私はいつかワトソンの会話に取り組んでいます。主に会話サービスは、私たちが訓練する方法に応じてユーザーから与えられた入力に対して応答し、それはインテント、エンティティダイアログフローを定義します。私たちはワトソン会話サービスで知性を持っています
内部的には、インテントで定義したいくつかのキーワードを検索し、一致するとダイアログフローで表示されるテキストで応答します。
同じ種類のロジックでも、これらの数少ない特定のキーワードがある場合は、この特定のテキストに応答して次の段階に進み、いくつかの単語を検索することができます。
しかし、このワトソン会話サービスでは、これを使用するための特別な情報は何ですか？
誰かが私を伝えることができワトソン
に十分な知識を持っている人、これはワトソンは、ルールベースのAIと候補の回答に特徴値を識別し、割り当てるために他のメカニズム（例えば、情報検索システム）の広い範囲を採用しています。次に、機械学習システムは、これらの特徴の値を各候補の解答の最終スコアにどのように組み合わせるかを学習する（したがって、ワトソンは一番上の解を選択し、一番上の解答にどれくらい自信があるかを決定する）。あなたが記述するのは、Watsonの候補回答を分析するために使用される多くの古典的AIアルゴリズムの1つであり、Watson Conversation Serviceのconfidenceなどの回答にスコアを割り当てる際に機械学習アルゴリズムによってその結果が考慮されます。
あなたの質問によれば、ワトソンは信頼レベルで理解し、分類します。
IBM Watsonの仕組みhere。 Official IBMのビデオ。
参考：here。
これは非常に良い質問だと思うし、私は実際にここでdownvotesを理解していない（2月2日に-2されている）。
Watson Conversation: What is lost when restoring a Workspace from a JSON "dump"-file?に示されているように、WCSシステムで訓練され/改善されたものは、現在のワークスペースにのみ書き込まれ、WCSシステムはそのままで、このワークスペースが再び削除されます。
私はこれをすべて正しく理解しているので、ワークスペースを作成するだけで、単純な "AI"が既にラベル付けされている例とインテントにパターンマッチングするだけのSTATIC論理ベースを構築するだけです。
私にとっては、ワトソンの会話は単なる機械であり、不完全で妨害された入力（発話）とあらかじめ定義された例文（意図添付の例と反例） - 「ファジィ論理」と「パターンマッチング」アルゴリズムで行ったことです。だから私の「知性」の定義は別のものです。
すべてのダイアログ部分はAIスコープの外側にあります。 Dialog-partは、プログラマ以外のプログラマにとって視覚的支援のためのプログラミングに過ぎません。
多分私のここのコメントは暴言です。私は知らない。私は専門家ではない。私は実生活でシステムを見ているだけです。そして、これは私が今まで持っていた私の認識です。 ワトソンが現在私よりもスマートであることを知りたいと思っています。
これは可能性が低いdownvotesのいくつかを説明します。 https://stackoverflow.com/help/how-to-answer Watsonは「ファジー論理」を使用せず、機械学習を使用しています。 –
これは、IBMの販売が私たちに語っているものです。ワトソン会話では、どのような機械学習が使用されているのか、いくつかの情報源がありますか（私は一般的にワトソンではなく会話サービスを指しています）。 Watson Conversationがどのように学習しているか、または潜在能力の90％を達成するために必要なトレーニングデータの種類について、いくつかの情報がありますか？ 私にとって、これはまだブラックボックスです。そして売り上げを何度も何度も繰り返すだけで、誰にも役立たない。 –
ワトソンアカデミーのコースを受講できます。それは確率的なシステムなので、精度は完全にあなたがそれを鍛えていることに完全に基づいています。これは意図的にブラックボックスであり、AI以外の開発者/分野の専門家を対象としています。それは販売話しではありません。 –
しかし、このワトソンの会話サービスでは、これを使用するための特別な情報は何ですか？
これはあなたの質問の要点ですか？
まず、インテントコンポーネントが機械学習を使用していることを認識すると、ルールベースのエンジンではありません。これにより大きな利点が得られます。
ルールベースのエンジンと比べて、トレーニングの例はほんの少しです。実世界の例を挙げる。これは "Watson Dialog"（現在は中止）というサービスでした。これは、NLPルールベースのエンジンでした。
会話では、実世界のエンドユーザーからの20の例題の質問でインテントを作成しました。 Dialogで同じレベルの精度を得るには、7,000を超える例の順列が必要でした（パターンマッチングが使用されていても）。
また、会話は機械学習であるため、これまでに見たことのない質問に対しても適切な回答を与えることができます。ルール/単語検索システムでは、それが訓練されたことがない質問がある場合、それは決して答えることができません。また、ルールベースのエンジンのキーワードトラッピングが回答しようとするときに、質問がトピックに関連しないときを理解することもできます。
もちろん、これはすべて意図を正しく訓練することに依存しています。
キーワードマッチングにするために使用一方エンティティ成分は、一部添加しインテリジェンス（より来る）があります。
ダイアログコンポーネントは、あなたが正しいです。あなたは確かに簡単なロジックフローを行う独自のコードを作成することができます（これについてはもう一度説明します）。これに関する点があります。
「ワトソン」は、ほぼAIを民主化しています。ターゲットオーディエンスは、AI開発者ではなく、主題専門家（SME）です。したがって、中小企業にとってはできるだけ簡単に、開発者には容易に拡張できるように設計されています。
ダイアログロジックを会話から分離してコードに分けると、メンテナンスがかなり難しくなります。あなたはあなたのコードと密接な結合を引き起こしています。したがって、別の言語を使用したい場合は、チャネルを更新する必要があります。つまり、コードを変換する必要があります。
Simonさん、ありがとうございました**あなたのコメント**と回答は常に建設的なので、私はあなたの大ファンです。 –
https://github.com/joe4k/wdcutils/には、WCSのパフォーマンスを測定するためのツールがいくつかあります。 WDC Jupyterノートブックでは、訓練されたモデルの品質を判断するためによく使用される機械学習パフォーマンスメトリクスが報告されています。具体的には、WDC Jupyterノートブックでは、精度、精度、リコール、f1スコア、混同マトリックスなどの機械学習指標が報告されています。これらのさまざまな指標について詳しく知りたい場合は、「あなたのチャットボットの準備ができましたか？」のブログを参照してください。https://developer.ibm.com/dwblog/2016/chatbot-cognitive-performance-metrics-accuracy-precision-recall-confusion-matrix/
あなたはすでにインテント、エンティティ、およびダイアログについて読んでいます。紹介の残りの部分を読むのはいかがですか？ –