Hvad er IBM Watson?

IBM Watson er i bund og grund en meget kraftig supercomputer, som kombinerer kunstig intelligens (AI = Artificial Intelligence) med nogle meget komplicerede analytiske software algoritmer, for at kunne danne en optimal spørgsmål/svar maskine – også kaldt chatbot.

Den er opkaldt efter IBM’s grundlægger Thomas J. Watson, og ikke som nogle tror mesterdetektiven Sherlock Holmes tro væbner, som han altid svarede: “Elementært min kære Watson”.

For at kunne besvare et spørgsmål søger Watson i mange millioner af dokumenter, for at finde tusinder af mulige svar. Undervejs indsamler Watson ligheder fra de forskellige dokumenter, og bruger en score- algoritme til at bedømme hvert artikels kvalitet og relevans. Baseret på denne score rangerer den alle sine relevante svar i en prioriteret liste.

I modsætning til nutidens typiske computere, så kan Watson analysere store mænger af ustrukturerede data, der faktisk udgør ca. 80 procent af al eksisterende information i dag. Watson ved, at ikke alle data er skabt ens, og den er i stand til at skelne mellem forskellige slags informationer.

Hvor bor Watson ?

IBM Watson er en del af IBM’s store cloud løsning, ibm.com/cloud, som indeholder en mængde af værktøjer.

Det er meget nemt at tilkoble sig skyen – det kræver blot et navn og en email, så har man adgang, og IBM giver endda en gratis periode for at man kan prøve værktøjerne. Og vil man fortsætte efter den gratis periode, så tilbyder IBM både pay-pr-use og en mere fast betaling pr. måned for ydelserne.

Watson kan idag også installeres på et firma’s egen server, for selvom IBM garanterer for datasikkerheden på deres platform, så har firmaer idag jo ofte nogle strenge datapolitikker, der gør at de helst vil have data inhouse.

Hvilke sprog snakker Watson ?

Watsons DNA er jo kommunikation, og heldigvis har IBM tænkt ind at kunne kommunikere på forskellige sprog. Læs her hvilke sprog Watson understøtter og hvordan man binder Watson sammen med sit eget sprog, (https://cloud.ibm.com/docs/assistant?topic=assistant-language-support)

Watson tekniskt!

Tekniskt set består en Watson Chatbot af 4 komponenter, hvor den overordnede hedder en “Watson Assistant”, og det er selve kroppen i en Watson Chatbot.

En Watson Assistant kan så bestå af 2 forskellige skills – et “Dialog Skill” og et “Search Skill”.

”Dialog skill” er den del af en ”Watson Assistant” der indeholder al funktionaliteten, dvs. selve det ”spørgetræ” der står for at læse og forstå det brugeren skriver til bot’en, og sørge for at brugeren får et relevant svar.

Et Dialog Skill består så igen af 3 komponenter: Intents, Entities og Dialogs.

Intents:

En Watson chatbot kan ikke svare på alt, men er altid designet til kun at kunne svare på spørgsmål indenfor et specielt emne, hvilket typiskt er information vedr. det website som chatbotten ligger på.

Man starter derfor med at definere hvad det er for spørgsmål man vil have chatbotten til at kunne svare på, og de spørgsmål kalder i en Watson chatbot for Intents.

En bruger kan jo spørge på mange forskellige måder, for at opnå et bestemt svar, og et intent består derfor af så mange forskellige måder at spørge på, som muligt.

Hvis chatbot’en fx ligger på en butiks website, og ét af de svar, man gerne vil give sine kunder, er om butikkens adresse, eller adresser, hvis butkken har flere fillialer, så kunne et Intent fx være defineret på følgende måder, hvor IBM anbefaler altid at angive mindst 5 forskellige:

1. Hvor ligger jeres butik?
2. Hvor ligger jeres forretning?
3. Hvor ligger jeres firma?
4. Hvor bor i?
5. Hvor har i til huse?
6. Hvad er jeres adresse?
7. Hvor holder I til?

og jo flere eksempler man fodrer Watson med, til det enkelte intent, desto større chance er der for at Watson svarer brugeren rigtigt.

Og hvis en chatbot skal kunne svare på rigtig mange forskellige spørgsmål, så kræver det at man opretter og definerer rigtig mange Intents!

Et Intent har altid et navn/identifier, som er defineret ved at starte med en ”#”. Ovenstående 7 spørgsmål kunne derfor være defineret ved intentet #address.

Entities:

En Watson chatbots entities kan sammenlignes med en form for variable, men hvor chatbot’en ikke kan eksistere uden sine Intents, så er det ikke krævet at den indeholder entities!

Man bruger typiskt entities til at definere synonymer for forskellige ord eller begreber i bot’en, og I ovenstående adresse-eksempel ville det være hensigtsmæssigt at kunne angive synonymer for begrebet butik, forretning, firma osv. da der kan bruges rigtig mange forskellige ord for det, fx også basar, salgssted, varehus og lokale.

Et Entity i en Watson Chatbot, er defineret ved at at starte med et ”@” så i dette tilfælde ville man definere et entity med navnet @butik til følgende liste af ord:

1. Butik
2. Forretning
3. Firma
4. Basar
5. Salgssted
6. Varehus
7. Lokale

På den måde kan man nøjes med at definere de 3 første spørgsmål i vores ovenstående intent til:

”Hvor ligger jeres @butik”, og man kan forenkle og minimere antallet af sine Intents betydeligt.

Dialogs:

Den 3. die og sidste komponent i en Watson chatbot kaldes Dialog, og selve chatbotten består af en række Dialogs, som hver især har ansvar for at behandle kundens forskellige spørgsmål, og at kommunikere med kunden!

En Dialog kaldes også en Node i Watson spørgetræet, og den første Dialog i en IBM Watson chatbot hedder altid ”WELCOME”, og er den første node.

En Watson chatbot består af flere Dialogs, som er listet i rækkefølge, og hver dialog behandler sit eget spørgsmål fra brugeren. Hver dialog har derfor knyttet et Intent til sig, som jo er det element der indeholder selve dialogen.

Hver Dialog er defineret ved et unikt navn, og har et felt til navnet på den forrige dialog. På den måde er alle dialoger defineret i en bestemt rækkefølge, og afvikles sekventielt efter hinanden!

Når en bruger stiller et spørgsmål til bot’en, så gennemløbes dialogerne forfra én for én, indtil én af dem, udfra det matchende intent, svarer brugeren fyldestgørende – herefter afbrydes dialogen.

Den sidste dialog hedder altid ”ANYTHING_ELSE” og hvis ingen af de andre dialoger har kunnet svare på brugerens spørgsmål, så er det ”ANYTHING_ELSE” dialogen der svarer kunden: “I didn’t understand. Please try rephrasing your question !”

Hele spørgetræet kan repræsenteres i JSON, og genereres af et eksternt system. JSON Koden kan evt. genereres direkte fra kundens database, hvilket vil gøre det nemmere at vedligeholde logikken i chatbotten, og hurtigt kunne optimere løbende, for at kunne imødekomme behovet for nye Intents, Entities og Dialogs.