Chatbot AI adalah program perisian yang meniru perbualan manusia. Mereka menerima input pengguna dalam bahasa semula jadi (teks atau suara) dan cuba memberikan respons yang membantu. Menurut Microsoft, chatbot AI adalah aplikasi yang “meniru dan memahami perbualan manusia”.

Sebagai contoh, chatbot boleh menjawab soalan, memberi cadangan, atau mengautomasikan tugasan seperti membuat temu janji. IBM juga menjelaskan bahawa chatbot “mensimulasikan perbualan manusia,” dan menyatakan bahawa chatbot moden sering menggunakan pemprosesan bahasa semula jadi untuk mentafsir soalan dan menghasilkan jawapan. Ringkasnya, chatbot AI membolehkan orang berinteraksi dengan komputer menggunakan bahasa biasa, merapatkan jurang antara pertuturan manusia dan logik mesin.

Teknologi AI Utama

Chatbot AI menggabungkan beberapa teknik AI canggih:

• Pemprosesan Bahasa Semula Jadi (NLP): Membolehkan chatbot memecah dan mentafsir input teks atau suara. Contohnya, algoritma NLP memecahkan ayat kepada token (perkataan atau frasa) dan membantu bot memahami tatabahasa serta konteks.
• Pembelajaran Mesin & Pembelajaran Mendalam: Chatbot belajar daripada contoh bahasa dan perbualan untuk memperbaiki respons dari masa ke masa. Melalui latihan pada dialog sebenar dan teks bertulis, sistem mempelajari corak (contohnya soalan biasa dan cara menjawabnya).
• Model Bahasa Besar (LLM): Rangkaian neural yang sangat besar (sering dibina atas seni bina transformer) yang dilatih pada set data teks yang besar. LLM mempunyai berbilion parameter dan boleh memahami serta menghasilkan teks yang menyerupai manusia. Ia menangkap corak linguistik merentas bahasa dan domain dengan berkesan.

Gabungan teknologi ini membolehkan chatbot mengendalikan soalan bebas dan menghasilkan jawapan yang kedengaran semula jadi.

Bagaimana Chatbot Memahami Pengguna

Apabila anda menghantar mesej, chatbot menggunakan pemahaman bahasa semula jadi (NLU) ke atasnya. Ia memecahkan input kepada bahagian (token) dan mengenal pasti niat pengguna (apa yang pengguna mahukan) serta entiti yang berkaitan (butiran penting seperti nama, tarikh, atau tempat).

Sebagai contoh, jika anda bertanya “Bagaimana cuaca di Paris esok?”, chatbot mengenal pasti niat (pertanyaan ramalan cuaca) dan mengekstrak entiti (“Paris” dan “esok”). Chatbot AI moden menggunakan pembelajaran mendalam supaya ia boleh mentafsir makna walaupun ayat itu tidak formal, samar, atau mengandungi kesilapan taip.

Melatih Chatbot AI

Chatbot AI dikuasakan oleh model bahasa yang dilatih menggunakan sejumlah besar data teks. Semasa latihan, model memproses berbilion perkataan dan melaraskan parameter dalaman untuk meramalkan perkataan seterusnya dalam ayat berdasarkan konteks.

Dalam praktiknya, model diberi korpus teks yang sangat besar (contohnya, keseluruhan Wikipedia atau internet) dan mempelajari tatabahasa, fakta, dan frasa biasa daripada data tersebut.

Selepas latihan, chatbot boleh menghasilkan respons baru dengan meramalkan satu perkataan pada satu masa, berdasarkan corak yang dipelajarinya. Penting untuk diketahui, model tidak menghafal teks secara literal; ia menyimpan pengetahuan secara tersirat dalam parameternya.

Oleh itu, chatbot yang dilatih dengan baik boleh menjawab soalan dengan mensintesis jawapan daripada corak yang dipelajari, walaupun soalan itu tidak pernah dilihat semasa latihan.

Transformer dan Model Bahasa Besar

Rajah: Seni bina rangkaian transformer (pengekod di kiri, penyahkod di kanan). Pengekod memproses input dan penyahkod menghasilkan output. Chatbot moden menggunakan transformer sebagai teras mereka.

Rangkaian transformer menukar perkataan kepada vektor berangka dan menggunakan multi-head attention untuk menghubungkan setiap perkataan dalam ayat dengan semua perkataan lain secara serentak. Ini membolehkan model menangkap konteks merentasi keseluruhan input.

Berbeza dengan model berurutan lama (seperti RNN), transformer memproses semua perkataan secara selari dan melatih dengan lebih pantas. Dengan menumpuk banyak lapisan transformer, kita mendapat model bahasa besar (LLM) seperti GPT-4 atau PaLM Google. LLM ini dilatih untuk memahami dan menghasilkan bahasa pada skala besar, malah boleh menterjemah, meringkaskan, atau menjawab soalan berkat bilangan parameter yang sangat banyak.

