Introducción

Comenzar con los chatbots en particular y la IA conversacional en general puede ser abrumador. Es posible que haya oído hablar de los chatbots y tenga una comprensión básica de la esencia. Y ahora el siguiente paso es comenzar construyendo algo … pero ¿cómo?

https://rasa.com/docs/rasa/playground

Las preguntas que se hacen con frecuencia incluyen:

  • ¿Cómo accedo al software
  • ¿Necesito una GPU o extensa potencia de cálculo?
  • ¿Será caro?
  • ¿Es necesario un diseño específico o una herramienta de creación de prototipos?
  • ¿Cómo puedo entrenar a recopilar los datos?
  • ¿Solo los grandes jugadores tienen lo que necesito? es decir, Google, Facebook o AWS?
  • ¿Dónde y cómo puedo alojar mi bot?
  • ¿En qué medios debería sacar mi bot?

La importancia de la creación de prototipos

Primero, qué es un prototipo y por qué es importante…

Una vez que haya decidido que puede necesitar un chatbot, lo más probable es que un primer paso sea crear un prototipo de experiencia de usuario. No necesitas ningún software especializado, un prototipo en papel es más que suficiente.

El proceso más largo y lento de extraer la conversación ayuda al proceso de diseño. Este enfoque basado en papel representa lo suficiente de la apariencia y funcionalidad del producto para hacer una presentación básica.

Prototipos basados en papel. Fuente.

Por lo tanto, sirve como un prototipo visual con el tamaño y la apariencia correctos, pero obviamente no con la funcionalidad del diseño previsto.

Aquí puede confirmar las decisiones de diseño antes de que se realicen niveles más costosos de esfuerzo de diseño.

Esto puede servir como prototipos de experiencia de usuario inicial y guiada. Obtener ideas e impresiones de los usuarios.

Una vez que tenga la representación básica, el siguiente paso lógico es construir un Prototipo de Prueba de Principio. En esta etapa, desea verificar algunos aspectos funcionales clave de su diseño previsto.

Obviamente no con toda la funcionalidad, pero sigue siendo un prototipo funcional y no solo una maqueta o estructura alámbrica.

Y un software con el que puede interactuar y hacerse una idea del trabajo que tenemos por delante.

Iterar y escalar

Lo ideal sería llevar este prototipo de prueba de principio a través de múltiples iteraciones hasta la etapa en la que toma forma un MVP. Y lo que es más, poder escalar esto continuamente sin impedimentos de diseño y arquitectura es el primer premio.

Escalar habla de comprender los diferentes componentes que constituyen el medio ambiente. Y mirar su proyecto en su forma más básica ayuda a familiarizarse con el medio ambiente.

Playground Rasa ~ ¿Cómo ayuda?

¿Está listo para producción? — Si y no.

¿Es un entorno de desarrollo? — Si y no.

¿Es como un cuaderno? — Si y no.

¿Es un IDE? — Algo así como.

Lo que hace que esta interfaz sea única es que puede construir un prototipo desde cero. Y tenga iteraciones reales y verificadas que se puedan entrenar y probar. Incluso puedes descargar tu proyecto e instalarlo en un área de producción.

Cinco pasos para crear un chatbot con Rasa Playground.

Por tanto, la eficiencia está presente y se establece la continuidad.

Cinco pasos para crear un chatbot con Rasa Playground.

Escalar es más fácil cuando agarra completamente los bloques de construcción y cómo encajan todas las piezas.

No hay nada de malo en ejecutar proyectos de GitHub. Pero a menudo los impedimentos que se encuentran son:

  • Una falsa sensación de rápido progreso inicial impide la comprensión de la complejidad de la tarea en cuestión.
  • La personalización se vuelve más difícil debido a la falta de comprensión de la vulnerabilidad de los marcos adoptados.
  • El escalado se vuelve difícil y está plagado de reelaboraciones con cada iteración de escalado y adición de funcionalidad.

Playground Rasa~ ¿Cómo funciona?

Todo lo que necesitas para comenzar es un navegador y acceder a la URL. Por cierto, este también es un buen punto de partida para familiarizarse con Rasa 2.0. Hay cinco componentes para elaborar la conversación: datos, respuestas, historias, formularios y reglas de la NLU.

Más adelante conocerás las acciones que se utilizan para el punto de integración. Dejemos las formas y las reglas en este ejemplo en aras de la simplicidad.

Construyamos el chatbot más simple posible, para esto necesitamos usar tres componentes:

  • Datos NLU
  • Respuestas
  • Cuentos

Datos NLU

Los datos de NLU contienen los datos de entrenamiento para sus intenciones y entidades. Solo tenemos dos intenciones, saludar y get_name. Y una entidad, nombre.

nlu:   — intent: greet   examples: |   — Hi   — Hey!   — Hallo   — Good day   — Good morning- intent: get_name   examples: |   — My name is [John](name)   — They call me [Mary](name)   — You can use [James](name)   — My name is [Brian](name)   — Call me [Susan](name)   — My name is [Karen](name)

Respuestas

Para las respuestas tenemos un espacio llamado nombre. Con eso, dos expresiones de chatbot; uno que es dinámico.

slots:   name:   type: text  responses:   utter_greet:   - text: |   Hello! What is your name?   utter_name:   - text: |   Hallo {name}, so good to meet you.

Cuentos

Por último, nuestro chatbot tiene una historia. El escenario más simple posible.

stories:   - story: greet and name   steps:   - intent: greet   - action: utter_greet   - intent: get_name   - action: utter_name

Así se visualiza el Playground de Rasa con solo los pasos uno, dos y tres poblados. Los formularios y reglas se dejan vacíos.

Después del entrenamiento, puede interactuar con su chatbot y probar su funcionalidad.

Conclusión

La idea es genial y tiene mucho potencial … hay algunas mejoras que me gustaría ver. Las barras de desplazamiento se procesan mal y se pueden arreglar fácilmente; es evidente en Edge, Firefox y Chrome. No probé Safari.

Sería genial si se pudiera cambiar el tamaño del playground; o incluso salir, dejando atrás la columna de la izquierda.

Descubrí que con el entrenamiento, cuando hay errores, el entrenamiento continúa durante mucho tiempo, sin comentarios de error. Incluso cuando el código es 100%, hay casos en los que el código simplemente se ejecuta, aparentemente en un bucle. Cualquier indicación de progreso o tiempo de espera será útil.

Por último, solo puede descargar un proyecto, a través del botón “Descargar proyecto”, una vez finalizada la formación. Antes del entrenamiento, el botón está inactivo. Quizás el botón deba estar atenuado y solo activo después de la primera iteración de entrenamiento.

Tengo curiosidad por saber en qué medida se desarrollará y mejorará; Seguramente espero que así sea.

Por Cobus Greyling

Rasa Hero. NLP / NLU, Chatbots, Voz, UI / UX conversacional, Diseñador CX, Desarrollador, Interfaces de usuario ubicuas.

Deja una respuesta

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *