Azure サービスを使用して開発を加速します。プラットフォームを使用してチャットボットとコグニティブ サービスを作成します。

こんにちは、ハブル！ 今日は、通常人間の介入が必要となる問題を Azure を使用して解決する方法を説明します。 エージェントは同じ質問に答えたり、電話やテキスト メッセージを処理したりするのに多くの時間を費やします。 チャットボットはコミュニケーションと認識を自動化し、人々の負担を軽減します。 ボットは Azure DevOps でも使用されており、たとえば、リリースの承認、ビルドの管理 (表示、開始、停止) を Slack や Microsoft Teams から直接行うことができます。 本質的に、チャットボットは CLI に似ていますが、インタラクティブなだけであり、開発者はチャット ディスカッションのコンテキストにとどまることができます。

この記事では、チャットボットを作成するツールについて説明し、コグニティブ サービスを使用してチャットボットを改善する方法を示し、Azure の既製のサービスを使用して開発をスピードアップする方法について説明します。

チャットボットとコグニティブ サービス: 類似点と相違点は何ですか?

Microsoft Azure でボットを作成するには、Azure Bot Service と Bot Framework を使用します。 これらは、ボットの構築、テスト、展開、管理のための一連のソフトウェアを表しており、既製のモジュールから、音声サポート、自然言語認識、その他の機能を備えたシンプルな通信システムと高度な通信システムの両方を作成できます。

企業の Q&A サービスに基づいた単純なボットを実装する必要があるか、逆に、複雑な分岐通信システムを備えた機能的なボットを作成する必要があると仮定します。 これを行うには、次の XNUMX つのグループに分かれた多数のツールを使用できます。 

1. ダイアログ インターフェイス (ボット) を迅速に開発するためのサービス。
2. さまざまなユースケース (パターン認識、音声認識、知識ベース、検索) に対応する既製のコグニティブ AI サービス。
3. AI モデルの作成とトレーニングのためのサービス。

通常、人々は「ボット」と「コグニティブ サービス」を直感的に混同します。これは、どちらの概念もコミュニケーションの原理に基づいており、ボットとサービスのユースケースには対話が含まれるためです。 しかし、チャットボットはキーワードとトリガーを使用して動作し、コグニティブ サービスは通常人間によって処理される任意のリクエストを使用して動作します。 

コグニティブ サービスは、ユーザーと通信するもう XNUMX つの方法であり、任意のリクエストを明確なコマンドに変換してボットに渡すのに役立ちます。 

したがって、チャットボットはリクエストを処理するためのアプリケーションであり、コグニティブ サービスはリクエストをインテリジェントに分析するためのツールであり、個別に起動されますが、チャットボットがアクセスできるため「インテリジェント」になります。 

チャットボットの作成

Azure のボットの推奨設計図は次のとおりです。 

Azure でボットを設計および開発するには、次を使用します。 ボットフレームワーク。 GitHub で利用可能 ボットの例、フレームワークの機能が変化するため、ボットで使用される SDK のバージョンを考慮する必要があります。

このフレームワークには、クラシック コード、コマンド ライン ツール、フローチャートの使用など、ボットを作成するためのいくつかのオプションが用意されています。 最後のオプションはダイアログを視覚化します。これにはマネージャーを使用できます。 ボットフレームワークコンポーザー。 これは、専門分野を超えたチームがボットを作成するために使用できるビジュアル開発ツールとして、Bot Framework SDK 上に構築されました。

Bot Framework Composer を使用すると、ブロックを使用して、ボットが動作する対話構造を作成できます。 さらに、トリガー、つまり対話中にボットが反応するキーワードを作成できます。 たとえば、「オペレーター」、「盗難」、または「停止」、「十分」という単語です。

Bot Framework Composer では、次を使用して複雑なダイアログ システムを作成できます。 適応型ダイアログ。 ダイアログではコグニティブ サービスとイベント カード (アダプティブ カード) の両方を使用できます。

作成後、チャットボットをサブスクリプションにデプロイすると、自動的に準備されたスクリプトによって、コグニティブ サービス、アプリケーション プラン、Application Insights、データベースなどの必要なリソースがすべて作成されます。

QnAメーカー

企業の Q&A データベースに基づいて単純なボットを作成するには、QnA Maker コグニティブ サービスを使用できます。 シンプルな Web ウィザードとして実装されているため、企業ナレッジ ベース (FAQ URL) へのリンクを入力したり、*.doc または *.pdf 形式のドキュメント データベースをベースとして使用したりできます。 インデックスを作成すると、ボットはユーザーの質問に対する最も適切な回答を自動的に選択します。

