تعريف
تتكون بيانات تدريب روبوتات المحادثة من أمثلة للمحادثات والنوايا والاستجابات المستخدمة لتدريب أنظمة الذكاء الاصطناعي للمحادثات. قد تتضمن أسئلة شائعة، ونصوصًا مكتوبة، وتدفقات حوار مُصنّفة.
الهدف
الهدف هو تقديم أمثلة تساعد روبوتات الدردشة على فهم مدخلات المستخدم وتوليد ردود مناسبة. ويضمن ذلك أداءً موثوقًا في المحادثات الواقعية.
أهمية
- تحديد دقة وطبيعية استجابات الدردشة الآلية.
- تؤدي بيانات التدريب ذات الجودة الرديئة إلى الحصول على إجابات غير ذات صلة أو غير صحيحة.
- يجب تحديثه باستمرار ليعكس اللغة والاتجاهات الجديدة.
- قد يتداخل مع التعرف على النية ومجموعات البيانات الخاصة بالتعلم الطبيعي.
كيف تعمل هذه التقنية؟
- جمع الحوارات والأسئلة الشائعة ونصوص الدعم.
- قم بتسمية البيانات بالنوايا والكيانات.
- تقسيمها إلى مجموعات التدريب والتحقق.
- قم بتدريب نماذج الدردشة الآلية باستخدام التعلم الخاضع للإشراف أو الضبط الدقيق.
- اختبار الأداء باستخدام استعلامات المستخدم في العالم الحقيقي.
أمثلة (العالم الحقيقي)
- إطار عمل Microsoft Bot: تم تدريبه على بيانات الدردشة الخاصة بالمجال.
- Google Dialogflow: يستخدم النوايا والكيانات الموضحة للتدريب.
- ضبط OpenAI ChatGPT بشكل دقيق: تم تدريبه على المحادثات المنسقة.
المراجع / قراءات إضافية
- بناء روبوتات الدردشة - محاضرات ستانفورد CS224U.
- بيانات تدريب الذكاء الاصطناعي لروبوت المحادثة
- تحدي تتبع حالة الحوار (DSTC) - Microsoft Research.
- نماذج الذكاء الاصطناعي للمحادثة باستخدام وجه العناق — وجه العناق.
