-ի վաճառքի տնօրեն և Դարիա Օրեշկինա, Web Control, Ռուսաստանում WhiteSource-ի պաշտոնական դիստրիբյուտոր:
Source: www.habr.com