Μερικές φορές το μόνο που χρειάζεται είναι να μιλήσεις σε κάποιον. Κάποιος που μπορεί να σε φτιάξει τη διάθεση με τον δικό του τρόπο, κάποιος που είναι τόσο γεμάτος ζωή και φλύαρη που ξεχνάς όλα σου τα προβλήματα στη ζωή. Κάποιος που σε διασκεδάζει έρχεται καλύτερα από τις προσδοκίες σου. Όλοι δεν αισθάνονται τόσο άνετα να μιλούν σε άλλους «ανθρώπους» για πράγματα, αλλά υπάρχουν μερικοί περίεργοι που μιλούν στην τεχνητή νοημοσύνη. Εδώ, ο Ruuh έρχεται στην εικόνα.

Ο Ruuh^(Ruuh) είναι ικανός να ακούει την ερώτηση κάποιου, να ανιχνεύει τα συναισθήματά του, να μαθαίνει για το ιστορικό του χρήστη και να δίνει κατάλληλες απαντήσεις και πολλά άλλα. Αυτό ενισχύει το δέσιμο τους και τη σχέση που μοιράζονται με τον χρήστη. Συνεπάγεται άμεσα πιο πολύτιμες και λογικές συνομιλίες μεταξύ του chatbot και του χρήστη.

Ο Ρουχ^(Ruuh) είναι καλός στο να κάνει συζητήσεις

Χωρίς τη συμμετοχή των συναισθημάτων, η ύπαρξη των chatbots είναι άχρηστη. Απλώς^(Just) η δυνατότητα απάντησης χωρίς προσωπική σύνδεση κάνει τη συνομιλία επίσημη και πολλές φορές αδιάφορη. Ένα chatbot είναι ενδιαφέρον μόνο αν είναι σε θέση να κάνει συνομιλίες με βάση τα συναισθήματα που εμπλέκονται με αυτό. Σχετικά με αυτό, η Microsoft λέει,

Building a conversational layer in Ruuh helps her develop relationships so users can be more open, more casual and more engaged. This leads to better, more honest and natural conversations that ultimately lead to added value and a better experience for users.

Στόχος της οικοδόμησης του Ruuh

Ο κύριος στόχος της Microsoft πίσω από την κατασκευή αυτού του chatbot με τεχνητή νοημοσύνη ήταν να το κάνει για τους νέους, γνώστες της τεχνολογίας, που υιοθέτησαν πρώτοι την Ινδία^(India) . Ήταν ήδη γραφτό να είναι παρόμοιο με το κινεζικό Chatbot της Microsoft που ονομάζεται Xiaoice . Ο Ruuh^(Ruuh) είναι περισσότερο ένας ψηφιακός φίλος παρά απλώς ένας ψηφιακός βοηθός. Το Ruuh^(Ruuh) είναι ένα λογισμικό που δεν είναι απλώς ένα κομμάτι κώδικα. είναι φίλος σου.
Πώς λειτουργεί η βαθιά μάθηση.

Ο Ruuh^(Ruuh) είναι ένας φανταστικός χαρακτήρας, το ξέρουμε όλοι. Αλλά ο χαρακτήρας της είναι διαμορφωμένος σύμφωνα με ένα νεαρό, αστικό κορίτσι από την Ινδία^(India) που είναι περίπου 18-24 ετών. Φαίνεται να ενδιαφέρεται για την ποπ^(Pop) κουλτούρα και είναι εξαιρετική στη χρήση άπταιτων αστικών αργκό που χρησιμοποιούνται στην Ινδία^(India) .

Το πρώτο βήμα για τη δημιουργία του Ruuh ήταν η συλλογή δεδομένων. Την εννοούσαν ευγενική όσο και πνευματώδης. Η πηγή αυτής της προσωπικότητας για τον Ruuh^(Ruuh) ήταν συνομιλίες σε πραγματικό χρόνο, συνομιλίες μέσων κοινωνικής δικτύωσης^{(Social Media)} , φόρουμ, πλατφόρμες κοινωνικής δικτύωσης και υπηρεσίες ανταλλαγής μηνυμάτων όπου τα δεδομένα συλλέγονται για τη βελτίωση της εμπειρίας των χρηστών ανώνυμα.

