Го забрзуваме развојот користејќи ги услугите на Azure: создаваме чат-ботови и когнитивни услуги користејќи ја платформата

Здраво, Хабр! Денес ќе ви покажеме како да го користите Azure за да ги решите проблемите кои обично бараат човечка интервенција. Агентите поминуваат многу време одговарајќи на истите прашања, ракување со телефонски повици и СМС пораки. Четботите ја автоматизираат комуникацијата и препознавањето и го намалуваат товарот на луѓето. Ботовите се користат и во Azure DevOps, каде што овозможуваат, на пример, да одобруваат изданија, да управуваат со изданија - преглед, старт и стоп - директно од Slack или Microsoft Teams. Во суштина, chatbot донекаде потсетува на CLI, само интерактивен, и му овозможува на развивачот да остане во контекст на дискусијата за разговор.

Во оваа статија, ќе зборуваме за алатки за креирање чат-ботови, ќе покажеме како тие можат да се подобрат со когнитивните услуги и ќе опишеме како да го забрзате развојот со готови услуги во Azure.

Чет-ботови и когнитивни услуги: кои се сличностите и кои се разликите?

За да креирате ботови во Microsoft Azure, ја користите услугата Azure Bot и Bot Framework. Заедно тие претставуваат збир на софтвер за градење, тестирање, распоредување и администрирање на ботови, што ви овозможува да креирате од готови модули и едноставни и напредни комуникациски системи со поддршка за говор, препознавање природен јазик и други способности.

Да претпоставиме дека треба да имплементирате едноставен бот заснован на корпоративна услуга за прашања и одговори или, обратно, да креирате функционален бот со сложен, разгранет комуникациски систем. За да го направите ова, можете да користите голем број алатки, поделени во три групи: 

1. Услуги за брз развој на дијалошки интерфејси (ботови).
2. Готови услуги за когнитивна вештачка интелигенција за различни случаи на употреба (препознавање шаблони, препознавање говор, база на знаење и пребарување).
3. Услуги за креирање и обука на модели со вештачка интелигенција.

Вообичаено, луѓето интуитивно ги мешаат „ботови“ и „когнитивни услуги“ бидејќи и двата концепта се засноваат на принципот на комуникација, а случајот на употреба за ботови и услуги вклучува дијалози. Но, четботите работат со клучни зборови и предизвикувачи, а когнитивните услуги работат со произволни барања кои обично се обработуваат од луѓе: 

Когнитивните услуги се уште еден начин за комуникација со корисникот, помагајќи да се претвори произволното барање во јасна команда и да се пренесе на ботот. 

Така, чет-ботите се апликации за работа со барања, а когнитивните услуги се алатки за интелигентна анализа на барања кои се лансираат одделно, но до кои четботот може да пристапи, станувајќи „интелигентен“. 

Креирање чет-ботови

Препорачаниот дизајн дијаграм за бот во Azure е како што следува: 

За дизајнирање и развој на ботови во Azure, користете Рамка за ботови. Достапно на GitHub примери на ботови, можностите на рамката се менуваат, па затоа е неопходно да се земе предвид верзијата на SDK што се користи во ботови.

Рамката обезбедува неколку опции за креирање ботови: користење класичен код, алатки за командна линија или дијаграми на текови. Последната опција ги визуелизира дијалозите; за ова можете да го користите менаџерот Бот Рамковен композитор. Изграден е на Bot Framework SDK како алатка за визуелен развој што меѓудисциплинарните тимови може да ја користат за создавање ботови.

Bot Framework Composer ви овозможува да користите блокови за да креирате структура за дијалог со која ќе работи ботот. Дополнително, можете да креирате предизвикувачи, односно клучни зборови на кои ботот ќе реагира во текот на дијалогот. На пример, зборовите „оператор“, „кражба“ или „стоп“ и „доволно“.

Во Bot Framework Composer, можете да креирате сложени дијалози со користење Адаптивни дијалози. Дијалозите може да користат и когнитивни услуги и картички за настани (Адаптивни картички):

По креирањето, можете да го распоредите четботот во претплата, а автоматски подготвената скрипта ќе ги создаде сите потребни ресурси: когнитивни услуги, план за апликации, увид во апликациите, база на податоци итн.

