Perché ci siamo liberati dei classificatori di intenti

Una delle domande più frequenti che riceviamo da potenziali clienti e utenti è: "Dove sono i vostri classificatori di intenti?".

Non ne abbiamo. E sì, lo facciamo apposta. 

Botpress utilizza LLMs per identificare l'intento dell'utente. Perché? È molto meglio sia per i costruttori che per gli utenti di un agente di intelligenza artificiale. 

Siamo convinti di questa posizione, quindi vorrei dedicare qualche minuto a spiegare la nostra mancanza di classificatori di intenti. 

È più facile da costruire, più preciso e più semplice da mantenere. 

I vecchi tempi (prima diLLM)

(Se conoscete già cosa sono e cosa fanno i classificatori di intenti, potete saltare questa sezione). 

Un classificatore di intenti è uno strumento che categorizza gli input dell'utente in intenti predefiniti sulla base dei dati di addestramento.

Gli sviluppatori devono curare ed etichettare innumerevoli esempi per ogni possibile intento, sperando che il sistema riesca a far corrispondere gli input dell'utente a questi esempi. 

Ad esempio, nel caso di un chatbot per l'e-commerce, gli sviluppatori potrebbero definire un intento come "Traccia ordine". Gli esempi di enunciati potrebbero includere: "Dov'è il mio pacco?" "Traccia il mio ordine" e "Puoi controllare lo stato di consegna per me?".

In sostanza, stanno addestrando l'agente AI a riconoscere l'intento dell'utente fornendo degli esempi. E sì, devono inserirli tutti a mano.

Fortunatamente, la necessità di effettuare questa mappatura manuale dei possibili enunciati rispetto a un intento è quasi scomparsa con l'avanzare del sito LLMs .

Ma molte piattaforme di intelligenza artificiale conversazionale le utilizzano ancora. Perché? Ci arriveremo. 

4 svantaggi dei classificatori intenzionali

Non si tratta solo di un processo più lungo: i classificatori di intenti fanno schifo per molte ragioni. Eccone alcuni:

1. Dipendenza dai dati

I classificatori di intenti sono affamati di dati. Per funzionare in modo accurato, hanno bisogno di un enorme set di dati rappresentativo di esempi di utenti per ogni intento. Senza di esso, faticano a classificare correttamente gli input.

E costruire questi set di dati è una faticaccia. Gli sviluppatori passano ore interminabili a raccogliere ed etichettare esempi, il che, senza dubbio, non è un buon uso del loro tempo.

2. Scalabilità limitata 

Inoltre, i classificatori di intenti non sono costruiti per essere scalati. Aggiungere nuovi intenti significa raccogliere più dati e riqualificare il modello, il che diventa rapidamente un collo di bottiglia per lo sviluppo. Plus Inoltre, possono essere un problema di manutenzione, perché l'uso del linguaggio si evolve, così come gli enunciati.

3. Scarsa comprensione del linguaggio 

I classificatori di intenti non hanno una vera comprensione del linguaggio. Si scontrano con le variazioni del linguaggio, come ad esempio:

• Sinonimi
• Parafrasi
• Frase ambigua
• Errori di battitura 
• Espressioni colloquiali poco conosciute
• Ingressi frammentati

Inoltre, in genere elaborano ogni enunciato in modo isolato, il che significa che non hanno la capacità di mantenere il contesto durante la conversazione. 

4. Overfitting

I classificatori di intenti sono inclini all'overfitting, in cui memorizzano gli esempi di addestramento invece di apprendere modelli generali. 

Ciò significa che si comportano bene con le frasi esatte che hanno visto, ma faticano con input nuovi o diversi. Questo li rende molto più fragili di quanto sia appropriato per un caso d'uso professionale.

6 motivi per cui LLMs è migliore 

LLMs hanno risolto questi problemi. Capiscono il contesto e le sfumature e gli sviluppatori non hanno bisogno di riempirli di dati di addestramento per farli partire. Un agente basato su LLM può iniziare a conversare dal momento in cui viene creato. 