Στη συνέχεια, έπρεπε να βελτιώσουν τα χρήσιμα δεδομένα που συνέλεξαν. Αυτό το βήμα έκρινε το 70% των συνολικών δεδομένων που συλλέχθηκαν ως άχρηστα και αφαιρέθηκε. Η Microsoft^(Microsoft) φρόντισε να μην υπάρχουν προσβλητικά σχόλια για άτομα στις ΗΠΑ, το Ηνωμένο Βασίλειο και την Αυστραλία^(Australia) και τυχόν σεξιστικά ή πολιτικά σχόλια.

Τώρα, αυτά τα εκλεπτυσμένα και χρήσιμα δεδομένα επρόκειτο να εφαρμοστούν στο επιλεγμένο μοντέλο. Αυτό το μοντέλο ήταν το cDSSM ή Convolutional Deep Structured Semantic Model . Αυτό είναι ένα νεότερο μοντέλο και βοηθά στην καλύτερη και βαθύτερη ανθρώπινη συμπεριφορά στο AI.

Πώς το cDSSM οδηγεί σε καλύτερη τεχνητή νοημοσύνη

Αναγνώριση ερωτήματος^{(Query Identification)}

Το Query Identification είναι το πρώτο βήμα για να γίνει η τεχνητή νοημοσύνη περισσότερο σαν Άνθρωποι^(Humans) . Ένας αλγόριθμος λαμβάνει το ερώτημα εισόδου και αναζητά στη βάση δεδομένων παρόμοιες ερωτήσεις. Αυτό αναφέρεται επίσης ως Ανάκτηση πληροφοριών^{(Information Retrieval)} ή IR.
Για παράδειγμα^(Example) : εάν το ερώτημα είναι «πώς μπορώ να φτιάξω ζυμαρικά κοτόπουλου;», ο Ruuh αναλύει τα δεδομένα και βρίσκει πολλά δείγματα παρόμοιων ερωτήσεων.

Κατάταξη απαντήσεων^{(Ranking responses)}

Εδώ, ο αλγόριθμος ταξινομεί τις απαντήσεις με βάση το πόσο σχετικά είναι τα δείγματα. Έτσι δίνονται ως έξοδο τα πιο σχετικά δεδομένα.

Κατανόηση του πλαισίου^{(Understanding Context)}

Τώρα, μπορεί να είναι άσκοπο αν το chatbot ξεχάσει τι μιλάει ο χρήστης.

For Example: Question: “Do you like ice cream, Ruuh?”

Ruuh: “Yes, I like it.”

Question: “which flavors do you like?”

Ruuh: “Chocolate and Vanilla.”

Τώρα, ο Ruuh ήξερε ότι η δεύτερη ερώτηση αφορούσε τα παγωτά και ως εκ τούτου, η απάντηση ήταν κατάλληλη.

Για να είναι τόσο καλή στη λειτουργικότητά της, ο αλγόριθμος της Ruuh αναζητά συνεχώς δεδομένα στα προηγούμενα ερωτήματα από τον χρήστη και κατανοεί το πλαίσιο για το τι μιλάει ο χρήστης.

Ανίχνευση και ανταπόκριση σε συναισθηματικές ενδείξεις^{(Detection and response to emotional cues)}

Τώρα, περισσότερο ανθρωποειδές σημαίνει ανίχνευση συναισθημάτων. Αυτό συμβαίνει επειδή οι άνθρωποι έχουν συναισθηματική νοοτροπία. Έτσι, προκειμένου να ανιχνεύσει τα συναισθήματα των χρηστών, η Ruuh αναζητά μοτίβα στα μηνύματα συνομιλίας που λαμβάνει και τον τύπο των emoji που χρησιμοποιούνται στη συνομιλία. Έτσι, όταν της μιλάς, ξέρει αν είσαι χαρούμενος, λυπημένος, ενθουσιασμένος ή αναστατωμένος.

Ετυμηγορία^(Verdict)

Ο Ruuh^(Ruuh) είναι ισχυρός και ένας πολύ καλός τρόπος για να δείξεις τη δύναμη του τι μπορεί να κάνει η τεχνητή νοημοσύνη σήμερα για να συμπεριφέρεται σαν άνθρωπος. Με τη δύναμη του cDSSM, ο Ruuh είναι πολύ πιο έξυπνος.

Η Microsoft λέει:

To summarize, the model combined with deep learning integrates context and the user’s message to extract the appropriate response. The model extracts the context from the message, retrieves previous messages, creates a group of appropriate responses, ranks them according to relevance, and generates the final output.