Креатор на QnA

За да креирате едноставни ботови базирани на корпоративни бази на податоци за прашања и одговори, можете да ја користите когнитивната услуга QnA Maker. Имплементиран како едноставен веб-волшебник, тој ви овозможува да внесете врска до базата на корпоративно знаење (УРЛ-и за најчесто поставувани прашања) или да користите база на податоци за документи во формат *.doc или *.pdf како основа. По креирањето на индексот, ботот автоматски ќе ги избере најсоодветните одговори на прашањата на корисникот.

Користејќи го QnAMaker, можете исто така да креирате синџири на прашања за појаснување со автоматско креирање копчиња, да ја надополнувате базата на знаење со метаподатоци и дополнително да ја обучувате услугата за време на употребата.

Услугата може да се користи како чет-бот кој ја имплементира само оваа функција или како дел од сложен чет-бот кој користи, во зависност од барањето, други услуги за вештачка интелигенција или елементи од рамката за ботови.

Работа со други когнитивни услуги

Постојат многу различни когнитивни услуги на платформата Azure. Технички, ова се независни веб-услуги кои можат да се повикаат од код. Како одговор, услугата испраќа json со одреден формат, кој може да се користи во chatbot.

Најчестите употреби на чет-ботови се:

1. Препознавање текст.
2. Препознавање на категории на слики за Custom Vision Service дефинирани од програмерите (производен случај: препознавање дали вработениот носи цврста капа, очила или маска).
3. Препознавање лице (одличен случај за употреба е проверката дали лицето што е испитувано објавило свое лице или, да речеме, фотографија од куче или фотографија од личност од различен пол).
4. Препознавање на говор.
5. Анализа на слики.
6. Превод (сите се сеќаваме колку врева предизвика симултаниот превод во Skype).
7. Проверка на правопис и предлози за поправање на грешките.

Луис

Исто така, можеби ќе ви требаат за да креирате ботови Луис (Интелигентна услуга за разбирање на јазикот). Цели на услугата:

• Определете дали изјавата на корисникот има смисла и дали одговорот на ботот е неопходен.
• Намалете ги напорите за транскрипција на корисничкиот говор (текст) во команди разбирливи за ботот.
• Предвидете ги вистинските кориснички цели/намери и извлечете клучни сознанија од фразите во дијалогот.
• Дозволете му на развивачот да го стартува ботот користејќи само неколку примери за препознавање значење и последователна дополнителна обука на ботот за време на работата.
• Овозможете му на развивачот да користи визуелизација за да го процени квалитетот на транскрипцијата на командите.
• Помогнете во инкрементални подобрувања во вистинското препознавање на целта.

Всушност, главната цел на LUIS е да разбере со одредена веројатност што мислел корисникот и да го претвори природното барање во хармонична команда. За да ги препознае вредностите на барањето, LUIS користи збир на намери (значења, намери) и ентитети (или претходно конфигурирани од програмери, или преземени и претходно формирани „домени“ - некои готови библиотеки со стандардни фрази подготвени од Microsoft). 

Едноставен пример: имате бот кој ви дава временска прогноза. За него, намерата ќе биде преточување на природно барање во „акција“ - барање за временска прогноза, а субјектите ќе бидат време и место. Еве дијаграм за тоа како функционира намерата CheckWeather за таков бот.

Намерата
Суштината
Пример за природно барање

Проверете го времето
{"type": "локација", "ентитет": "москва"}
{"type": "builtin.datetimeV2.date", "entity": "future","resolution":"2020-05-30"}
Какво ќе биде времето утре во Москва?

Проверете го времето
{ "type": "date_range", "entity": "This weekend" }
Покажи ми ја прогнозата за овој викенд

За комбинирање на QnA Maker и LUIS можете да го користите Диспечер. 

Кога работите со QnA Maker и добивате барање од корисник, системот одредува колкав процент од веројатноста одговорот од QnA се совпаѓа со барањето. Ако веројатноста е голема, на корисникот едноставно му се дава одговор од корпоративната база на знаење; ако е мала, барањето може да се испрати до LUIS за појаснување. Користењето на Диспечер ви овозможува да не ја програмирате оваа логика, туку автоматски да го одредите овој раб на раздвојување на барањата и брзо да ги дистрибуирате.

Тестирање и објавување на ботот

Друга локална апликација се користи за тестирање, Емулатор на бот рамка. Користејќи го емулаторот, можете да комуницирате со ботот и да ги проверите пораките што ги испраќа и прима. Емулаторот ги прикажува пораките како што би се појавиле во интерфејсот за веб-разговор и ги евидентира JSON барањата и одговорите кога испраќа пораки до ботот.

