Azure 서비스를 사용하여 개발을 가속화합니다. 플랫폼을 사용하여 챗봇과 인지 서비스를 만듭니다.

안녕, 하브르! 오늘은 Azure를 사용하여 일반적으로 사람의 개입이 필요한 문제를 해결하는 방법을 보여 드리겠습니다. 상담원은 동일한 질문에 답변하고 전화 통화와 문자 메시지를 처리하는 데 많은 시간을 소비합니다. 챗봇은 의사소통과 인식을 자동화하고 사람들의 부담을 줄여줍니다. 봇은 Azure DevOps에서도 사용됩니다. 예를 들어 Slack 또는 Microsoft Teams에서 직접 릴리스 승인, 빌드 관리(보기, 시작, 중지)를 수행할 수 있습니다. 본질적으로 챗봇은 CLI와 다소 유사하며 대화형일 뿐이며 개발자가 채팅 토론의 맥락에 머물 수 있도록 해줍니다.

이 문서에서는 챗봇을 만드는 도구에 대해 설명하고, 인지 서비스를 통해 이를 개선할 수 있는 방법을 보여주고, Azure에서 기성 서비스를 사용하여 개발 속도를 높이는 방법을 설명합니다.

챗봇과 인지 서비스: 유사점은 무엇이며 차이점은 무엇입니까?

Microsoft Azure에서 봇을 만들려면 Azure Bot Service와 Bot Framework를 사용합니다. 이들은 함께 봇을 구축, 테스트, 배포 및 관리하기 위한 소프트웨어 세트를 나타내며, 이를 통해 기성 모듈에서 음성 지원, 자연어 인식 및 기타 기능을 갖춘 단순 통신 시스템과 고급 통신 시스템을 모두 만들 수 있습니다.

기업 Q&A 서비스를 기반으로 간단한 봇을 구현해야 하거나, 반대로 복잡하고 분기된 통신 시스템을 갖춘 기능적인 봇을 만들어야 한다고 가정해 보겠습니다. 이를 위해 세 그룹으로 나누어진 다양한 도구를 사용할 수 있습니다. 

1. 대화 인터페이스(봇)의 신속한 개발을 위한 서비스입니다.
2. 다양한 사용 사례(패턴 인식, 음성 인식, 지식 기반 및 검색)를 위한 기성 인지 AI 서비스입니다.
3. AI 모델 생성 및 학습을 위한 서비스입니다.

일반적으로 사람들은 "봇"과 "인지 서비스"를 직관적으로 혼동합니다. 두 개념 모두 의사소통 원리에 기반을 두고 있고 봇과 서비스의 사용 사례에는 대화가 포함되기 때문입니다. 그러나 챗봇은 키워드와 트리거로 작동하고, 인지 서비스는 일반적으로 사람이 처리하는 임의의 요청으로 작동합니다. 

인지 서비스는 사용자와 통신하는 또 다른 방법으로, 임의의 요청을 명확한 명령으로 변환하여 봇에 전달하는 데 도움을 줍니다. 

따라서 챗봇은 요청 작업을 위한 애플리케이션이고, 인지 서비스는 별도로 실행되지만 챗봇이 액세스할 수 있는 요청을 지능적으로 분석하기 위한 도구로서 "지능적"이 됩니다. 

챗봇 만들기

Azure의 봇에 권장되는 디자인 다이어그램은 다음과 같습니다. 

Azure에서 봇을 설계하고 개발하려면 다음을 사용하세요. 봇 프레임워크. GitHub에서 사용 가능 봇의 예, 프레임워크의 기능이 변경되므로 봇에 사용되는 SDK 버전을 고려해야 합니다.

