Auteur: Lynn Houthuys
Artificiële Intelligentie, of AI, heeft in de laatste jaren enorm veel vooruitgang geboekt. De term AI raakt meer en meer bekend bij het grote publiek en steeds meer (Belgische) bedrijven komen naar buiten met AI-producten. Het is helaas niet altijd duidelijk in welke zin AI bijdraagt aan de waarde van het product, en in hoeverre deze producten echt intelligent zijn. Bij chatbots zien we dan ook de term AI-chatbots meer en meer opduiken. In dit artikel gaan we dieper in op wat een chatbot nu juist intelligent maakt en in welke zin deze chatbots verschillen van de klassieke ‘rule-based’ chatbot.
Rule-based versus intelligente AI chatbot
De eerste chatbots werden gemaakt van simpele vraag-antwoord conversaties. Vragen als “Wat zijn de openingsuren?” beantwoordde de chatbot automatisch, maar enkel als de vraag exact op die manier in het programma aanwezig was. Deze ‘rule-based’ chatbots reageren dus enkel op specifieke commando’s en zijn maar zo ‘slim’ als ze geprogrammeerd zijn. Daar tegenover staan de intelligente AI-chatbots. Deze chatbots maken gebruik van achterliggende AI-technieken zoals Natural Language Processing (NLP) en Machine Learning (ML). AI-chatbots zijn ontwikkeld om taal te verstaan, en niet enkel exacte commando's te herkennen. De bots kunnen zelf bijleren van elke conversatie, en kunnen zo gebruikers steeds beter en beter helpen.
Chatbots die onze taal spreken: NLP
Om intelligent te zijn, moet een chatbot menselijke taal verstaan en kunnen gebruiken. Hiervoor gebruikt de chatbot NLP, een AI-techniek die taalkundige modellen opbouwt en integreert. Hoe beter de chatbot de gebruiker verstaat, hoe sneller en beter deze geholpen kan worden.
Het gebruik van NLP in chatbots zorgt er niet enkel voor dat de gebruiker beter geholpen wordt, maar ook dat een gesprek met een bot natuurlijker aanvoelt. Dankzij NLP kan een chatbot sarcasme, humor en andere gesprekstonen detecteren. Daarnaast kan de bot zelf menselijker klinken door het gebruik van emoticons en zelfs humor.
NLP bestaat eigenlijk uit twee delen: Natural Language Understanding (NLU) en Natural Language Generation (NLG). NLU staat in voor het vertalen van menselijke taal naar computertaal. Het analyseert de vraag van de gebruiker en zet dit om naar de correcte computercode. Deze code is de input voor de geprogrammeerde botlogica die vervolgens een juist antwoord genereert. NLU is dus het deel van NLP dat er effectief voor zorgt dat de gebruiker begrepen wordt. NLG doet eigenlijk het omgekeerde, het vertaalt computertaal naar menselijke taal. Het is NLG dat ervoor zorgt dat de bot op een natuurlijke manier kan antwoorden.
Chatbots die bijleren: ML
De AI-techniek Machine Learning (ML) gaat nog een stapje verder. ML is een grote tak binnen AI en zorgt er in dit geval voor dat de chatbot kan bijleren van elk gesprek. Hoe vaker de chatbot in interactie gaat met een gebruiker - hoe meer gegevens er beschikbaar zijn over goede, maar ook slechte gesprekken - des te succesvoller wordt de chatbot. Al heeft deze methode ook zijn grenzen. Zo leerde twitter de AI chatbot van Microsoft in amper één dag tijd om voornamelijk racistische uitspraken te doen. Zorgen voor een afgebakende leeromgeving kan dus aangewezen zijn.
Daarnaast kan ML ook gebruikt worden om antwoorden te voorspellen. De klassieke manier van het om botlogica op te stellen, is door het creëren van flows of een beslissingsboom. Deze flows definiëren de antwoorden van de chatbot. Zo kan er bijvoorbeeld een flow zijn over de openingsuren die er als volgt uitziet: Klant vraagt de openingsuren -> “We zijn elke dag open van 10u tot 17u”.
Vaak heeft zelfs een simpele chatbot heel wat flows nodig. In plaats van al deze flows op voorhand te definiëren kan ML gebruikt worden om automatisch de correcte antwoorden te genereren. Deze voorspelling gebeurt door het ML-model op voorhand een groot aantal gegevens te laten analyseren van correcte voorgaande gesprekken. Het model zoekt in deze data patronen en zal zo leren het juiste antwoord te geven op vragen. Deze techniek zien we echter nog maar weinig toegepast in de chatbots van vandaag.
Conclusie
Om succesvolle chatbots te ontwerpen gebruik je dus best AI-technieken om je bot op een intelligente manier in interactie te laten treden met de gebruiker. Zo is er meer kans op een correct antwoord en voelen de conversaties natuurlijk aan. Door het gebruik van NLP kan de chatbot namelijk taal begrijpen, ook al verwoordt de gebruiker het lichtjes anders dan op voorhand geprogrammeerd. ML maakt dan weer dat de chatbot kan bijleren van elke conversatie. Bij de integratie van een chatbot in jouw interne of externe processen biedt een ‘slimme’ chatbot dus heel wat meerwaarde, niet in het minst op het gebied van gebruikerservaring.
Binnen het innovatieproject ‘Turbot’ onderzoekt Thomas More Hogeschool Mechelen de mogelijkheden van chat- en voicebots binnen de Vlaamse ondernemingen. De doelstelling is om Vlaamse ondernemingen te ondersteunen bij de automatisering van dialoog gebaseerde, repetitieve taken. De onderzoekers willen onder andere de kennis over AI-gebaseerde digitale assistenten verhogen, toepassingsmogelijkheden testen, randvoorwaarden voor implementatie in kaart brengen en de impact van deze technologie op de organisatie meten.
Meer weten? marijke.brants@thomasmore.be (onderzoeker AI en digitale innoavtie) of sven.declercq@thomasmore.be (business developer digitale innovatie)