QnAMaker を使用すると、ボタンの自動作成により明確な質問のチェーンを作成し、ナレッジ ベースをメタデータで補完し、使用中にサービスをさらにトレーニングすることもできます。

このサービスは、この XNUMX つの機能のみを実装するチャットボットとして使用することも、リクエストに応じて他の AI サービスや Bot Framework の要素を使用する複雑なチャットボットの一部として使用することもできます。

他のコグニティブ サービスとの連携

Azure プラットフォームにはさまざまなコグニティブ サービスが存在します。 技術的には、これらはコードから呼び出すことができる独立した Web サービスです。 応答として、サービスはチャットボットで使用できる特定の形式の json を送信します。

チャットボットの最も一般的な用途は次のとおりです。

1. テキスト認識。
2. 開発者が定義した Custom Vision Service 画像カテゴリの認識 (実稼働ケース: 従業員がヘルメット、ゴーグル、またはマスクを着用しているかどうかの認識)。
3. 顔認識 (優れた使用例は、調査対象者が自分の顔を投稿したか、犬の写真や性別の異なる人の写真を投稿したかどうかを確認することです)。
4. 音声認識。
5. 画像解析。
6. 翻訳 (Skype の同時翻訳でどれほどのノイズが発生したかは誰もが覚えています)。
7. スペルチェックとエラー修正の提案。

LUIS

また、ボットを作成するには次のものが必要になる場合があります LUIS (言語理解インテリジェント サービス)。 サービスの目的:

• ユーザーの発言が意味があるかどうか、ボットの応答が必要かどうかを判断します。
• ユーザーの音声 (テキスト) をボットが理解できるコマンドに書き写す労力を軽減します。
• ユーザーの真の目標/意図を予測し、対話内のフレーズから重要な洞察を抽出します。
• 開発者が、意味認識のほんの数例を使用してボットを起動し、その後、操作中にボットを追加トレーニングできるようにします。
• 開発者が視覚化を使用してコマンド転写の品質を評価できるようにします。
• 真のターゲット認識の段階的な改善を支援します。

実際、LUIS の主な目標は、ユーザーの意図を一定の確率で理解し、自然な要求を調和のとれたコマンドに変換することです。 クエリ値を認識するために、LUIS は一連のインテント (意味、意図) とエンティティ (開発者によって事前に構成されたもの、または取得して事前に形成された「ドメイン」、つまり Microsoft によって準備された標準フレーズの既製のライブラリ) を使用します。 

簡単な例: 天気予報を提供するボットがあります。 彼にとって、意図は自然なリクエストを「アクション」、つまり天気予報のリクエストに変換することであり、エンティティは時間と場所になります。 以下は、そのようなボットに対して CheckWeather インテントがどのように機能するかを示す図です。

意図
エッセンス
自然なクエリの例

天気を確認する
{"タイプ": "場所"、"エンティティ": "モスクワ"}
{"タイプ": "builtin.datetimeV2.date", "エンティティ": "将来","解像度":"2020-05-30"}
明日のモスクワの天気はどうなるでしょうか?

天気を確認する
{ "type": "date_range", "entity": "今週末" }
今週末の天気予報を見せて

QnA Maker と LUIS を組み合わせるには、次のように使用できます。 発車係. 

QnA Maker と連携してユーザーからリクエストを受け取ると、システムは QnA からの回答がリクエストと一致する確率を決定します。 可能性が高い場合は、ユーザーには企業ナレッジ ベースからの回答が提供されるだけですが、可能性が低い場合は、明確にするために要求が LUIS に送信されます。 Dispatcher を使用すると、このロジックをプログラムすることなく、リクエストの分離のエッジを自動的に判断し、リクエストを迅速に分散することができます。

ボットのテストと公開

テストには別のローカル アプリケーションが使用されます。 ボットフレームワークエミュレーター。 エミュレーターを使用すると、ボットと通信し、ボットが送受信するメッセージを確認できます。 エミュレーターは、Web チャット インターフェイスに表示されるのと同じようにメッセージを表示し、ボットにメッセージを送信するときに JSON リクエストと応答をログに記録します。

