潜在的な顧客やユーザーから受ける最も一般的な質問のひとつは、"インテント分類器はどこにありますか？"というものだ。
私たちには何もない。そう、わざとなんだ。
Botpress はLLMs 、ユーザーの意図を特定する。なぜか？AIエージェントを作る側にとっても使う側にとっても、その方がはるかに良いからだ。
私たちはこのスタンスを強く感じているので、意図的なクラシファイヤーがないことを数分かけて説明したい。
TLDR;それはより簡単に構築でき、より正確で、よりシンプルに維持することができます。
昔（LLM 以前）のこと
(インテント分類子がどういうもので、何をするものなのかご存知の方は、このセクションは読み飛ばしていただいて結構です)。
インテント分類器は、学習データに基づいて、ユーザー入力を事前に定義されたインテントに分類するツールである。
開発者は、システムがユーザーの入力をこれらの例にマッチさせることができることを期待しながら、可能性のある意図ごとに無数の例をキュレートし、ラベル付けしなければならない。
例えば、電子商取引のチャットボットでは、開発者は「TrackOrder」のようなインテントを定義するかもしれない。発話例には次のようなものがあります："私の荷物はどこですか？""注文を追跡する"、"配送状況を確認してもらえますか？"
AIエージェントにユーザーの意図を認識させるために、例文を与えてトレーニングしているのだ。そして、そのすべてを手作業で入力しなければならない。
幸いなことに、LLMs が高度になるにつれて、可能性のある発話を手作業で意図にマッピングする必要性はほとんどなくなった。
しかし、多くの会話AIプラットフォームはいまだにそれを使っている。なぜか？それは後ほど。
インテント分類器の4つの欠点
単に時間がかかるというだけでなく、インテント分類機は多くの理由で最悪なのだ。いくつか紹介しよう：
1.データ依存性
インテント分類器はデータを必要とする。正確に動作させるためには、各インテントのユーザー例の膨大で代表的なデータセットが必要だ。それがなければ、入力を正しく分類するのに苦労する。
そして、これらのデータセットを構築するのは骨の折れる作業だ。開発者は、例を集めてラベルを付けるのに延々と時間を費やす。
2.拡張性の制限
また、インテント分類器はスケールするようには作られていない。新しいインテントを追加することは、より多くのデータを収集し、モデルを再トレーニングすることを意味し、すぐに開発のボトルネックになります。Plusまた、言語が進化するにつれて、発話も進化するため、メンテナンスに頭を悩ませることになります。
3.言語理解力の低さ
意図的な分類は真の言語理解に欠けている。彼らは言語のバリエーションに苦戦している：
- 同義語
- パラフレーズ
- あいまいな表現
- タイプミス
- 聞き慣れない口語表現
- 断片化されたインプット
また、通常、各発話を単独で処理するため、会話を通して文脈を維持する能力に欠ける。
4.オーバーフィット
インテント分類器はオーバーフィッティングを起こしやすく、一般的なパターンを学習する代わりに訓練例を記憶してしまう。
つまり、見たことのある正確なフレーズにはよく反応するが、新しい入力や多様な入力には苦戦するということだ。そのため、プロフェッショナルなユースケースには適していない。
LLMs が優れている6つの理由
LLMs はこれらの問題をほぼ解決している。彼らは文脈とニュアンスを理解し、開発者は彼らを使い始めるためにトレーニングデータで満たす必要はない。LLMベースのエージェントは、作成した瞬間から会話を始めることができる。
1.ゼロショット学習機能
LLMs は学ぶために例を必要としない。開発者が具体例を教えるまでもなく、彼らはすでに文脈、ニュアンス、意図を理解しているのだ。
2.ニュアンスという小さなもの
LLMs を得意とする。慣用句や皮肉、あいまいな表現も簡単に解釈できる。
多様なデータセットで豊富なトレーニングを積んだ彼らは、意図的な分類では見逃しがちな、人間のコミュニケーションの微妙なニュアンスを把握する能力を備えている。
3.より良い文脈
LLMs 会話の内容がわからなくなることはない。そのため、やりとりが自然に流れ、首尾一貫したものに感じられるのだ。
このような文脈は、曖昧さを解消するのにも役立つ。インプットが曖昧であったり複雑であったりしても、より広い範囲での会話に目を向けることで、それをつなぎ合わせることができるのだ。
4.スケーラビリティ
LLMs は100％スケーリングに長けている。言語に対する幅広い理解のおかげで、新しいトピックを扱うのに再トレーニングは必要ない。
そのため、どんなユースケースにもすぐに対応できる。マルチエージェントシステムでは、インテント分類器の代わりにLLM 。
5.柔軟性
LLMs は、堅苦しいテンプレートに頼ることはありません。その柔軟性は、応答が自然で、変化に富み、会話に完璧に合わせられていると感じられることを意味します。ユーザーにとっては、もろいインテント分類器よりもはるかに良い体験です。
6.少ないトレーニングデータ
LLMs は、タスク固有のラベル付きデータを必要としない。その威力は、多様なテキストに対する膨大な事前学習から生まれるため、丹念にアノテーションされたデータセットに依存することはない。
必要であれば、開発者はいつでもプロジェクト用に LLM をカスタマイズすることができる。例えば、LLMs は最小限のデータで微調整が可能なので、特殊なユースケースや業界にも素早く対応できる。
なぜ他社はインテント分類器を使うのか？
いい質問だ。もしLLMs 、インテントを分類するのがそれほど優れているのなら、なぜ多くの企業がいまだにインテント分類機を使っているのだろうか？
レガシー技術の問題だ。
ほとんどの企業はインテント分類器を使うことに既得権益を持っている。彼らはその上で動く巨大なインストールベースを構築してきた。彼らが構築したシステムからユーザーを遠ざける理由はない。
しかし、Botpress はLLM-first
LLMs は、昔ながらのインテント分類器よりも、インテントを識別するのがずっと得意です。そのため、私たちは2020年にLLM-firstとなるようにゼロから書き直したのです。
私たちは、より優れた技術が登場したことを知り、レガシー技術にしがみつくのではなく、飛躍するために投資した。
インテント分類器は追加されるのか？
いや、私たちはビルダーの経験やユーザーの経験に気を配りすぎている。
意思表示の分類の未来
インテント分類器は過去のツールだ。だからこそ私たちは、LLMs 。
LLMs が改良され続けるにつれて、Botpress 上に構築された AI エージェントも改良されていきます。私たちは、会話AIができることの水準を上げ続ける準備ができており、興奮しています。
LLMs を利用した柔軟な AI エージェントの構築をお考えなら、 Botpress をご利用ください。無料です。
.svg)