1. Capacità di apprendimento zero-breve 

LLMs non hanno bisogno di esempi per imparare. Grazie a un'ampia formazione preliminare, capiscono già il contesto, le sfumature e le intenzioni senza bisogno che gli sviluppatori forniscano loro esempi specifici.

2. Una piccola cosa chiamata sfumatura

LLMs eccellono laddove i classificatori di intenti non riescono. Sono in grado di interpretare con facilità espressioni idiomatiche, sarcasmo e linguaggio ambiguo. 

L'ampia formazione su diversi set di dati consente loro di cogliere le sottili sfumature della comunicazione umana che spesso sfuggono ai classificatori intenzionali.

3. Migliore contesto

LLMs non perdono il filo della conversazione. Ricordano ciò che è stato detto in precedenza, il che fa sì che le interazioni fluiscano in modo naturale e siano più coerenti.

Questo contesto li aiuta anche a chiarire le ambiguità. Anche quando l'input è vago o complesso, possono ricomporlo guardando alla conversazione più ampia.

4. Scalabilità

LLMs sono al 100% più bravi a scalare. Non hanno bisogno di riqualificarsi per affrontare nuovi argomenti, grazie alla loro ampia comprensione del linguaggio. 

Questo li rende pronti a gestire praticamente qualsiasi caso d'uso fin dalla fase iniziale. Per i sistemi multi-agente, non è difficile utilizzare un LLM invece di un classificatore di intenti.

5. Flessibilità

LLMs non si affidano a modelli rigidi. La loro flessibilità fa sì che le risposte siano naturali, varie e perfettamente adattate alla conversazione. Per gli utenti sono un'esperienza molto migliore rispetto ai classificatori di intenti più rigidi.

6. Meno dati di formazione

LLMs non hanno bisogno di dati etichettati specifici per il compito da svolgere. La loro potenza deriva da un preallenamento massiccio su testi diversi, per cui non dipendono da insiemi di dati accuratamente annotati.

Se necessario, gli sviluppatori possono sempre personalizzare LLM per il loro progetto. Ad esempio, LLMs può essere messo a punto con dati minimi, in modo da adattarsi rapidamente a casi d'uso o settori specializzati.

Perché le altre aziende utilizzano i classificatori di intenti?

Buona domanda. Se LLMs è molto più efficace nel classificare gli intenti, perché molte aziende utilizzano ancora i classificatori di intenti? 

La risposta non è bella e non è molto diplomatica: è un problema di tecnologia tradizionale. 

La maggior parte delle aziende ha interesse a utilizzare i classificatori di intenti. Hanno costruito enormi basi di installazione che funzionano con essi. Non hanno motivo di dissuadere i loro utenti dal sistema che hanno costruito.

Ma Botpress è LLM-first

LLMs sono molto più efficaci nell'identificare gli intenti rispetto ai classificatori di intenti vecchio stile. Ecco perché abbiamo riscritto da zero per essere LLM-first nel 2020. 

Sapevamo che era arrivata una tecnologia migliore e, invece di aggrapparci alla tecnologia tradizionale, abbiamo investito per fare il salto di qualità.

Aggiungeremo dei classificatori di intenti?

No. Teniamo troppo all'esperienza dei nostri costruttori e dei loro utenti.

Il futuro della classificazione delle intenzioni

I classificatori di intenti sono uno strumento del passato. Ecco perché abbiamo puntato tutto su LLMs. 

Con il continuo miglioramento di LLMs , miglioreranno anche gli agenti di IA costruiti su Botpress. Siamo pronti ed entusiasti di continuare ad alzare l'asticella di ciò che l'IA conversazionale può fare.

Se state cercando di costruire agenti AI flessibili basati su LLMs, sentitevi liberi di iniziare a costruire su Botpress. È gratuito. 

Costruire agenti di intelligenza artificiale

Costruire agenti autonomi personalizzati

Iniziare ora

Non è richiesta la carta di credito