至顶网软件频道消息:
通过语言分析,该工具可以使用客户服务代理和聊天机器人通过对话来接收七种不同类型的语调。
IBM的Watson人工智能平台正在获得一个新的增强功能,将帮助系统在客户服务场景中探知人的情绪。
根据周四发布的博客文章,IBM Watson杰出的工程师和主要发明人Rama Akkiraju表示,新的Customer Engagement(客户互动)Tone Analyzer(语气分析)工具旨在帮助客户服务代理和聊天机器人对沮丧、悲伤或满意的客户进行适当的回应。
通过语言分析,该工具可以通过与客户服务代理和聊天机器人的对话来接收七种不同类型的语调:沮丧、满足、兴奋、礼貌、不礼貌、悲伤和同情。该系统还声称能够在表情符号、表情和俚语中捕捉到这些情绪。
Tone Analyzer(语气分析器)是通过机器学习算法开发的,该算法在Twitter上对客户支持对话进行了培训。它还可以探测到对话过程中的语气变化,并提供关于对话代理在交互期间应该更加同情、礼貌或激动的建议。
Akkiraju在博客文章中表示:“新功能使得聊天机器人能够感知语气,使其能够为沮丧、悲伤或满意的客户提供独特的响应。”他表示,“例如,它可以这样回应悲伤的客户,‘我很抱歉你对这个问题感到不安,’但是对满意的客户说,‘我很高兴你对我们的服务感到满意’。”
在Jefferies分析师James Kisner发表了对该认知平台以及IBM在内部推广人工智能和保持人才的能力的严厉批评之后, IBM本周一直在努力为其Watson业务辩护。
IBM首席财务官Martin Schroeter周三表示,Watson正在政府和金融服务中寻找使用案例。使用了Watson的IBM Services Platform也将推动应用。
Schroeter表示,“我们看到Watson的部署在全球不断扩大。认知机会是全球性的。它并不以纽约或波士顿或硅谷为中心。我们不能只是在这些地方看和听。”
好文章,需要你的鼓励
OpenAI CEO描绘了AI温和变革人类生活的愿景,但现实可能更复杂。AI发展将带来真正收益,但也会造成社会错位。随着AI系统日益影响知识获取和信念形成,共同认知基础面临分裂风险。个性化算法加剧信息茧房,民主对话变得困难。我们需要学会在认知群岛化的新地形中智慧生存,建立基于共同责任而非意识形态纯洁性的社区。
杜克大学等机构研究团队通过三种互补方法分析了大语言模型推理过程,发现存在"思维锚点"现象——某些关键句子对整个推理过程具有决定性影响。研究表明,计划生成和错误检查等高层次句子比具体计算步骤更重要,推理模型还进化出专门的注意力机制来跟踪这些关键节点。该发现为AI可解释性和安全性研究提供了新工具和视角。
传统数据中心基础设施虽然对企业至关重要,但也是预算和房地产的重大负担。模块化数据中心正成为强有力的替代方案,解决企业面临的运营、财务和环境复杂性问题。这种模块化方法在印度日益流行,有助于解决环境问题、满足人工智能的电力需求、降低成本并支持新一代分布式应用。相比传统建设需要数年时间,工厂预制的模块化数据中心基础设施可在数周内部署完成。
法国索邦大学团队开发出智能医学文献管理系统Biomed-Enriched,通过AI自动从PubMed数据库中识别和提取高质量临床案例及教育内容。该系统采用两步注释策略,先用大型AI模型评估40万段落质量,再训练小型模型处理全库1.33亿段落。实验显示该方法仅用三分之一训练数据即可达到传统方法效果,为医学AI发展提供了高效可持续的解决方案。