프레임워크는 클래식 코드, 명령줄 도구 또는 순서도를 사용하여 봇을 생성하기 위한 여러 옵션을 제공합니다. 마지막 옵션은 대화 상자를 시각화합니다. 이를 위해 관리자를 사용할 수 있습니다 봇 프레임워크 작성자. 다양한 분야의 팀이 봇을 만드는 데 사용할 수 있는 시각적 개발 도구로 Bot Framework SDK를 기반으로 구축되었습니다.

Bot Framework Composer를 사용하면 블록을 사용하여 봇이 작동하는 대화 구조를 만들 수 있습니다. 또한 트리거, 즉 대화 중에 봇이 반응할 키워드를 만들 수 있습니다. 예를 들어 "운영자", "도난" 또는 "중지" 및 "충분함"이라는 단어가 있습니다.

Bot Framework Composer에서는 다음을 사용하여 복잡한 대화 시스템을 만들 수 있습니다. 적응형 대화. 대화에서는 인지 서비스와 이벤트 카드(적응형 카드)를 모두 사용할 수 있습니다.

생성 후 구독에 챗봇을 배포할 수 있으며 자동으로 준비된 스크립트는 인지 서비스, 애플리케이션 계획, Application Insights, 데이터베이스 등 필요한 모든 리소스를 생성합니다.

QnA 메이커

기업 Q&A 데이터베이스를 기반으로 간단한 봇을 만들려면 QnA Maker 인지 서비스를 사용할 수 있습니다. 간단한 웹 마법사로 구현되어 기업 지식 베이스(FAQ Urls)에 대한 링크를 입력하거나 *.doc 또는 *.pdf 형식의 문서 데이터베이스를 기본으로 사용할 수 있습니다. 색인을 생성한 후 봇은 사용자의 질문에 가장 적합한 답변을 자동으로 선택합니다.

QnAMaker를 사용하면 버튼 자동 생성을 통해 명확한 질문 체인을 만들고, 지식 기반을 메타데이터로 보완하고, 사용 중에 서비스를 추가로 교육할 수도 있습니다.

이 서비스는 이 하나의 기능만 구현하는 챗봇으로 사용될 수도 있고, 요청에 따라 다른 AI 서비스 또는 Bot Framework 요소를 사용하는 복잡한 챗봇의 일부로 사용될 수도 있습니다.

다른 인지 서비스 작업

Azure 플랫폼에는 다양한 인지 서비스가 있습니다. 기술적으로 이는 코드에서 호출할 수 있는 독립적인 웹 서비스입니다. 이에 대한 응답으로 서비스는 챗봇에서 사용할 수 있는 특정 형식의 json을 보냅니다.

챗봇의 가장 일반적인 용도는 다음과 같습니다.

1. 텍스트 인식.
2. 개발자가 정의한 Custom Vision Service 이미지 카테고리 인식(제작 사례: 직원의 안전모, 고글, 마스크 착용 여부 인식)
3. 얼굴 인식(훌륭한 사용 사례는 설문조사 대상자가 자신의 얼굴을 게시했는지, 아니면 개 사진이나 성별이 다른 사람의 사진을 게시했는지 확인하는 것입니다.)
4. 음성 인식.
5. 이미지 분석.
6. 번역(우리 모두는 Skype 동시 번역으로 인해 얼마나 많은 소음이 발생했는지 기억합니다).
7. 맞춤법 검사 및 오류 수정 제안.

루이스

또한 봇을 만들려면 필요할 수도 있습니다. 루이스 (언어이해 지능형 서비스). 서비스 목표:

• 사용자의 진술이 타당한지, 봇의 응답이 필요한지 여부를 판단하세요.
• 사용자 음성(텍스트)을 봇이 이해할 수 있는 명령으로 변환하려는 노력을 줄입니다.
• 실제 사용자 목표/의도를 예측하고 대화 문구에서 핵심 통찰력을 추출합니다.
• 개발자가 의미 인식의 몇 가지 예와 작동 중 봇에 대한 후속 추가 교육을 사용하여 봇을 시작할 수 있도록 허용합니다.
• 개발자가 시각화를 사용하여 명령 기록의 품질을 평가할 수 있습니다.
• 진정한 표적 인식의 점진적인 개선을 지원합니다.

