In deze post belichten we één van de belangrijkste functies van Discovery, Passage Retrieval, en bekijken we drie voorbeelden van toepassingen hiervan in combinatie met andere mogelijkheden van Watson voor het creëren van unieke gebruikersbelevingen.

Toepassing 1: klantenservicebot

De eerste toepassing waar we naar kijken is een bot voor de ondersteuning van gesprekken. In deze toepassing communiceren klanten met een chatbot om problemen op te lossen die ze met een product of service hebben. Voor veel organisaties is deze toepassing een mogelijkheid om kosten te besparen door het verlichten van de taken van servicemedewerkers, en om klanten in algemene zin beter van dienst te zijn door hun problemen sneller op te lossen. In dit voorbeeld wordt de Watson Conversation-service gebruikt voor het beheren van de interactie met de klant en wordt Watson Discovery met Passage Retrieval gebruikt als de kennisbank waar de resultaten uit gehaald worden. Dankzij deze conversatie-interface kan de applicatie ten opzichte van de klant zowel communiceren als informeren.

Watson Discovery maakt een unieke chatbot mogelijk door gebruik te maken van een ruime kennisbank voor het vnden van een antwoord en berust dus niet alleen op vaste antwoorden op basis van scripts. Dit vermogen om gebruik te maken van content en gegevens is belangrijk om via een bot daadwerkelijk te kunnen inspelen op de behoeften van klanten.

De meeste traditionele zoekoplossingen geven een lijst met documenten. Die zijn alleen niet altijd handig in het gebruik wanneer de klant met een bot communiceert. Watson Discovery bekijkt de resultaten en past intelligente scoretechnieken op passageniveau toe met Passage Retrieval. Dit betekent dat kleinere onderdelen van een groot document als relevant zoekresultaat aan een eindgebruiker kunnen worden getoond. Bij gebruik van een conversatiebot kan de gebruiker dankzij deze geretourneerde kleinere passages het antwoord snel lezen, waardoor de communicatie met de bot op gang blijft.

Hieronder volgt een voorbeeld van een praktische toepassing.

In dit voorbeeld gaat het om een virtuele voertuigassistent. De assistent helpt klanten bij het beantwoorden van vragen over hun voertuig, waardoor het onderhoud aan dat voertuig soepeler verloopt. In Watson Discovery zijn documenten uit een complete handleiding bij een auto geladen. Elke paragraaf van de handleiding, meestal een of twee pagina's lang, is als apart document aan Discovery toegevoegd. In een concrete toepassing kunnen deze gegevens worden aangevuld met extra informatiebronnen zoals eerder opgeloste vragen van klanten of gegevens uit openbare forums.

Kijk ook de video: Bouw in een oogwenk je eigen chatbot

Wanneer de klant een vraag invoert, wordt de strekking van die vraag door Conversation geanalyseerd. Vervolgens wordt de vraag aan Discovery doorgegeven, waarna de resultaten door Discovery worden geretourneerd. Op de afbeelding retourneert Discovery de gevonden passages. De voorgestelde passages zijn geselecteerd uit relevante documenten, voorzien van een score, opnieuw gerangschikt en geretourneerd aan de Conversation-service voor weergave in combinatie met de titel van het document waaruit de passage afkomstig is. Aan de hand van de door Discovery geretourneerde passages kan de klant snel het gewenste antwoord vinden zonder complete documenten te hoeven doorzoeken.

