Was die Intelligenz von Chatbots ausmacht und wie man sie trainiert

Chatbot_Intelligenz_1200

KI (künstliche Intelligenz) und maschinelles Lernen ist in aller Munde und der Begriff wird inflationär verwendet. Es ist eine Disziplin, die in den letzten Jahren durch Fortschritte in der Forschung, Softwareentwicklung und Rechenleistung an Aufmerksamkeit gewonnen hat und viele Bereiche unseres Lebens erobert und beeinflusst. Auch digitale Assistenten und Chatbot-Systeme profitieren davon bzw. werden durch Einsatz von KI-Techniken erst möglich.

In der jüngsten Vergangenheit haben bemerkenswerte Fortschritte in der Forschung und Entwicklung solcher Systeme im Tandem mit gesteigerter Rechenleistung die Einsatzmöglichkeiten stark ausgeweitet. Künstliche Intelligenz begegnet uns mittlerweile im Alltag an allen Ecken und liefert uns dabei zumeist einen wirklichen Mehrwert – denken wir nur an digitale Assistenzsysteme oder Chatbots.

Dank KI können Chatsysteme die Absicht vielfältiger Nutzereingaben erkennen und passende Antworten bereitstellen. Dahinter stecken heutzutage meist künstliche neuronale Netze, die so trainiert werden, dass sie korrekte und ansprechende Ergebnisse liefern.

 

Chatbots auf der Schulbank

Um den Bot zu trainieren, wird dieser mit potenziellen Nutzereingaben gefüttert, die schlichtweg antizipiert und aus Erfahrungswerten abgeleitet werden. Anschließend werden den Eingaben entsprechende Nutzerabsichten zugeordnet. Dadurch lernt der Chatbot schließlich, Muster zu erkennen und die passende Nutzerabsicht auch aus Eingaben abzuleiten, die er in dieser Form noch nicht kannte. Auf diese Weise wird das neuronale Netz des Systems konditioniert.

Wird das künstliche neuronale Netz eines Chatbots beispielsweise dazu trainiert, hinter der Nutzereingabe „Wie wird das Wetter?“ die Absicht „Wettervorhersage“ zu erkennen, kann es diese Frage später mit hoher Wahrscheinlichkeit korrekt zuordnen und beantworten. Werden nun weitere Trainingsdaten hinzugefügt („Regnet es heute?“, „Wie ist die Wettervorhersage?“, „Wetter?“, …), wird die Qualität der Antworten immer besser. Auch Rechtschreibfehler und ungewohnter Satzbau stellen für ein sauber trainiertes System keine großen Herausforderungen dar.

Chatbots werden dabei in Bezug auf eine bestimmte Zielgruppe trainiert. Soll heißen, die Trainingssätze orientieren sich an möglichen Eingaben dieser Gruppe. Die Trainingsdaten unterscheiden sich hierbei in Länge, Struktur und Wortwahl – vom einzelnen Stichwort („hilfe!“) bis hin zu komplexen Formulierungen („Ich möchte meinen Zählerstand für die Zählernummer 326238 fürs letzte Jahr melden.“). Es ist nicht unüblich, dass für eine einzelne Absicht mehr als 40 Trainingssätze verwendet werden.

Es besteht jedoch die Gefahr, dass zu viele Eingaben zu konkurrierenden Trainingsdaten führen, die falsche Entscheidungen des neuronalen Netzwerks bewirken können. Das Risiko steigt mit der Anzahl der zu erkennenden Absichten und bei dynamisch eingebundenen Inhalten. Die Kollision der Trainingsdaten führen dann zu einer Verschlechterung der gewünschten Erkennungsleistung. Dem kann entgegengewirkt werden, indem Dialogräume voneinander getrennt werden sowie durch schlichtes Nachtrainieren des Systems. Beispielweise kann ein Chatbot Fragen zum Bewerbungsprozess absichtlich erst dann beantworten, wenn der Anwender sein Interesse für offene Stellen geäußert hat.

 

Grafik 1

©rawpixel | freepik.com

 

Was die Zukunft bringt

Vielen mag es die Illusion von künstlicher Intelligenz rauben, aber Chatbots werden auf absehbare Zeit noch die helfende Hand eines Menschen benötigen, um ihr Potenzial entfalten zu können. Vollautomatisches Training und selbstständiges Lernen sind mit den heute verfügbaren Methoden schlicht nicht möglich. Es ist jedoch absehbar, dass KI-Methoden weitere Teilbereiche der Chatbot-Entwicklung bereichern werden. Die Inhaltsbereitstellung (Knowledge-Connectors, Content-Crawler) werden davon profitieren. Auch die Werkzeuge zur Erstellung von Chatbots und deren Trainingsdaten nutzen zunehmend KI-Methoden, um Kollisionen und negative Trainingseffekte frühzeitig zu erkennen und zu beseitigen, bzw. von vornherein zu vermeiden.

Mal sehen, was die Zukunft noch so bringt. Bis dahin ist  eine Konzentration auf Dialogdesign und umsichtiges Nachtraining der richtige Weg zu gelungenen Chatbot-Lösungen!

 

Grafik 2_Zeichenfläche 1-1

 

©rawpixel | freepik.com

Fragen, Anregungen, Kommentare? Schreiben Sie uns!

Autoren:
Christian Schmidt ist Produktmanager und unser Experte für Chatbots und künstliche Intelligenz. 

CSHneu

Neueste Blogs