Imagine por un minuto cómo es el proceso de comunicación con otro ser humano.
Digamos que tu madre te pide que vayas a comprar jugo de naranja 100% Tropicana. Tu primera pregunta es ¿cuánto quiere ella? 1 litro? 500ml? 200? Ella te dice que quiere un jugo Tropicana 100% de naranja de 1 litro. Ahora sabe que el Tropicana normal está fácilmente disponible, pero es difícil encontrar el 100%, por lo que debe llamar a algunas tiendas de antemano para ver dónde está disponible. Encuentras una tienda que está bastante cerca, así que vuelves con tu madre y le dices que encontraste lo que quería. Son 120 dólares y después de pedirle el dinero, sigues tu camino.
Un chatbot sigue el mismo proceso de back-end, con dos diferencias fundamentales, el canal de comunicación y con lo que estás hablando. Te daré un paso a paso basado en la imagen a continuación.
- ¿Deberíamos usar Java para nuestro back-end de inicio?
- Cómo cargar un archivo a Amazon S3 usando el nodo y obtener la ruta del archivo
- ¿Cuál es la forma más fácil para que un desarrollador de back-end cree una interfaz de usuario atractiva para sus páginas web?
- ¿Necesito aprender un lenguaje de back-end para construir un clon de Wikipedia o sería suficiente un conocimiento de HTML y CSS?
- ¿Está mal especializarse solo en el desarrollo de backend?
1. En busca de un producto en el Messenger de Facebook, en aras de la coherencia, digamos que es la misma botella de Tropicana. Solo ves la capa de presentación y le envías al bot un mensaje recogido por el servidor diciendo que quieres un poco de Tropicana.
2. Uso del procesamiento del lenguaje natural (lo que sucede cuando las computadoras leen el lenguaje. Los procesos de PNL convierten el texto en datos estructurados) y la comprensión del lenguaje natural (un subconjunto de PNL que trata con la faceta más estrecha pero igualmente importante de cómo manejar mejor las entradas no estructuradas, como errores gramaticales o puntuación incorrecta), la máquina convierte esta solicitud de texto sin formato en comandos codificados por sí misma.
3. Ahora el chatbot arroja estos datos en un motor de decisión, ya que en la mente de los bots tiene que cumplir ciertos criterios para salir del ciclo de conversación, en particular, la cantidad de Tropicana que desea.
4. Utilizando la generación de lenguaje natural (lo que sucede cuando las computadoras escriben lenguaje. Los procesos NLG convierten los datos estructurados en texto), al igual que lo hizo con su madre, el bot le pregunta cuánto de dicho Tropicana desea.
5. Este conjunto de respuestas se remonta al backend de mensajería y se le presenta en forma de una pregunta. Le dices al bot que quieres 1 litro y volvemos a través de la PNL al motor de decisión.
6. El bot ahora analiza datos prealimentados sobre el producto, las tiendas, sus ubicaciones y su proximidad a su ubicación. Identifica la tienda más cercana que tiene este producto en stock y le dice cuánto cuesta.
7. Luego lo dirige a un portal de pago y después de recibir la confirmación de la puerta de enlace, hace su pedido por usted, y listo en uno o dos días hábiles, tiene 1 litro de jugo de naranja 100% Tropicana.
Si desea leer más sobre Chatbots, hay un montón de blogs y artículos que puede leer, los he vinculado aquí y aquí.