Daarnaast is er de mogelijkheid om deze toepassing nog verder uit te breiden. Met Watson Conversation is het mogelijk om, in plaats van alleen de resultaten van Discovery te retourneren en de interactie te beëindigen, de gebruiker op basis van deze resultaten actie te laten ondernemen. Hieruit komen mogelijk zakelijke activiteiten voort die geld opleveren. In dit geval vraagt Conversation de gebruiker of de gevonden passages relevant waren voor zijn of haar oorspronkelijke vraag. Als de klant aangeeft dat het resultaat nuttig was, wordt de passagetekst teruggevoerd naar Conversation, waar de strekking wordt geïnterpreteerd voor verdere actie. Deze instance van Conversation is getraind op het herkennen van een strekking overeenkomend met passages die erop kunnen wijzen dat het voertuig aan een onderhoudsbeurt toe is. Wanneer de strekking is herkend, start Conversation een dialoog voor het maken van een afspraak. Hierdoor worden eindgebruikers op een meer natuurlijke en proactieve manier benaderd, wat de bedrijfsresultaten ten goede kan komen.

Toepassing 2: servicemedewerker

De volgende toepassing heeft eveneens betrekking op klantenservice, maar in dit voorbeeld gaat het niet over een interactieve chatbot, maar over een oplossing voor medewerkers van de klantenservice. In dit voorbeeld is er geen sprake van realtime communicatie met de klant: een servicemedewerker onderzoekt de problemen die een klant heeft gemeld en probeert er een oplossing voor te vinden. In een variant van deze toepassing kunnen gesprekken van medewerkers met een service als Watson Speech to Text in realtime worden gevolgd, en kan informatie proactief aan een medewerker worden getoond om hem of haar te helpen antwoord te geven.

Voor het vinden van oplossingen voor technische vragen is vaak specifieke kennis en context vereist. In dergelijke gevallen kan Watson Discovery met Passage Retrieval doeltreffend gebruikt worden om relevante resultaten op te zoeken en servicemedewerkers ondersteunende informatie te verstrekken waarmee ze een antwoord kunnen vormen.

Hier volgt een eenvoudig voorbeeld van een toepassing.

In dit voorbeeld gebruiken we voor het nabootsen van vragen van klanten een gegevensset van Stack Exchange voor mobiele telefoons waarin klanten vragen en mogelijke oplossingen bespreken. Deze gegevensset geeft een resultaat dat vergelijkbaar is met dat van het zoeken naar passende oplossingen in opgeloste vragen uit het verleden.

Dit eenvoudige voorbeeld lijkt op een meer traditionele zoekapplicatie, maar er komen enkele unieke mogelijkheden van Discovery in naar voren.

  • Om te beginnen voert de servicemedewerker de vraag van de klant in natuurlijke taal in op basis van de oorspronkelijke klacht van de klant.
  • Vervolgens retourneert Discovery passages die mogelijk nuttige informatie bevatten. Aan de hand van de passages kan de medewerker snel elk resultaat op waarde beoordelen.
  • Mogelijk heeft de medewerker meer context en informatie nodig om daadwerkelijk een antwoord te formuleren. In de API-respons voor Passage Retrieval is alle informatie verwerkt die nodig is om de passage weer te geven in de context van het volledige document, met inbegrip van het document waarin de passage is aangetroffen en de offsetwaarden voor de locatie van de passage. Aan de hand van deze informatie kan de passage in de voorbeeldapplicatie uitgevouwen worden.
  • Als de medewerker een resultaat uitvouwt, wordt de passage gemarkeerd te midden van de volledige documenttekst. De context voor en na een passage bevat nuttige informatie voor een medewerker, zoals een procedure die een klant kan proberen uit te voeren. Dankzij de combinatie van gevonden passages en documenten kan de medewerker vragen van klanten efficiënter en grondiger beantwoorden.

Deze toepassing kan worden uitgebreid met een optie die gebruik maakt van het vermogen van Discovery om niet alleen passages en documenten te vinden die relevant zijn voor de in natuurlijke taal gestelde vraag van een klant, maar ook verrijkte informatie aan te bieden die inzicht biedt in de content zelf, met behulp waarvan de medewerker snel het beste antwoord kan vinden.

