Mithilfe des 1000-dimensionalen Raums erklären wir, wie die KI von moinAI funktioniert
Wie funktioniert die KI von moinAI?
Es gibt 3 Prinzipien, auf denen die KI von moinAI basiert:
1. Crowd Learning mit 5 Referenzvarianten
2. Reassuring mit intelligenten Rückfragen
3. Dreaming mit Vorschlägen für neue Themen
Im Folgenden werden diese 3 Prinzipien stark vereinfacht dargestellt.
Crowd Learning:

Wie funktioniert Crowd Learning?
1) Es werden Themen bestimmt, die der Chatbot verstehen soll - diese sind im "1000-dimensionalen Raum" als Wolken dargestellt. Wie diese Themen ausgewählt werden können, wird im knowledge Base Artikel "Ausfüllen der Online-Tabelle" erklärt.
2) Für jedes Thema werden 5 Referenzvarianten bestimmt - d.h. Formulierungen, wie ein Nutzer typischerweise nach einem Thema fragt. Beispiel für ein Thema: "Passwort". Beispiel für eine Referenzvariante: "Wie kann ich mein Passwort zurücksetzen?"
3) Zudem erfolgt eine Beschreibung des Szenarios, in dem sich der Nutzer befindet und wie ihm geholfen werden soll.
4) Basierend auf diesem Input werden pro Thema dann manuell und automatisiert weitere Varianten generiert.
5) Das KI-Modell des Chatbots wird nun trainiert, sodass sich die Wolke formt und eine bestimmte Position in diesem 1000-dimensionalen Raum" einnimmt.
Reassuring:

Wie funktioniert Reassuring?
1) Wenn ein Nutzer eine Frage stellt, transformiert der KI-Chatbot von moin.ai diese Formulierung als Vektorgrafik in den 1000-dimensionalen Raum. Einfach gesagt: Der Chatbot berechnet wo diese Formulierung in den Raum "trifft".
2) Wenn eine Formulierung zentral in die via Crowd Learning trainierte Wolke trifft, spielt der KI-Chatbot direkt die im moin.ai Hub hinterlegt Antwort aus.
3) Wenn eine Formulierung eher an den Rand einer Wolke trifft, ist sich der Chatbot weniger "sicher" d.h. er berechnet ein "Confidence Level", das geringer ist - hier im Beispiel links z.B. bei 80%.
4) In diesen Fällen stellt der Chatbot eine intelligente Rückfrage, um sich rückzuversichern, ob er die Formulierung richtig verstanden hat ("Reassuring").
5) Je nach Nutzerfeedback geht das als positives oder negatives Feedback zurück in das KI-Modell - so kann die Wolke dann automatisch "geschärft" werden und der Chatbot lernt dazu.
Dreaming:

Wie funktioniert Dreaming?
1) Es gibt immer Formulierung, die der Chatbot nicht versteht. In diesem Fall berechnet er, dass eine Formulierung in einen Bereich des 1000-dimensionalen Raums trifft, der mit keiner Wolke "bedeckt" ist.
2) Wenn es mehrere Formulierungen gibt, die alle die gleiche Absicht haben und sehr nahe beieinander in den Raum "treffen" generiert der Chatbot eigenständig einen Vorschlag für eine neue "Wolke" - hier im Beispiel für "Kosten".
3) Dies wird dann als Vorschlag für ein neues Thema im moinAI Hub angezeigt.
4) Nach einer internen Prüfung durch das Success Management sowie den Kunden kann dieses Thema dann als weitere Wolke angelernt werden...
5) ... und eine entsprechend Antwort kann dafür im Hub hinterlegt werden.
Muss ich die KI manuell anlernen?
Jedes im Livebetrieb geführte Gespräch trägt zur Selbstsicherheit der KI hinzu. Wird z.B. eine Nachfrage bei Unsicherheit positiv beantwortet, wird dies als positives Signal der KI zurückgeführt. Diese Inputs werden in der Reassuring Phase verarbeitet. Somit sorgt jedes Reassuring für ein verändertes und optimiertes Verständnis der KI. Verneint der Nutzer, gibt negatives Feedback am Ende der Konversation, oder stellt wiederholt umformulierte Anfragen, werden diese Signale auch zurück in die KI ins Dreaming geführt.
Diese werden auf zwei Arten von der KI genutzt:
1. Zum Steigern der Selbstsicherheit die passende Antwort zu wählen.
2. Neue Anfrage-Themen herauszustellen und für neue Bot Antworten vorzuschlagen.
Damit ist kein manuelles Nachtraining pro Anfrage nötig.
"learning by doing"
Kann ich die KI dennoch anlernen?
Für ein schnelleres Anlernen und Verständnis der KI kann jederzeit der KI weitere Varianten hinzugefügt werden. Dieser Experten Input wird in der Dreaming Phase berücksichtigt.
Die KI kann manuell von Experten geschult werden für schnellere und genauere Ergebnisse.
"learning from experts"