เหตุใดเราจึงกำจัดตัวจำแนกเจตนา

คำถามที่พบบ่อยที่สุดที่เราได้รับจากลูกค้าและผู้ใช้ที่มีศักยภาพคือ “ตัวจำแนกความตั้งใจของคุณอยู่ที่ไหน”

เราไม่มีหรอก และใช่ มันตั้งใจ 

Botpress การใช้ LLMs เพื่อระบุเจตนาของผู้ใช้ เหตุใดจึงดีกว่ามากสำหรับทั้งผู้สร้างและผู้ใช้ เอเจนต์ AI 

เราให้ความสำคัญอย่างยิ่งต่อจุดยืนนี้ ดังนั้น ฉันจึงอยากจะใช้เวลาสักสองสามนาทีเพื่ออธิบายถึงการขาดตัวจำแนกเจตนาของเรา 

สรุปสั้นๆ คือ สร้างได้ง่ายกว่า แม่นยำกว่า และดูแลรักษาง่ายกว่า 

สมัยโบราณ (ก่อน LLM ) วัน

(หากคุณคุ้นเคยกับตัวจำแนกเจตนาคืออะไรและทำหน้าที่อะไร โปรดข้ามส่วนนี้ไป) 

ตัวจำแนกเจตนาเป็นเครื่องมือที่จัดหมวดหมู่อินพุตของผู้ใช้เป็นเจตนาที่กำหนดไว้ล่วงหน้าโดยอิงตามข้อมูลการฝึกอบรม

นักพัฒนาต้องคัดเลือกและติดป้ายตัวอย่างมากมายสำหรับจุดประสงค์ที่เป็นไปได้แต่ละอย่างโดยหวังว่าระบบจะสามารถจับคู่อินพุตของผู้ใช้กับตัวอย่างเหล่านี้ได้ 

ตัวอย่างเช่น นักพัฒนาอาจกำหนดจุดประสงค์ เช่น "TrackOrder" โดยใช้ แชทบอทสำหรับอีคอมเมิร์ซ ตัวอย่างคำพูดของพวกเขาอาจรวมถึง "พัสดุของฉันอยู่ที่ไหน" "ติดตามคำสั่งซื้อของฉัน" และ "คุณช่วยตรวจสอบสถานะการจัดส่งให้ฉันได้ไหม"

โดยพื้นฐานแล้ว พวกเขากำลังฝึกเอเจนต์ AI ให้รับรู้ถึงเจตนาของผู้ใช้โดยการให้ตัวอย่าง และใช่ พวกเขาต้องป้อนข้อมูลทั้งหมดด้วยมือ

โชคดีที่ความจำเป็นในการทำแผนที่คำพูดที่เป็นไปได้ด้วยตนเองตามความตั้งใจแทบจะหายไปหมด LLMs ก็มีความก้าวหน้ามากยิ่งขึ้น

แต่แพลตฟอร์ม AI เชิงสนทนา จำนวนมากยังคงใช้สิ่งนี้อยู่ เหตุใดจึงเป็นเช่นนั้น เราจะมาพูดถึงเรื่องนั้นกัน 

ข้อเสีย 4 ประการของตัวจำแนกเจตนา

ไม่ใช่แค่กระบวนการที่ยาวนานเท่านั้น แต่ตัวจำแนกเจตนายังแย่ด้วยสาเหตุหลายประการ ต่อไปนี้คือเหตุผลบางประการ:

1. การพึ่งพาข้อมูล

ตัวจำแนกประเภทความตั้งใจนั้นต้องการข้อมูลมาก พวกมันต้องการชุดข้อมูลตัวอย่างผู้ใช้จำนวนมากที่เป็นตัวแทนเพื่อให้แต่ละความตั้งใจทำงานได้อย่างแม่นยำ หากไม่มีสิ่งนี้ พวกมันก็จะประสบปัญหาในการจัดประเภทอินพุตอย่างถูกต้อง

การสร้างชุดข้อมูลเหล่านี้เป็นเรื่องยุ่งยาก นักพัฒนาต้องใช้เวลาหลายชั่วโมงในการรวบรวมและติดป้ายกำกับตัวอย่าง ซึ่งแน่นอนว่าไม่ใช่การใช้เวลาอย่างคุ้มค่า

