术语表

虚拟助理

了解人工智能驱动的虚拟助理如何利用 NLP、ML 和 TTS 实现任务自动化、提高生产率并改变行业。

使用Ultralytics HUB 对YOLO 模型进行简单培训

了解更多

虚拟助理(VA)是一种由人工智能(AI)驱动的软件代理,旨在理解自然语言命令(语音或文本)并为用户执行任务。这些任务既包括设置提醒事项或播放音乐等简单操作,也包括管理日程、控制智能家居设备或提供从各种来源获取的信息等更复杂的操作。虚拟助理在很大程度上依赖于自然语言处理(NLP)语音识别机器学习(ML)等技术来解释用户请求、了解用户偏好,并随着时间的推移改进其响应。流行的例子包括亚马逊 Alexa苹果的 SiriGoogle 助手

核心技术

虚拟助理集成了几项关键的人工智能技术:

  • 自然语言处理(NLP):使虚拟机构能够理解用户文本或口语背后的含义,包括意图和实体。这涉及从基本的标记化到复杂的语言建模等技术。
  • 语音识别:将口语转换为机器可读文本,形成 NLP 组件的输入。深度学习(DL)技术的进步大大提高了这些系统的准确性
  • 对话管理:管理对话流程、保持各轮对话的上下文、提出澄清性问题并确定适当的行动或回应。现代系统通常利用复杂的序列到序列模型
  • 机器学习(ML):用于多方面,包括提高 NLP 的准确性、根据以往的互动个性化用户体验(推荐系统),以及学习新技能或任务执行策略。

人工智能和 ML 的相关性

虚拟助理是一个重要的应用领域,推动着对话式人工智能、大型语言模型(LLM)人机交互(HCI)领域的研究与发展。它们需要复杂地集成多种人工智能功能和大量训练数据,才能有效发挥作用。对更自然、更能感知上下文和更主动的助手的需求推动了个性化和更准确地理解用户意图等领域的创新。未来的虚拟助理虽然主要基于语言,但可能会集成计算机视觉 (CV),可能使用的模型包括 Ultralytics YOLO等模型来完成物体检测等任务,从而理解视觉上下文,进一步缩小数字助理与物理世界之间的差距,或许还能在医疗保健环境汽车应用 帮助实现人工智能Ultralytics HUB等平台可促进人工智能模型的培训部署,包括云培训选项,这些模型可成为此类先进系统的组成部分。解决人工智能伦理问题(如数据隐私算法偏差)对其发展也至关重要,这就要求提高人工智能的透明度

实际应用

虚拟助理被嵌入到众多设备和平台中:

  • 智能手机和智能扬声器:提供免提控制、回答问题、播放媒体(如 iPhone 上的 Siri、Echo 设备上的 Alexa)。
  • 客户服务自动化:处理最初的客户咨询、转接电话、通过网站或应用程序提供支持,有时使用Google Duplex等先进系统来完成预约等任务。
  • 提高生产力:管理日历、设置提醒事项、发送电子邮件或信息,以及与办公软件集成。Microsoft Copilot等工具旨在协助完成各种工作任务。
  • 无障碍:通过语音与技术和信息进行交互,为残疾用户提供帮助。

虚拟助理与聊天机器人

虽然虚拟助理和聊天机器人都能进行对话,但它们在范围和能力上有所不同:

  • 范围:虚拟专用系统通常具有更广泛的功能,通常集成在操作系统(iOS、Android 和 iOS)中。iOS, Android)或硬件生态系统,使其能够在不同的应用程序中执行操作并控制设备设置。聊天机器人通常更加专业,专为特定环境下的特定对话任务而设计,如客户支持网站或消息应用程序。
  • 任务执行:虚拟助理一般用于执行对话之外的任务,如控制智能家居设备、管理个人信息或与其他软件交互。聊天机器人主要侧重于对话互动,提供信息或引导用户完成特定的工作流程(如回答常见问题、简单的故障排除)。
  • 集成:虚拟助理通常是与各种服务和设备交互的中心枢纽,而聊天机器人通常嵌入在单个应用程序或网站中。

两者的界限可能会模糊,尤其是当聊天机器人使用LLM 等技术变得更加复杂时,但核心区别在于任务的广度和通常与 VA 相关的集成能力。两者的发展都依赖于Ultralytics 综合教程中讨论的先进技术。

阅读全部