讓機器人擁有大腦其實很簡單，有微軟LUIS就夠啦

圖：pixabay

本文編譯自medium，該文的作者是XOXCO的聯合創始人Ben Brown，該作者利用微軟LUIS實現了機器人的自然語言處理（NLP）功能，教程很簡單，圈友不妨試試，很有意思。

我們將Botkit Studio（https://www.botkit.ai/）和Microsoft LUIS（https://www.luis.ai/）之間集成起來。通過這種集成，開發人員可以在他們的機器人和Botkit提供的機器人構建工具中無縫地使用LUIS的自然語言處理服務。

Botkit Studio

Microsoft LUIS

那現在我們就來試試看吧

自然語言處理（NLP）是機器人構建的重要組成部分，但使用NLP並不像使用數據庫或內容管理係統那麼容易。NLP係統在沒有被填滿訓練數據，以及被教會識別相關信息之前是不會做任何事情的。他們是黑盒子——輸入進來，輸出出去，但是沒有辦法知道結果將會是什麼的，或為什麼是這樣的。因此，這是一個很難上手，很難設計，很難知道該在什麼時候采用NLP，以一種相對簡單的像正則表達式那樣的技術，但並沒有那麼簡單。

LUIS可以讓你輕鬆地將會話智能添加到Botkit Studio項目中。

我們喜歡LUIS，因為它是最直接的自然語言API，不僅如此，我們在測試中看到的結果是具有非常高的質量的。而其他NLP工具已經擴展到添加平台特定功能或自動管理回複，雖然LUIS隻做自己的語言輸入，但它做得非常好。

我們設計了這種集成，以便為希望使用NLP的開發人員提供更好的體驗，因此新的應用程序可以成長為一個完全成熟的NLP係統，同時也從第一天獲益。我們已經盡全力人性化NLP中使用的比較晦澀的術語——例如“話語（utterance）”這樣的術語已被類似“示例文本（example text）”這樣的描述所替代。我們的目標是使這些強大而令人興奮的功能盡可能地可用於開發人員的構建和如今的實際應用的運行中去。

以下是我們嚐試使自然語言處理更易於使用的幾種方法：

內置的通用intents

瀏覽器具有後退按鈕，可以通過點擊“X”按鈕關閉窗口。就像網站和應用程序一樣，所有機器人都需要提供某種基本的導航工具和用戶界麵元素。適當地響應機器人接收到的常見問候，投訴和幫助請求對用戶體驗至關重要。

不必要求我們的每個開發人員單獨訓練他們的機器人來識別這種類型的消息，Botkit Studio提供了一個預先訓練的LUIS請求，自動提供對多個消息的理解，例如：“嘿，你這個愚蠢的機器人我這裏需要一些幫助”和“你是誰，為什麼你突然間給我發消息？”

將這些常見的intents連接到Botkit Studio的靈活對話編輯工具，意味著機器人開發人員可以為用戶提供自定義的適當響應，而不用考慮用200種方式來說“你好”。

用真實消息訓練大腦

為了使NLP工具運轉起來，需要提供大量的示例數據。那麼這個數據應該從哪裏來呢？

進入Botkit Studio的消息控製台。通過控製台，開發人員可以從開發的第一天開始收集，監控和分類真實用戶的真實消息。然後，這些消息可以作為訓練數據直接從Botkit控製台傳遞到LUIS中去。

將訓練數據直接從Botkit Studio控製台添加到LUIS

通過匹配簡單的關鍵字觸發器啟動的機器人，可以將生成的消息用作訓練LUIS的種子數據。 機器人的所有者可以定期檢查並重新訓練這些作為用戶與機器人交互的新鮮數據。機器人越來越聰明，就會有越來越多的人來使用它！

使用LUIS中的intents作為Botkit中的觸發器

在Botkit Studio的IDE中，開發人員現在可以將LUIS觸發器與傳統的關鍵字或基於模式的觸發器一起使用。開發人員可以從一個簡單的關鍵字列表開始，然後無縫地轉換到基於NLP的解決方案，而無需更改機器人的代碼或配置。通過添加訓練有素的intents作為觸發器，機器人了解用戶消息的能力得到了很大的提升。

我們與Microsoft LUIS的集成現在可用於使用Botkit Studio構建的機器人。在這裏注冊一個帳戶（https://studio.botkit.ai/signup/?code=blog），然後查看此知識庫文章（https://botkit.groovehq.com/knowledge_base/topics/microsoft-luis），了解如何開始使用LUIS。

作者：Ben Brown

來源：medium