Пример за користење на емулаторот е претставен во ова демо, кое покажува создавање на виртуелен асистент за BMW. Во видеото се зборува и за нови акцелератори за креирање чат-ботови - шаблони:

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

Можете исто така да користите шаблони кога креирате чет-ботови. 
Шаблони ви дозволуваат да не пишувате стандардни функции на бот одново, туку да додадете готов код како „вештина“. Пример може да биде работа со календар, закажување состаноци итн. Кодекс на готови вештини објавено на github.

Тестирањето беше успешно, ботот е подготвен и сега треба да се објави и да се поврзат каналите. Објавувањето се врши со помош на Azure, а гласниците или социјалните мрежи може да се користат како канали. Доколку го немате потребниот канал за внесување податоци, можете да го пребарувате во соодветната заедница на GitHab. 

Исто така, за да креирате полноправно четбот како интерфејс за комуникација со корисникот и когнитивните услуги, секако ќе ви требаат дополнителни услуги на Azure, како што се бази на податоци, без сервери (Azure Functions), како и услуги LogicApp и, можеби, , Решетка за настани.

Евалуација и аналитика

За да ја оцените интеракцијата на корисниците, можете да ја користите и вградената аналитика на услугата Azure Bot и специјалната услуга Application Insights.

Како резултат на тоа, можете да собирате информации врз основа на следниве критериуми:

• Колку корисници пристапиле до ботот од различни канали во избраниот временски период.
• Колку корисници кои испратиле една порака подоцна се вратиле и испратиле друга.
• Колку дејства се испратени и примени со користење на секој канал во наведениот временски интервал.

Користејќи Application Insights, можете да ја следите секоја апликација во Azure и, особено, chatbots, добивајќи дополнителни податоци за однесувањето на корисниците, оптоварувањата и реакциите на chatbot. Треба да се напомене дека услугата Application Insights има свој интерфејс во порталот Azure.

Можете исто така да ги користите податоците собрани преку оваа услуга за да креирате дополнителни визуелизации и аналитички извештаи во PowerBI. Може да се земе пример за таков извештај и образец за PowerBI тука.

Ви благодариме на сите за вниманието! Во оваа статија користевме материјал од вебинарот на архитектката Мајкрософт Азур, Ана Фењушина „Кога луѓето немаат време. Како 100% да користите чет-ботови и когнитивни услуги за автоматизирање на рутинските процеси“, каде јасно покажавме што се чет-ботови во Azure и кои се сценаријата за нивна употреба, а исто така покажавме како да креирате бот во QnA Maker за 15 минути и како структурата на барањето е дешифрирана во LUIS. 

Овој вебинар го направивме како дел од онлајн маратонот за програмери Dev Bootcamp. Стануваше збор за производи кои го забрзуваат развојот и ослободуваат дел од рутинскиот обем на работа од вработените во компанијата користејќи алатки за автоматизација и готови претходно конфигурирани Azure модули. Снимките од други вебинари вклучени во маратонот се достапни на следните линкови:

• Azure DevOps како средство за организирање на целосниот развојен циклус на кој било јазик и за која било платформа, користејќи практики на DevOps 
  Зборуваме за еволуцијата и новите можности на услугата Azure DevOps. Ги анализираме детално сите пет нејзини главни компоненти и како услугата помага во организацијата на развојот на индустриски софтвер. Презентер: Владимир Гусаров Мајкрософт МВП.
• Организација на CI/CD со користење на Azure Pipelines
  Размислуваме како да го имплементираме пристапот „склопување како код“ за кои било програмски јазици користејќи повеќестепени цевки YAML. Презентер: Владимир Гусаров МВП на Мајкрософт.
• Практики за истовремено поддршка на повеќе верзии на производ во производство со користење на Azure Repos
  Разговараме за тоа како да се развијат стратегии за складирање на изворниот код на софтверот и како да се користат системи за складирање верзии користејќи Azure Repos. Презентер: Владимир Гусаров МВП на Мајкрософт.
• WhiteSource. Следење на безбедни библиотеки со отворен код 
  Воведуваме техники за управување со отворен код во развојот и практичната примена на алатката WhiteSource. Зборуваме за пребарување на ранливости во компонентите со отворен код и одржување на чистотата на лиценцирањето користејќи WhiteSource. Презентери: Дијана Лисбарон, директор за продажба WhiteSource и Дарија Орешкина, Web Control, официјален дистрибутер на WhiteSource во Русија.

Извор: www.habr.com