このデモでは、BMW 用の仮想アシスタントの作成を示すエミュレーターの使用例が示されています。 このビデオでは、チャットボットを作成するための新しいアクセラレータ - テンプレートについても説明しています。

https://youtu.be/u7Gql-ClcVA?t=564

チャットボットを作成するときにテンプレートを使用することもできます。 
テンプレートを使用すると、標準のボット機能を新たに作成するのではなく、既成のコードを「スキル」として追加できます。 例としては、カレンダーの操作、予定の作成などがあります。既製のスキルのコード 公開済み github で。

テストは成功し、ボットの準備が整ったので、公開してチャネルに接続する必要があります。 公開は Azure を使用して実行され、インスタント メッセンジャーやソーシャル ネットワークをチャネルとして使用できます。 データの入力に必要なチャネルがない場合は、GitHab の対応するコミュニティで検索できます。 

また、ユーザーおよびコグニティブ サービスと通信するためのインターフェイスとして本格的なチャットボットを作成するには、当然のことながら、データベース、サーバーレス (Azure Functions)、LogicApp サービスなどの追加の Azure サービスが必要になります。 、イベントグリッド。

評価と分析

ユーザー操作を評価するには、Azure Bot Service の組み込み分析と特別な Application Insights サービスの両方を使用できます。

その結果、次の基準に基づいて情報を収集できます。

• 選択した期間中にさまざまなチャネルからボットにアクセスしたユーザーの数。
• XNUMX つのメッセージを送信したユーザーが、後で戻ってきて別のメッセージを送信した数。
• 指定された時間間隔中に各チャネルを使用して送受信されたアクションの数。

Application Insights を使用すると、Azure 内のあらゆるアプリケーション、特にチャットボットを監視し、ユーザーの行動、負荷、チャットボットの反応に関する追加データを取得できます。 Application Insights サービスには、Azure portal 内に独自のインターフェイスがあることに注意してください。

このサービスを通じて収集されたデータを使用して、PowerBI で追加の視覚エフェクトや分析レポートを作成することもできます。 このような PowerBI のレポートとテンプレートの例を次に示します。 ここで.

ご清聴ありがとうございました！ この記事で使用したのは、 材料 Microsoft Azure アーキテクト、アンナ フェニュシナ氏によるウェビナーより「時間がないとき。 チャットボットとコグニティブ サービスを 100% 使用して日常的なプロセスを自動化する方法」では、Azure のチャットボットとは何か、その使用シナリオは何かを明確に示し、また、QnA Maker で 15 分でボットを作成する方法と、クエリ構造は LUIS で解読されます。 

このウェビナーは、開発者向けのオンライン マラソン Dev Bootcamp の一環として作成されました。 それは、自動化ツールと既製の事前構成された Azure モジュールを使用して、開発を高速化し、企業従業員の日常的な作業負荷の一部を軽減する製品に関するものでした。 マラソンに含まれる他のウェビナーの録画は、次のリンクから入手できます。

• DevOps プラクティスを使用して、あらゆる言語およびあらゆるプラットフォームで完全な開発サイクルを組織する手段としての Azure DevOps 
  Azure DevOps サービスの進化と新機能について説明します。 私たちは、その XNUMX つの主要コンポーネントすべてと、このサービスが産業用ソフトウェア開発の組織にどのように役立つかを詳細に分析します。 プレゼンター: ウラジミール グサロフ Microsoft MVP。
• Azure Pipelines を使用した CI/CD の構成
  マルチステージの YAML パイプラインを使用して、あらゆるプログラミング言語に「コードとしてのアセンブリ」アプローチを実装する方法を検討します。 プレゼンター: ウラジミール グサロフ Microsoft MVP。
• Azure Repos を使用して、運用環境で製品の複数のバージョンを同時にサポートするためのプラクティス
  ソフトウェア ソース コードを保存する戦略を開発する方法と、Azure Repos を使用したバージョン ストレージ システムの使用方法について説明します。 プレゼンター: ウラジミール グサロフ Microsoft MVP。
• ホワイトソース。 安全なオープンソース ライブラリの監視 
  WhiteSource ツールの開発と実用化におけるオープンソース管理手法を紹介します。 オープンソース コンポーネントの脆弱性の検索と、WhiteSource を使用したライセンスの純度の維持について説明します。 プレゼンター: WhiteSource セールス担当ディレクターの Diana Lisbaron 氏、およびロシアの WhiteSource 正規代理店である Web コントロールの Daria Oreshkina 氏。

出所： habr.com