至顶网软件频道消息:目前关于聊天机器人的讨论日渐火热。从零售到医疗保健等行业都计划在2017年使用聊天机器人。但是,在您的服务交付工作流程中添加人工智能是否能提供积极的投资回报?
Inbenta是一家位于加州福斯特市的自然语言聊天室和搜索平台公司,该公司发布的一份报告显示利用企业组织中利用聊天机器人之类的人工智能和NLP(自然语言处理)能够为组织带来可观的价值。
该公司委托Forrester采访了Inbenta客户,这些客户实施了Enterprise Search、InbentaBot和Support Ticketing解决方案。并对其组织进行后续财务分析。
研究表明,所有接受访问的客户,将在三年内获得710万美元的收益,而费用为140万美元。计算有560万美元的NPV(净现值),投资回报率为390%。
它表明,通过实施其解决方案,60%的客户服务支持问题现在可以通过自助聊天机器人来解决。
不幸的是,目前的聊天机器人还有缺点。它不仅缺乏个性化,而且也缺乏成为品牌有用工具的智能。
一些品牌使用合作伙伴来简化推出和增强基于Messenger的聊天机器人。
其他公司正在努力通过使用聊天机器人来回答简单的重复性问题来提高客户体验。智能聊天机器人可以加快企业工作流程。
从聊天机器人那里收集的数据——例如客户偏好和习惯——可以帮助通过聊天机器人提供产品推荐。
Messenger聊天机器人已经取代了人寿保险代理人。这使人类代理可以将更多的时间专注于更复杂的问题,而不是花时间解决简单的问题。
但机器人真的会成为我们日常生活的一部分吗?他们已经在许多行业中普遍存在。事实上,三分之二的消费者并没有意识到他们正在使用人工智能。 聊天机器人已经能够更高的投资回报率——但是高多少?
不幸的是,聊天机器人在被问到问题的时候,经常采用统一的方法。它们不使用有关用户背景信息(人口统计、订单历史记录、现场搜索记录等),以使客户交互更好。
随着时间的推移,必须使用机器学习来改进聊天机器人的回答。虽然我们使用聊天机器人的势头正在兴起,但是我们仍然会说我们更喜欢与人交谈。
ZineOne的聊天机器人使用用户和聊天机器人之间的语境层来个性化其聊天机器人与客户的交互。它可以鼓励客户采购——而且是立刻采购。
聊天机器人可以个性化回答每个人提出的每个具体的问题。它们也可以查看用户的现场活动、个人资料信息以及他们的奖励积分——如果有的话。
人工智能和自然语言处理有了显著的提升。提供解决方案的企业构建带有情绪分析智能聊天机器人并学习虚拟现实机器人使用的语言,以及帮助解决非洲日常问题的机器人。
当我们走向未来的办公室时,我们已经使用语音控制。但是,如果您要构建自己的语音激活系统,您可以利用语音技术解决方案提供商科Conexant尝试开发套件。
它最近宣布,正在与中国的互联网搜索提供商百度合作,发布开发套件和参考设计,以便设备制造商可以开发运行在百度的DuerOS平台上的远场语音人工智能设备。
DuerOS是一种基于会话的人工智能系统,支持访问手机、电视、扬声器和其他设备语音激活数字助理。
聊天机器人正在前进,成为了我们日常生活中的重要部分。虽然机器人在财务方面还有争议,但应用程序仍然占据了大部分的资金。由您自己决定是选择定制、现成的产品还是自建的解决方案。
好文章,需要你的鼓励
研究人员基于Meta前首席AI科学家Yann LeCun提出的联合嵌入预测架构,开发了名为JETS的自监督时间序列基础模型。该模型能够处理不规则的可穿戴设备数据,通过学习预测缺失数据的含义而非数据本身,成功检测多种疾病。在高血压检测中AUROC达86.8%,心房扑动检测达70.5%。研究显示即使只有15%的参与者有标注医疗记录,该模型仍能有效利用85%的未标注数据进行训练,为利用不完整健康数据提供了新思路。
西湖大学等机构联合发布TwinFlow技术,通过创新的"双轨道"设计实现AI图像生成的革命性突破。该技术让原本需要40-100步的图像生成过程缩短到仅需1步,速度提升100倍且质量几乎无损。TwinFlow采用自我对抗机制,无需额外辅助模型,成功应用于200亿参数超大模型,在GenEval等标准测试中表现卓越,为实时AI图像生成应用开辟了广阔前景。
AI云基础设施提供商Coreweave今年经历了起伏。3月份IPO未达预期,10月收购Core Scientific计划因股东反对而搁浅。CEO Michael Intrator为公司表现辩护,称正在创建云计算新商业模式。面对股价波动和高负债质疑,他表示这是颠覆性创新的必然过程。公司从加密货币挖矿转型为AI基础设施提供商,与微软、OpenAI等巨头合作。对于AI行业循环投资批评,Intrator认为这是应对供需剧变的合作方式。
中山大学等机构联合开发的RealGen框架成功解决了AI生成图像的"塑料感"问题。该技术通过"探测器奖励"机制,让AI在躲避图像检测器识别的过程中学会制作更逼真照片。实验显示,RealGen在逼真度评测中大幅领先现有模型,在与真实照片对比中胜率接近50%,为AI图像生成技术带来重要突破。