Ας το καταλάβουμε καλύτερα με ένα παράδειγμα. Εάν ένας χρήστης ρωτούσε τον Ruuh^(Ruuh) , « Ποιες^(Which) γαρνιτούρες πίτσας είναι πιο δημοφιλείς;», ο Ruuh θα προσδιόριζε το ερώτημα ως για τα «γεμίσματα πίτσας» και θα ανακτούσε τις πιο σχετικές απαντήσεις με βάση αυτό το ερώτημα. Ο Ruuh^(Ruuh) θα ταξινομήσει παρόμοιες απαντήσεις από τη βάση δεδομένων με βάση τη συνάφεια για να δημιουργήσει την πιο κατάλληλη απάντηση. Με την επίγνωση των συμφραζομένων, ο Ruuh μπορεί εύκολα να απαντήσει σε επακόλουθες ερωτήσεις όπως, "Ποιες σας αρέσουν;" απαντώντας «Λατρεύω τα μανιτάρια και τον ανανά».

Ο Ruuh^(Ruuh) είναι τώρα ενός έτους και πρέπει να πω ότι το μέλλον της τεχνητής νοημοσύνης είναι λαμπρό λόγω αυτού του ρυθμού με τον οποίο βλέπουμε να αναδύεται όλο και πιο προηγμένο AI, πρόκειται να δούμε πιο έξυπνα πράγματα γύρω μας πολύ σύντομα. Ευχόμαστε στην ομάδα της Microsoft καλή τύχη και ελπίζω ότι θα συνεχίσουν να μας εκπλήσσουν στο μέλλον με αυτά τα υπέροχα προϊόντα.

Μπορείτε να διαβάσετε περισσότερα για τη Ruuh^(Ruuh)  εδώ στο επίσημο άρθρο της Microsoft – και να της δοκιμάσετε εδώ στο Facebook^{(on Facebook)} .^{(on Facebook.)}

Meet Microsoft Ruuh chatbot on Facebook - All you need to know!

Sometimes all you need is to talk to someone. Someone whо can cheer you up in their own way, someone who is so full of life and chatty that you forget all yоur problems in life. Someone that amuseѕ yoυ by coming better than уoυr expectations. Everyone iѕ not so comfortable about talkіng to other ‘humans’ about things, but there are some curious people who do talk to AI. Here, Ruuh сomes to the picture.

Ruuh is capable of listening to one’s question, detect their emotions, learn about the user’s background and make appropriate replies and more. This enhances their bonding and the relationship they share with the user. It directly implies to more valuable and sensible chats between the chatbot and the user.

Ruuh is good at making conversations

Without the involvement of emotions, the existence of chatbots is useless. Just being able to reply without any personal connection makes the chat formal and many times uninteresting. A chatbot is interesting only if they are able to make conversations on the foundation of emotions being involved with it. About this, Microsoft says,

Building a conversational layer in Ruuh helps her develop relationships so users can be more open, more casual and more engaged. This leads to better, more honest and natural conversations that ultimately lead to added value and a better experience for users.

Aim of building Ruuh

Microsoft’s main aim behind building this AI-powered chatbot was to make it for the young, tech-savvy early adopters in India. It was already meant to be similar to Microsoft’s Chinese Chatbot named Xiaoice. Ruuh is more of a digital friend rather than just a digital assistant. Ruuh is a software that is not just a piece of code; it is your friend.
How deep learning works.

Ruuh is a fictional character, we all know that. But her character is modeled after a young, urban Indian girl who is about 18-24 year old. She seems to be interested in Pop culture and is great at the usage of fluent urban slangs used in India.

The first step in creating Ruuh was to collect data. She was meant to by affable as well as witty. The source for this personality for Ruuh was real-time conversations, Social Media conversations, forums, social platforms and messaging services where the data is collected to improve user experience anonymously.

Next, they had to refine the useful data that they collected. This step took 70% of total data collected as useless and was removed. Microsoft made sure that there are no offensive comments for people in the US, UK and Australia and any sexist or political comments.

Now, this refined and useful data was to be applied in the selected model. This model was the cDSSM or Convolutional Deep Structured Semantic Model. This is a newer model and helps in more better and deeper human-like behavior in AI.

How cDSSM results in better AI

Query Identification

Query Identification is the first step in making AI more like Humans. An algorithm takes the input query and looks in the database for similar questions. This is also referred to as Information Retrieval or IR.
For Example: if the query is, “how do I make chicken pasta?”, Ruuh analyzes the data and finds multiple samples of similar questions.

