INTELIGENCIA ARTIFICIAL

IA conversacional: el enfoque de código abierto de Rasa

Comentario: Rasa no es el único enfoque de código abierto para el procesamiento del lenguaje natural, pero su gran comunidad sugiere que está haciendo algo bien.

IA conversacional el enfoque de codigo abierto de Rasa
Imagen: iStock/metamorworks

¿Quieres una plataforma de inteligencia artificial (IA) conversacional? No hay problema, solo tienes que elegir uno. Microsoft tiene uno (LUIS). Lo mismo ocurre con Google (Dialogflow). ¿Amazonas? Sí. (Lex.) Pero no se detenga ahora: hay cientos de opciones (desde Kore.ai hasta SAP, MindMeld de Cisco y más).

El enfoque de Rasa puede destacarse.

Más cobertura de IA de lectura obligada

«Creemos que, a largo plazo, la infraestructura para la interfaz conversacional será de código abierto», dijo el gerente de producto de Rasa, Tyler Dunn. Con ese fin, la empresa Rasa ha abierto su marco de aprendizaje automático para automatizar conversaciones basadas en texto y voz. El objetivo es ir más allá de los chatbots codificados y basados ​​en reglas a una IA que pueda entender lo que dice la gente.

No estoy en condiciones de medir la utilidad del código Rasa. Lo que encuentro interesante es cuánta comunidad ha atraído este proyecto. Esto bien puede ilustrar la eficacia del enfoque de código abierto de Rasa y la forma en que la IA conversacional se ha generalizado o se convertirá pronto en la corriente principal.

no solo de código abierto

El equipo de Rasa puede tener razón sobre la necesidad de hacer de la IA conversacional un problema de código abierto, pero se equivoca en su enfoque. Después de todo, existen muchas otras plataformas de IA conversacional de código abierto. Rasa no es el primero en ver la creciente preferencia de los desarrolladores por la infraestructura de código abierto.

LEER  El código base Liberty de código abierto de IBM para facilitar el desarrollo de microservicios y aplicaciones nativas de la nube

mirar: Gestión de IA y ML en la empresa 2023: los líderes tecnológicos aumentan el desarrollo y la implementación de proyectos (Edición Premium de Tecnopedia)

Si bien las estrellas de GitHub son una medida (muy) imperfecta del éxito de un proyecto, son un indicador. Rasa tiene más de 10.000 estrellas, mientras que otros proyectos de código abierto como MindMeld (416), DeepPavlov (4.900) o BotPress (9.000) tienen menos. Dentro de este grupo, Rasa sirve a una comunidad diferente: la que quiere profundizar en el procesamiento del lenguaje natural (PNL). Por el contrario, proyectos como BotPress son populares entre los desarrolladores de JavaScript que no pueden o no quieren ir más abajo en la pila.

La comunidad de Rasa está muy interesada en personalizar la PNL. Esa es una de las razones por las que su foro de la comunidad Rasa atrae a más de 10.000 personas. Es por eso que Rasa tiene más de 500 colaboradores de proyectos. Cuando me sorprendió la gran cantidad de desarrolladores que podrían contribuir con un código significativo a algo como Rasa, el cofundador y CTO de Rasa, Alan Nichol, me dijo que era «casi lo contrario» de mi consejo. No, no todos son expertos en PNL, continuó, pero las valiosas contribuciones podrían ser integraciones con varias plataformas de mensajería o ampliar las capacidades de Rasa para admitir nuevas API que las plataformas de chat podrían usar.

Incluso para aquellos que no contribuyen, el código abierto de Rasa es importante, señaló Nichol:

[C]La IA conversacional es una de ellas. [areas of software] donde más te beneficias [from open source]El hecho de que puedas personalizarlo para que sea tuyo es muy valioso, incluso si estos no son necesariamente cambios que impulsas aguas arriba. Mucha más gente de la que podría escribir cosas personalizadas en MongoDB o algo así. Muchas personas pueden escribir componentes personalizados de NLP para realizar análisis de sentimientos o clasificar usuarios, o simplemente modificar algunos hiperparámetros, usar incrustaciones de palabras que entrenaron en el corpus de su propia empresa, etc. Hay muchas maneras en que las personas personalizan el software.

Los verdaderos contendientes para algo como Rasa son los clientes que podrían usar TensorFlow para lanzar sus propios bots de IA conversacionales. Rasa está construido sobre TensorFlow, y para equipos suficientemente capacitados, pueden pasar por alto a Rasa y trabajar directamente sobre TensorFlow de nivel inferior. La apuesta de Rasa es que la mayoría de las empresas no tienen la experiencia ni la paciencia para hacer esto.

También es probable que estén buscando algo que pueda entrar en producción, en lugar de proyectos como Plato de Uber o ParlAI de Facebook, que tienden a estar orientados a los investigadores. Ha sido importante para Rasa incorporar la comprensión del lenguaje y los modelos conversacionales en un sistema de extremo a extremo para que cuando su mensaje no se ajuste del todo al patrón, la IA aprenda, en lugar de bloquearse («necesita la pronunciación del usuario y will que se convierte en un vector de números de punto flotante, en una representación continua», es la explicación más geek proporcionada por Nichols).

La buena noticia es que no tienes que creer en mi palabra, ni en la de Nichols ni en la de Dunne, para el caso. Es de código abierto. Puede consultarlo en GitHub, personalizarlo para que se ajuste a sus necesidades y, con suerte, enviar solicitudes de extracción para mejorarlo.

Divulgación: trabajo en AWS, pero las opiniones expresadas en este artículo son mías.

LEER  ¿Cómo cambiarán Semantic Machines y su motor conversacional los marcos de trabajo de Cortana y Bot?

Deja una respuesta

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *

Botón volver arriba