¿Qué es Conversation Learner?What is Conversation Learner?

Conversation Learner permite compilar y entrenar interfaces de conversación que aprenden de las interacciones de ejemplo.Conversation Learner enables you to build and teach conversational interfaces that learn from example interactions.

A diferencia de los enfoques tradicionales, Conversation Learner considera el contexto de un extremo a otro de un diálogo para mejorar las respuestas y ofrecer experiencias de usuario más atractivas.Unlike traditional approaches, Conversation Learner considers the end-to-end context of a dialogue to improve responses and deliver more compelling user experiences. Con la extensión de un amplio conjunto de casos de uso orientados a tareas, Conversation Learner aplica el aprendizaje automático en segundo plano para que haya menos probabilidades de que los bots y los agentes inteligentes se frustren, incurran en costes de servicio de cliente adicionales y ofrezcan una interacción más intuitiva.Spanning a broad set of task-oriented use cases, Conversation Learner applies machine learning behind the scenes to make bots and intelligent agents less likely to frustrate users, incur additional customer service costs, and more intuitive to interact with.

Para empezar, el desarrollador introduce diálogos prototípicos que se desean imitar.To get started, the developer enters prototypical dialogs they want to imitate. Mientras más diálogos se introducen, el modelo se actualiza continuamente, y el desarrollador puede ver el grado de generalización del modelo.As more dialogs are entered, the model is continuously updated, and developer can see how well the model is generalizing. Una vez que el modelo está funcionando bien, el bot puede implementarse a los usuarios finales.Once the model is working well, the bot can be deployed to end users. Conversation Learner registra las conversaciones con los usuarios, y el desarrollador puede revisarlas.Conversation Learner logs conversations with users, and the developer can review them. Si se detectan errores, el desarrollador puede hacer una corrección inmediata, y el modelo se conserva y se mantiene disponible para su uso inmediato.If mistakes are spotted, the developer can make an on-the-spot correction, and the model is retrained and available for use immediately.

Este enfoque reduce la codificación manual de la lógica de control de diálogos y permite a los propietarios de empresas o a los expertos en la materia contribuir a una interfaz de conversación sin un conocimiento previo de aprendizaje automático.This approach reduces manual coding of dialogue control logic and enables business owners or domain experts to contribute to a conversational interface without prior machine learning knowledge. Si se implementa como parte de un bot, de un dispositivo inteligente o de un agente inteligente, Conversation Learner puede iterar rápidamente nuevas aptitudes, comportamientos o competencias y mejorar rápidamente su calidad.Whether it’s deployed as part of a bot, smart device, or intelligent agent, Conversation Learner can rapidly iterate new skills, behaviors, or competencies and quickly improve their quality.

Conversation Learner capacita a los desarrolladores para aumentar la comercialización y administrar diálogos correctos en varios canales de conversaciones a través de Microsoft Bot Framework, o bien de manera independiente con el uso de su propia infraestructura.Conversation Learner empowers developers to increase speed-to-market and drive successful dialogues across multiple conversational channels through the Microsoft Bot Framework, or standalone using their own infrastructure.

Resumen y aspectos destacados:Summary and highlights:

  • Conversation Learner es una forma de AI en primer lugar de compilar bots orientados a tareas.Conversation Learner is an AI-first way of building task-oriented bots.

  • Se basa en una red neural recurrente de un extremo a otro (LSTM) y aprende directamente de ejemplos de conversaciones de varios turnos.It relies on an end-to-end recurrent neural network (LSTM), and learns directly from multi-turn examples of conversations.

  • Permite a los diseñadores, desarrolladores, usuarios empresariales y trabajadores de centros de llamadas compilar y mantener bots.Enables designers, developers, business users, and call center workers to build and maintain bots.

  • Proporciona la capacidad para expresar reglas de negocio y sentido común en el código.Provides the ability to express business rules and common sense in code.

  • Durante las sesiones de aprendizaje, el modelo de red neural se usa para puntuar el siguiente conjunto de acciones esperadas de la conversación.During teaching sessions, the neural network model is used to score the next set of expected actions in the conversation. El desarrollador del bot puede seleccionar después la acción correcta y entrenar a la red para que proporcione la respuesta apropiada.The bot developer can then select the correct action, and train the network to provide the proper response.

  • Una vez completado el entrenamiento, el desarrollador puede usar los diálogos del registro de las interacciones de usuario para realizar correcciones en las respuestas de bots y volver a entrenar el modelo.After training is complete, the developer can use the log dialogs from the user interactions to make corrections to bot responses and retrain the model.

  • Puede llamar a API específicas de dominios y de terceros para completar tareas.Can call domain-specific and third-party APIs to complete tasks.