2. ความสามารถในการปรับขนาดที่จำกัด 

ตัวจำแนกประเภทความตั้งใจไม่ได้ถูกสร้างมาเพื่อปรับขนาด การเพิ่มความตั้งใจใหม่หมายถึงการรวบรวมข้อมูลเพิ่มเติมและฝึกอบรมโมเดลใหม่ ซึ่งจะกลายเป็นคอขวดสำหรับการพัฒนาอย่างรวดเร็ว Plus สิ่งเหล่านี้อาจทำให้คุณปวดหัวกับการบำรุงรักษาได้ เนื่องจากเมื่อการใช้ภาษาเปลี่ยนแปลงไป คำพูดก็เปลี่ยนแปลงตามไปด้วย

3. ไม่เข้าใจภาษา 

ตัวจำแนกประเภทเจตนาขาดความเข้าใจภาษาที่แท้จริง พวกมันมีปัญหาในการเปลี่ยนแปลงภาษา เช่น:

• คำพ้องความหมาย
• การพาราเฟรส
• การใช้คำที่คลุมเครือ
• การพิมพ์ผิด 
• สำนวนภาษาพูดที่ไม่คุ้นเคย
• อินพุตที่กระจัดกระจาย

โดยทั่วไปแล้ว พวกเขายังประมวลผลคำพูดแต่ละคำอย่างแยกส่วน ซึ่งหมายความว่า พวกเขาขาดความสามารถในการรักษาบริบทตลอดการสนทนา 

4. การติดตั้งมากเกินไป

ตัวจำแนกเจตนาจะมีแนวโน้มที่จะโอเวอร์ฟิตติ้ง โดยจะจดจำตัวอย่างการฝึกอบรมแทนที่จะเรียนรู้รูปแบบทั่วไป 

นั่นหมายความว่าพวกมันทำงานได้ดีกับวลีที่ตรงกันเป๊ะกับที่เคยเห็น แต่มีปัญหาในการรับข้อมูลใหม่หรือข้อมูลที่หลากหลาย ซึ่งทำให้พวกมันเปราะบางเกินกว่าจะเหมาะสำหรับกรณีการใช้งานระดับมืออาชีพ

6 เหตุผล LLMs จะดีกว่า 

LLMs แทบจะแก้ปัญหาเหล่านี้ได้ทั้งหมด พวกเขาเข้าใจบริบทและความแตกต่าง และนักพัฒนาไม่จำเป็นต้องกรอกข้อมูลการฝึกอบรมเพื่อให้พวกเขาเริ่มต้นได้ ตัวแทนที่ใช้ LLM สามารถเริ่มสนทนาได้ตั้งแต่วินาทีที่สร้างขึ้น 

1. ความสามารถในการเรียนรู้แบบ Zero-Shot 

LLMs ไม่จำเป็นต้องมีตัวอย่างเพื่อเรียนรู้ การฝึกอบรมเบื้องต้นที่ครอบคลุมทำให้พวกเขาเข้าใจบริบท ความแตกต่าง และเจตนาแล้วโดยไม่ต้องให้ผู้พัฒนาป้อนตัวอย่างเฉพาะเจาะจงให้พวกเขา

2. สิ่งเล็กๆ ที่เรียกว่า nuance

LLMs โดดเด่นตรงที่ตัวจำแนกเจตนามีข้อบกพร่อง พวกเขาสามารถตีความสำนวน ถ้อยคำเสียดสี และภาษาที่คลุมเครือได้อย่างง่ายดาย 

การฝึกอบรมอย่างครอบคลุมเกี่ยวกับชุดข้อมูลที่หลากหลายทำให้พวกเขามีความสามารถในการเข้าใจความแตกต่างที่ละเอียดอ่อนของการสื่อสารของมนุษย์ที่ผู้จำแนกเจตนามักมองข้าม

3. บริบทที่ดีขึ้น

LLMs อย่าหลงประเด็นการสนทนา พวกเขาจำสิ่งที่พูดไปก่อนหน้านี้ได้ ซึ่งทำให้การโต้ตอบดำเนินไปอย่างเป็นธรรมชาติและรู้สึกสอดคล้องกันมากขึ้น

บริบทนี้ยังช่วยให้พวกเขาชี้แจงความคลุมเครือได้ แม้ว่าข้อมูลที่ป้อนจะคลุมเครือหรือซับซ้อน พวกเขาสามารถรวบรวมเข้าด้วยกันได้โดยพิจารณาจากบทสนทนาที่กว้างขึ้น

4. ความสามารถในการปรับขนาด

LLMs ดีขึ้น 100% ในการปรับขยาย พวกเขาไม่จำเป็นต้องฝึกอบรมใหม่เพื่อเรียนรู้หัวข้อใหม่ ขอบคุณความเข้าใจภาษาที่กว้างขวางของพวกเขา 

