In einer Folge von 5 Blogbeiträgen alle vier Wochen wollen wir insgesamt 5 verschiedene Mythen in der KI (Künstlichen Intelligenz) von Chatbots aufgreifen und sie der entsprechenden Realität gegenüberstellen.
In der heutigen fünften Folge betrachten wir den Mythos: "Die Erstellung eines Regel-basierten Bots ist aufwendig".
In der dritten Folge dieser Beitragsserie sahen wir, dass ML (Machine Learning)-basierte Chatbots nicht selbstlernend sind, sondern deren "Lernen" vom Menschen angestoßen und mit Regeln (Synonyme, Konfidenzniveau,...) versehen werden müssen. Dieses "Selbstlernen" wird entsprechend mit wenig Aufwand in der Erstellung und Wartung eines ML-basierten Chatbots assoziiert. Im Gegensatz dazu wird den Regel-basierten Chatbots häufig ein hoher Aufwand bei Erstellung und Pflege unterstellt.
Bei den linguistischen Chatbots von der Fa. Kauz wird das Sprachverständnis weitgehendst bereits mitgeliefert. Es muss nicht erst wie bei ML-basierten Bot durch den Menschen antrainiert werden. Der vermeintliche Aufwand kann also nur in der Pfeleg der Wissensbasis des Bots liegen. Schauen wir uns also die Wissensbasis dieses Regel-basierten, linguistischen Chatbots an.
Die Wissensbasis der Chatbots von Kauz basieren auf einem Entity-Relationship-Model (E/R-Model). Im folgenden Schaubild eines Bots, der Schokolade verkaufen kann. Es enthält 2 Schokoladen mit Attributen, hier Preis und Kakaogehalt.
Die Wissensbasis des Bots basiert auf einem E/R-Model
Erhält dieser Chatbot nun eine Anfrage, sucht er in seiner Wissensbasis nach den passenden Antworten. Es gibt, anders als bei ML-basierten Bots, nicht die eine vorgefertigte Antwort aus der Antwortliste, sondern er sucht die passenden Komponenten aus dem E/R-Model zusammen. Dies ist höchst flexibel:
Die Wissensbasis der Regel-basierten, linguistsichen Chatbots von der Fa. Kauz basieren auf einem E/R-Model. Dadurch kann weiteren Content einfach hinzugefüght werden, so können weitere Schokoladen einfach hinzugefügt werden, ohne dass ein statistisches Modell wie bei ML-basierten Chatbots neu trainiert werden muss. Das Sprachverständnis muss sogar überhaupt nicht antrainiert werden, es ist von vornherein dabei. Deshalb gilt:
Realität: "Das Erstellen eines Regel-basierten Bots ist schneller als das Antrainieren eines ML-Bots mit Daten".
Mit dieser fünften Folge von "Mythen und Realität in der KI" beenden wir diesen Beitragsserie. Wir hoffen, sie war informativ und unterhaltsam für Sie. Für weitere Fragen stehen wir Ihnen gerne zur Verfügung!.
コメント