실제로 LUIS의 주요 목표는 사용자가 의미하는 바를 일정 확률로 이해하고 자연스러운 요청을 조화로운 명령으로 변환하는 것입니다. 쿼리 값을 인식하기 위해 LUIS는 일련의 의도(의미, 의도) 및 엔터티(개발자가 미리 구성하거나 미리 구성된 "도메인"(Microsoft에서 준비한 표준 문구의 일부 기성 라이브러리))를 사용합니다. 

간단한 예: 일기 예보를 제공하는 봇이 있습니다. 그에게 있어서 의도는 자연스러운 요청을 일기 예보에 대한 요청인 "행동"으로 변환하는 것이며 개체는 시간과 장소가 될 것입니다. 다음은 CheckWeather 인텐트가 이러한 봇에 대해 어떻게 작동하는지 보여주는 다이어그램입니다.

의지
에센스
자연 쿼리의 예

날씨 확인
{"유형": "위치", "엔티티": "모스크바"}
{"유형": "builtin.datetimeV2.date", "엔티티": "미래","해결책":"2020-05-30"}
내일 모스크바 날씨는 어떨가요?

날씨 확인
{ "type": "date_range", "entity": "이번 주말" }
이번 주말 일기예보 보여 줘

QnA Maker와 LUIS를 결합하려면 다음을 사용할 수 있습니다. 배 차원. 

QnA Maker로 작업하고 사용자로부터 요청을 받으면 시스템은 QnA의 답변이 요청과 일치할 확률을 결정합니다. 확률이 높으면 사용자에게 기업 지식 기반의 답변만 제공되고, 확률이 낮으면 설명을 위해 LUIS에 요청을 보낼 수 있습니다. Dispatcher를 사용하면 이 논리를 프로그래밍하는 것이 아니라 요청 분리의 가장자리를 자동으로 결정하고 신속하게 배포할 수 있습니다.

봇 테스트 및 게시

테스트에는 다른 로컬 애플리케이션이 사용됩니다. 봇 프레임워크 에뮬레이터. 에뮬레이터를 사용하면 봇과 통신하고 봇이 주고받는 메시지를 확인할 수 있습니다. 에뮬레이터는 웹 채팅 인터페이스에 나타나는 대로 메시지를 표시하고 봇에 메시지를 보낼 때 JSON 요청 및 응답을 기록합니다.

이 데모에는 에뮬레이터 사용 예가 제시되어 있으며 BMW용 가상 비서 생성을 보여줍니다. 이 비디오에서는 챗봇 생성을 위한 새로운 가속기(템플릿)에 대해서도 설명합니다.

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

챗봇을 만들 때 템플릿을 사용할 수도 있습니다. 
템플릿을 사용하면 표준 봇 기능을 새로 작성하는 것이 아니라 기성 코드를 "기술"로 추가할 수 있습니다. 예를 들어 달력 작업, 약속 잡기 등이 있을 수 있습니다. 기성 기술 코드 출판 된 github에서.

테스트가 성공적이었고 봇이 준비되었으므로 이제 게시하고 채널을 연결해야 합니다. 게시는 Azure를 사용하여 수행되며 메신저나 소셜 네트워크를 채널로 사용할 수 있습니다. 데이터 입력에 필요한 채널이 없을 경우, GitHab의 해당 커뮤니티에서 검색하실 수 있습니다. 

또한 사용자 및 인지 서비스와 통신하기 위한 인터페이스로 본격적인 챗봇을 만들려면 데이터베이스, 서버리스(Azure Functions) 및 LogicApp 서비스와 같은 추가 Azure 서비스가 필요합니다. , 이벤트 그리드.