In dit voorbeeld worden de concepten uit elk document automatisch in Discovery geëxtraheerd. Deze concepten zijn gebaseerd op de Watson Natural Language Understanding-service en stellen de medewerker in staat snel de onderwerpen te zien die in de documenten die behandeld worden. Concepten hoeven niet in de content zelf voor te komen: het zijn abstracties op basis van de interpretatie van de taal door Watson. Een medewerker kan de lijst gebruiken om snel de resultaten te herkennen die relevante concepten bevatten zoals "uploaden en downloaden", zonder het volledige document te hoeven lezen of zelfs maar te hoeven doorbladeren. Dit biedt bedrijven weer extra mogelijkheden om op de kosten voor klantenservice te besparen en om betere oplossingen voor hun klanten te bedenken.

Toepassing 3: onderzoeksassistent

Ten slotte bekijken we een soortgelijke toepassing, maar dan een die meer gericht is op een gespecialiseerde kenniswerker. In dit geval is de gebruiker bijvoorbeeld iemand die zich met onderzoek en ontwikkeling bezighoudt en op zoek is naar nieuwe mogelijkheden om AI op complexe problemen toe te passen. Afhankelijk van de gegevensset kan dit voorbeeld worden toegepast op allerlei onderzoeksgebieden, waaronder financiën, recht en marketing.

In deze toepassing heeft de gebruiker meer kennis van de content en is hij of zij daarom niet zozeer op zoek naar een rechtstreeks antwoord op een vraag of een oplossing voor een probleem, maar veeleer naar nieuwe inzichten die kunnen dienen als startpunt voor gedetailleerder onderzoek.

Ook in dit voorbeeld is er om te beginnen een gebruiker die een vraag in natuurlijke taal invoert, maar in dit geval gaat het om een open vraag, niet om een poging om een bepaald antwoord te vinden.

Discovery retourneert, wederom met behulp van Passage Retrieval, een set relevante passages en documenten en retourneert met behulp van de verrijkingsmogelijkheden van Discovery vervolgens ook een lijst met entiteiten die in de documenten zijn aangetroffen. Met de tekst van de passage en het volledige document beschikt de gebruiker over de relevante informatie waarmee het onderwerp nader onderzocht kan worden. De entiteiten bieden de mogelijkheid om nader op een onderwerp in te gaan.

In dit voorbeeld wordt een Discovery Knowledge Graph-query uitgevoerd als de gebruiker op een entiteit klikt. De Discovery Knowledge Graph wordt opgebouwd uit (relaties tussen) entiteiten op basis van de interpretatie van de documenten. Met de Knowledge Graph-API is het mogelijk te zoeken op deze verbanden om nieuwe entiteiten en relaties te ontdekken. (Meer informatie over Discovery Knowledge Graph Beta is hier te vinden.)

De onderzoeker die de resultaten bekijkt, ziet in het tweede document interessante informatie, en kan dieper graven door op een van de entiteiten te klikken.

Bij het selecteren van de entiteit wordt een Knowledge Graph-query uitgevoerd waarmee gerelateerde entiteiten worden gevonden, die vervolgens dienen als basis voor een nieuwe Passage Retrieval-query. De aan "Genetische algoritmen" verwante entiteiten die via Knowledge Graph zijn gevonden, worden weergegeven samen met de passages die zijn gevonden op basis van een nieuwe query met deze termen. Deze nieuwe resultaten tonen soortgelijke benaderingen als "Genetische algoritmen" die alle deel uitmaken van een groep van technieken.

Zonder de reeds bestaande kennis zouden gebruikers niet op het idee komen om op deze termen te zoeken, waardoor ze beperkt zouden zijn tot de informatie die hun al bekend was. Maar dankzij het vermogen van Discovery om content en taal te begrijpen en om verbanden te leggen is de gebruiker echt in staat nieuwe, voorheen verborgen informatie en nieuwe inzichten aan het licht te brengen.

Opmerking: De Discovery Knowledge Graph-optie bevindt zich momenteel in de bètaversie. Zie de opmerkingen bij de release voor meer informatie. lees ook: Bouw een web-gebaseerde blockchain verzekerings-app met behulp van Hyperledger Fabric