Menghasilkan Respons

Apabila memberi respons, chatbot AI mungkin menggunakan salah satu daripada dua kaedah:

• Berasaskan pengambilan: Chatbot memilih jawapan daripada set respons yang telah ditetapkan (seperti pangkalan data FAQ). Chatbot awal berfungsi dengan cara ini. Untuk soalan yang dikenali, bot hanya memulangkan jawapan yang disimpan. Pendekatan ini pantas dan boleh dipercayai untuk pertanyaan yang dijangka tetapi tidak boleh mengendalikan soalan di luar pangkalan data.
• Model generatif (AI): Chatbot menghasilkan jawapan baru satu perkataan pada satu masa menggunakan model bahasanya. Pada setiap langkah, ia meramalkan perkataan seterusnya yang paling mungkin berdasarkan perbualan setakat ini. Ini membolehkan bot menghasilkan respons unik dan menjawab soalan baru yang belum pernah dilihat sebelum ini. Namun, kerana ia bergantung pada kebarangkalian yang dipelajari, kadang-kadang ia boleh menghasilkan jawapan yang salah atau tidak masuk akal.

Maklum Balas Manusia dan Konteks Perbualan

Selepas latihan awal, chatbot sering disesuaikan dengan maklum balas manusia. Jurulatih menyemak output chatbot dan membimbingnya untuk memperbaiki – mereka mengukuhkan jawapan yang baik dan membetulkan yang kurang tepat. Proses ini, dikenali sebagai pembelajaran pengukuhan daripada maklum balas manusia (RLHF), membantu sistem belajar mengelakkan kandungan yang tidak sesuai atau berat sebelah. Contohnya, manusia mungkin menandakan jawapan sebagai "beracun" atau "tidak berkaitan" supaya model belajar mengelakkan respons sebegitu.

Chatbot AI juga menjejak konteks perbualan. Mereka boleh mengingati bahagian awal dialog dan menggunakan maklumat itu untuk menjadikan respons lebih koheren. Sebagai contoh, jika anda bertanya soalan susulan, chatbot tahu anda merujuk kepada topik sebelumnya dan boleh menjawab dengan sewajarnya. Konteks berterusan ini membolehkan perbualan berbilang pusingan dan interaksi yang lebih semula jadi.

Contoh Chatbot AI

Banyak pembantu maya yang dikenali adalah chatbot AI. Apple’s Siri dan Amazon’s Alexa menjawab arahan suara, manakala Google’s Gemini dan OpenAI’s ChatGPT berbual melalui teks. Perniagaan juga menggunakan chatbot di laman web dan aplikasi untuk mengendalikan pertanyaan pelanggan, menjadualkan temu janji, atau membimbing pembelian. Semua sistem ini bergantung pada teknologi AI teras yang sama untuk memproses bahasa dan menghasilkan respons.

Cabaran dan Had

Chatbot AI sangat berkuasa tetapi tidak sempurna. Kerana mereka sentiasa cuba menjawab, kadang-kadang mereka boleh mengada-adakan – memberikan maklumat palsu atau mengelirukan dengan yakin. Seperti yang dinyatakan oleh seorang pakar, chatbot pada dasarnya adalah “mesin yang melakukan pengiraan matematik” untuk menghasilkan perkataan. Ia tidak benar-benar memahami makna atau niat seperti manusia.

Oleh itu, chatbot mungkin memberikan jawapan berbeza untuk soalan yang sama pada masa berlainan, dan mereka boleh salah tafsir pertanyaan yang samar atau rumit. Pengguna disarankan menyemak semula output penting daripada chatbot, terutamanya dalam situasi kritikal.

>>> Klik untuk ketahui lebih lanjut:

Apakah itu Pembelajaran Mesin?

Apakah Model Bahasa Besar?

Chatbot AI berfungsi dengan menggabungkan pemprosesan bahasa semula jadi bersama pembelajaran mesin dan model bahasa berskala besar. Mereka memecah input pengguna untuk mengesan niat, kemudian sama ada mengambil jawapan yang telah tersedia atau menghasilkan jawapan baru menggunakan model yang dilatih.

Chatbot moden menggunakan LLM berasaskan transformer yang dilatih pada set data teks yang sangat besar, membolehkan mereka berbual dalam pelbagai topik dengan kefasihan menyerupai manusia. Hasilnya adalah alat yang boleh berinteraksi dalam dialog yang sangat semula jadi. Apabila model ini bertambah baik dengan lebih banyak data dan latihan yang lebih baik, chatbot AI akan menjadi lebih cekap - tetapi mereka tetap alat statistik pada dasarnya, jadi pengawasan manusia masih penting.