ซึ่งทำให้พร้อมรับมือกับกรณีการใช้งานเกือบทุกกรณีได้ทันที สำหรับ ระบบหลายเอเจนต์ การ ใช้ LLM แทนการใช้ตัวจำแนกเจตนา

5. ความยืดหยุ่น

LLMs อย่าพึ่งพาเทมเพลตที่ยืดหยุ่น ความยืดหยุ่นของเทมเพลตทำให้การตอบกลับดูเป็นธรรมชาติ หลากหลาย และเหมาะกับการสนทนาอย่างสมบูรณ์แบบ เทมเพลตเหล่านี้มอบประสบการณ์ที่ดีกว่ามากสำหรับผู้ใช้เมื่อเทียบกับตัวจำแนกเจตนาที่เปราะบาง

6. ข้อมูลการฝึกอบรมน้อยลง

LLMs ไม่จำเป็นต้องมีข้อมูลที่มีป้ายกำกับเฉพาะงานเพื่อให้ทำงานสำเร็จ พลังของข้อมูลเหล่านี้มาจากการฝึกอบรมล่วงหน้าจำนวนมากสำหรับข้อความที่หลากหลาย ดังนั้นจึงไม่ต้องพึ่งพาชุดข้อมูลที่มีคำอธิบายประกอบอย่างละเอียดถี่ถ้วน

หากจำเป็น นักพัฒนาสามารถ ปรับแต่ง LLM ให้กับโครงการของตนได้เสมอ ตัวอย่างเช่น LLMs สามารถปรับแต่งได้โดยใช้ข้อมูลขั้นต่ำ จึงสามารถปรับให้เข้ากับกรณีการใช้งานเฉพาะทางหรืออุตสาหกรรมต่างๆ ได้อย่างรวดเร็ว

เหตุใดบริษัทอื่นจึงใช้ตัวจำแนกเจตนา?

คำถามที่ดี ถ้า LLMs ดีกว่ามากในการจำแนกประเภทความตั้งใจ แล้วทำไมบริษัทต่างๆ มากมายจึงยังคงใช้ตัวจำแนกประเภทความตั้งใจอยู่ 

คำตอบนั้นไม่สวยงามนัก และไม่ใช่เรื่องสุภาพที่สุดที่จะบอกว่านี่เป็นปัญหาของเทคโนโลยีเก่า 

บริษัทส่วนใหญ่มีผลประโยชน์ทับซ้อนในการใช้ตัวจำแนกประเภทความตั้งใจ พวกเขาสร้างฐานการติดตั้งขนาดใหญ่ที่ทำงานบนตัวจำแนกประเภทความตั้งใจ พวกเขาไม่มีเหตุผลที่จะห้ามผู้ใช้ไม่ให้ใช้ระบบที่พวกเขาสร้างขึ้น

แต่ Botpress เป็น LLM -อันดับแรก

LLMs ดีกว่าตัวจำแนกประเภทเจตนาแบบเก่ามากในการระบุเจตนา นั่นเป็นเหตุผลว่าทำไมเราจึงเขียนใหม่ตั้งแต่ต้น LLM -ครั้งแรกในปี 2020 

เรารู้ว่ามีเทคโนโลยีที่ดีกว่ามาถึงแล้ว และแทนที่จะยึดติดกับเทคโนโลยีแบบเดิม เราได้ลงทุนกับการก้าวกระโดดนั้น

เราจะเพิ่มตัวจำแนกเจตนาหรือไม่?

ไม่ เราใส่ใจเกี่ยวกับประสบการณ์ของผู้สร้างและประสบการณ์ของผู้ใช้มากเกินไป

อนาคตของการจำแนกประเภทเจตนา

ตัวจำแนกเจตนาเป็นเครื่องมือของอดีต นั่นเป็นเหตุผลว่าทำไมเราจึงใช้ทั้งหมด LLMs - 

เช่น LLMs ดีขึ้นเรื่อยๆ ตัวแทน AI ที่สร้างขึ้นก็จะดีขึ้นเช่นกัน Botpress เราพร้อมและตื่นเต้นที่จะได้ยกระดับมาตรฐานของสิ่งที่ AI เชิงสนทนาสามารถทำได้ต่อไป

หากคุณกำลังมองหาการสร้างตัวแทน AI ที่ยืดหยุ่นซึ่งขับเคลื่อนโดย LLMs อย่าลังเลที่จะ เริ่มสร้างบน Botpress มันฟรี 

สร้างตัวแทน AI

สร้างตัวแทนอัตโนมัติที่กำหนดเอง

เริ่มเลย

ไม่ต้องใช้บัตรเครดิต