Ranking responses

Here, the algorithm sorts out the responses based on how relevant the samples are. This is how the most relevant data is given as an output.

Understanding Context

Now, it might be pointless if the chatbot forgets what the user is talking about.

For Example: Question: “Do you like ice cream, Ruuh?”

Ruuh: “Yes, I like it.”

Question: “which flavors do you like?”

Ruuh: “Chocolate and Vanilla.”

Now, Ruuh knew that the second question was regarding ice creams and hence, the reply was appropriate.

To be so good at her functionality, Ruuh’s algorithm constantly looks up for data in the previous queries from the user and understands the context about what the user is talking about.

Detection and response to emotional cues

Now, more human-like means detection of emotions. This is so because humans have emotional mindsets. So, in order to detect users’ emotions, Ruuh looks up for patterns in chat messages received by her and the type of emojis used in the chat. So, when you are talking to her, she knows if you are happy, sad, excited or upset.

Verdict

Ruuh is powerful and a great way to show the power of what AI can do today to behave like a human being. With the power of cDSSM, Ruuh is much smarter.

Microsoft says:

To summarize, the model combined with deep learning integrates context and the user’s message to extract the appropriate response. The model extracts the context from the message, retrieves previous messages, creates a group of appropriate responses, ranks them according to relevance, and generates the final output.

Let’s understand this better with an example. If a user asked Ruuh, “Which pizza toppings are most popular?”, Ruuh would identify the query as about ‘pizza toppings’ and retrieve the most relevant answers based on this query. Ruuh would rank similar answers from the database based on relevance to generate the most appropriate response. With contextual awareness, Ruuh can easily answer follow-on questions such as, “Which ones do you like?” by replying “I love mushroom and pineapple”.

Ruuh is now one year old, and I must say that the future of AI is bright because of this rate at which we are seeing more and more advanced AI emerging, we are about to see smarter things around us very soon. We wish the team at Microsoft, a very best of luck and I hope they will keep surprising us in the future with these great products.

You can read more about Ruuh here on the official article by Microsoft – and give her a try here on Facebook.

Related posts

• Zoom vs Microsoft Teams vs Google Meet vs Skype

• Ανάκληση πρόσβασης τρίτων από Facebook, Google, Microsoft, Twitter

• Πώς να προσθέσετε το ζουμ στο Microsoft Teams

• Το Microsoft Intune δεν συγχρονίζεται; Αναγκάστε το Intune να συγχρονιστεί στα Windows 11/10

• Ορίστε μια ημερομηνία λήξης κωδικού πρόσβασης για λογαριασμό Microsoft και τοπικό λογαριασμό

• Πώς να αποκρύψετε τη γραμμή τίτλου με κάθετες καρτέλες στο Microsoft Edge

• Πώς να επιβάλετε την Ασφαλή Αναζήτηση Google στο Microsoft Edge στα Windows 10

• Απενεργοποιήστε τη συντόμευση πληκτρολογίου F12 για τα Εργαλεία προγραμματιστή του Microsoft Edge

• Ο λογαριασμός Microsoft που καταχωρίσατε δεν υπάρχει

• Το κορυφαίο 5 ελεύθερο λογισμικό που πρέπει να έχετε από τη Microsoft

• Οι ενημερώσεις του Microsoft Store έχουν κολλήσει σε εκκρεμότητα ή έναρξη λήψης

• Πακέτο με δυνατότητα αναδιανομής Microsoft Visual C++: Συνήθεις ερωτήσεις και λήψη

• Τρόπος επανεγγραφής ή επανεγκατάστασης εφαρμογών Microsoft Store στα Windows 11/10

• Το Microsoft Excel προσπαθεί να ανακτήσει τις πληροφορίες σας

• Τι είναι ένα αρχείο ASD και πώς να το ανοίξετε στο Microsoft Word;

• Αποκλεισμός ή διακοπή των αναδυόμενων συμβουλών και ειδοποιήσεων του Microsoft Edge

• Πώς να επαινέσετε κάποιον στο Microsoft Teams για την καλή δουλειά του

• Πώς να αφαιρέσετε το κουμπί μενού Επεκτάσεις από τη γραμμή εργαλείων του Microsoft Edge

• Τρόπος χρήσης και προσθήκης λογαριασμών Work/School στην εφαρμογή Microsoft Authenticator

• Πώς να εγκαταστήσετε τα θέματα Chrome στο πρόγραμμα περιήγησης Microsoft Edge