什么是对话式人工智能？
对话式人工智能（AI）是一种技术，使软件能够理解和响应基于语音或基于文本的人类对话。过去，与软件的人类聊天仅限于用户输入或说出预定命令的预编程输入。对话式人工智能远不止于此。它可以识别所有类型的语音和文本输入、模仿人际互动，并理解和响应各种语言的查询。组织会将对话式人工智能用于各种客户支持应用场景，因此该软件将以个性化的方式响应客户查询。
对话式人工智能有哪些优势？
对话式人工智能技术为组织的客户服务团队带来多项优势。
改善客户体验
对话式人工智能聊天机器人可以提供全天候支持和即时客户响应，这是现代客户偏好和期望从所有在线系统中获得的服务。即时响应可以提高客户满意度以及客户与品牌互动的频率。
此外，可以将过往的客户互动数据与对话式人工智能整合，为客户创造个性化的体验。例如，人工智能可以根据客户过往的购买或搜索输入提出建议。
运营效率更高
可以使用对话式人工智能解决方案来简化客户服务工作流程。这些解决方案可以回答常见问题或其他重复性输入，让员工腾出时间专注于处理更复杂的任务。
还可以大规模获得成本收益。在不同的时区组建全天候服务的客户服务团队可能会代价昂贵。使用机器人为全球客户提供持续支持具备更高的效率。
更广泛的可访问性
对话式人工智能可用于改善身障客户的可访问性。它还可以帮助技术知识有限、语言背景不同或应对非传统使用案例的客户。例如，对话式人工智能技术可以引导用户浏览网站或使用应用程序。这些技术可以回答查询并帮助确保用户在不需要具备高级技术知识的情况下找到所需的内容。
对话式人工智能有哪些使用案例？
在业务流程和客户互动中，对话式人工智能具有多种使用案例。我们将这些使用案例分为四大类。
信息性公告
在信息性上下文中，对话式人工智能主要回答客户的询问或提供有关特定主题的指导。例如，用户可以向客户服务聊天机器人询问天气、产品详细信息或分步食谱说明。另一个示例是人工智能驱动的虚拟助手，其使用从全球实事到新闻更新的实时信息来回答用户的查询。
数据捕获
可以使用对话式人工智能工具来收集基本的用户详细信息或反馈。例如，可以在入门培训过程中创建更多人性化的互动。另一种场景是购买后或服务后聊天，其中对话界面收集有关客户购物之旅的反馈，包括体验、偏好或不满意的地方。
事务处理
在事务场景中，对话式人工智能可以为涉及任何事务的任务提供便利。例如，客户可以使用人工智能聊天机器人在电子商务平台上下订单、预订门票或进行预定。一些金融机构使用基于人工智能的聊天机器人来允许用户查看账户余额、转账或支付账单。这些用途可以为客户带来便利并改善他们的体验。
主动干预
主动使用对话式人工智能时，系统会根据特定的触发因素或预测分析启动对话或操作。例如，对话式人工智能应用程序可能会向用户发送有关即将到来的预约的提醒，提醒他们未完成的任务，或者根据浏览行为推荐产品。对话式人工智能座席可以主动联系网站访问者并提供帮助。或者，他们可以向客户提供有关货运或服务中断的最新信息，这样客户就不必等待人工座席的回复。
对话式人工智能如何运作？
对话式人工智能使用三种主要技术开展工作。
自然语言处理
自然语言处理（NLP）是一组可让机器处理、分析和理解人类语言的技术和算法。人类语言有若干特征，例如讽刺、隐喻、句子结构变化以及语法和特殊用法。适用于 NLP 的机器学习（ML）算法可让对话式人工智能模型持续从海量文本数据中学习，识别不同的语言模式和细微差别。
自然语言理解
自然语言理解（NLU）涉及系统的理解方面。它可确保对话式人工智能模型处理语言并理解用户意图和上下文。例如，根据使用期间的上下文，同一语句可能具有不同的含义。
NLU 使用机器学习辨别上下文、区分含义和理解人类对话。当虚拟座席必须将复杂的查询上报给人工座席时，这一点尤其重要。NLU 基于对用户需求的精确理解实现平稳过渡。
自然语言生成
在理解用户的输入之后，系统会制定出一致且适合上下文的响应。自然语言生成（NLG）使虚拟座席能够以清晰、相关和语言自然的方式构造人性化的语句。NLG 使用强大的深度学习算法在上下文中制定响应。此外，随着人工智能聊天机器人与用户和人工座席更加频繁地互动，他们的响应会随时间推移变得更加精细和灵活。
对话式人工智能和生成式人工智能之间有什么区别？
生成式人工智能是一种可用于创建新的内容和想法（包括对话、故事、图像、视频和音乐）的人工智能。像所有人工智能一样，生成式人工智能由机器学习模型提供支持。特别是，这些人工智能使用根据大量数据预先训练的大型模型，这些模型通常称为根基模型（FM）。
除了内容创作外，还可以使用生成式人工智能来提高数字图像质量、编辑视频、构建制造原型以及使用合成数据集增强数据。
对话式人工智能与生成式人工智能
对话式人工智能和生成式人工智能有不同的最终目标。对话式人工智能的目标是理解人类语音和对话流程。可以将其配置为适当地响应不同的查询类型，而不回答超出范围的问题。
相比之下，生成式人工智能旨在通过学习现有客户数据来创作新的原创内容。从某种意义上说，生成式人工智能只会以新的和原创的方式回答范围外的问题。它的响应质量可能并不符合您的期望，也可能无法像对话式人工智能那样理解客户的意图。
尽管如此，值得注意的是，许多人工智能工具同时结合了对话式人工智能和生成式人工智能技术。系统使用对话式人工智能处理用户输入，并使用生成式人工智能进行响应。这就解决了对话式人工智能范围之外的使用案例所面临的挑战。
AWS 如何支持您的对话式人工智能要求？
Amazon Web Services（AWS）提供许多产品/服务来支持您使用对话式人工智能。
Amazon Lex 是一项完全托管的人工智能服务，其采用高级自然语言模型。可以使用该服务在应用程序中设计、构建、测试和部署对话界面。该服务由与 Alexa 相同的对话引擎提供支持，可提供高质量的语音识别和语言理解功能。借助 Amazon Lex，您可以在新的和现有的应用程序中添加由人工智能驱动的复杂聊天机器人。
Amazon Kendra 是一项易于使用的对话式搜索服务。借助该服务，您可发现存储在遍布公司的大量内容中的信息。例如，可以从手册、研究报告、常见问题、人力资源文档和客户服务指南中找到数据。当您键入问题时，Amazon Kendra 理解上下文并返回最相关的结果，无论是精确的答案还是整个文档。
AWS 解决方案库可让您轻松设置聊天机器人和虚拟助手。从数据收集到结果交付，您可以使用生成式人工智能来构建对话界面。在私密、安全的计算环境中，结合使用最适合您需求的根基模型和所选择的训练数据。
立即创建账户，开始使用 AWS 上的对话式人工智能。