평가 및 분석

사용자 상호 작용을 평가하려면 Azure Bot Service의 기본 제공 분석과 특수 Application Insights 서비스를 모두 사용할 수 있습니다.

결과적으로 다음 기준에 따라 정보를 수집할 수 있습니다.

• 선택한 기간 동안 다양한 채널에서 봇에 액세스한 사용자 수입니다.
• 하나의 메시지를 보낸 사용자가 나중에 돌아와서 다른 메시지를 보낸 사용자 수입니다.
• 지정된 시간 간격 동안 각 채널을 사용하여 전송 및 수신된 작업 수입니다.

Application Insights를 사용하면 Azure의 모든 애플리케이션, 특히 챗봇을 모니터링하여 사용자 동작, 로드 및 챗봇 반응에 대한 추가 데이터를 얻을 수 있습니다. Application Insights 서비스에는 Azure Portal에 자체 인터페이스가 있다는 점에 유의해야 합니다.

또한 이 서비스를 통해 수집된 데이터를 사용하여 PowerBI에서 추가 시각화 및 분석 보고서를 만들 수도 있습니다. PowerBI에 대한 보고서 및 템플릿의 예를 볼 수 있습니다. 여기에.

관심을 가져주셔서 감사합니다! 이 기사에서 우리는 자료 Microsoft Azure 설계자 Anna Fenyushina의 웹 세미나에서 “사람들이 시간이 없을 때. 챗봇과 인지 서비스를 100% 사용하여 일상적인 프로세스를 자동화하는 방법”에서는 Azure에 챗봇이 무엇인지, 사용 시나리오가 무엇인지 명확하게 보여주고, QnA Maker에서 15분 만에 봇을 만드는 방법과 쿼리 구조는 LUIS에서 해독됩니다. 

우리는 개발자 Dev Bootcamp를 위한 온라인 마라톤의 일환으로 이 웹 세미나를 만들었습니다. 자동화 도구와 사전 구성된 Azure 모듈을 사용하여 개발 속도를 높이고 회사 직원의 일상적인 작업 부하를 일부 완화하는 제품에 관한 것이었습니다. 마라톤에 포함된 다른 웨비나 녹화본은 다음 링크에서 볼 수 있습니다.

• DevOps 방식을 사용하여 모든 언어 및 플랫폼에 대한 전체 개발 주기를 구성하는 수단인 Azure DevOps 
  Azure DevOps 서비스의 발전과 새로운 기능에 대해 이야기합니다. 우리는 다섯 가지 주요 구성 요소를 모두 자세히 분석하고 서비스가 산업용 소프트웨어 개발 조직에 어떻게 도움이 되는지 분석합니다. 발표자: Vladimir Gusarov Microsoft MVP.
• Azure Pipelines를 사용한 CI/CD 구성
  우리는 다단계 YAML 파이프라인을 사용하여 모든 프로그래밍 언어에 대해 "코드로서의 어셈블리" 접근 방식을 구현하는 방법을 고려합니다. 발표자: Vladimir Gusarov Microsoft MVP.
• Azure Repos를 사용하여 프로덕션에서 여러 버전의 제품을 동시에 지원하는 방법
  소프트웨어 소스 코드를 저장하기 위한 전략을 개발하는 방법과 Azure Repos를 사용하여 버전 저장소 시스템을 사용하는 방법을 논의합니다. 발표자: Vladimir Gusarov Microsoft MVP.
• 화이트소스. 안전한 오픈소스 라이브러리 모니터링 
  WhiteSource 도구의 개발 및 실제 적용에 있어서 오픈소스 관리 기법을 소개합니다. 오픈 소스 구성 요소의 취약점을 검색하고 WhiteSource를 사용하여 라이선스 순수성을 유지하는 방법에 대해 이야기합니다. 발표자: WhiteSource 영업 이사 Diana Lisbaron, 러시아 WhiteSource 공식 대리점인 Web Control Daria Oreshkina.

출처 : habr.com