キーワードと比較した自然言語モデルの利点
自然言語モデルは、コンテキストと会社のデータに基づいて人間の言語を処理する 仮想エージェント に役立ちます。このようにして、ユーザーが必要とするものを、対応するトピックとより正確に一致させることができます。 仮想エージェント 大規模言語モデル (LLM) と 自然言語理解 (NLU) (NLU) をサポートしています。
言語が難しい
キーワードの一致には制限があります。たとえば、リンゴは果物の切れ端である場合もあれば、電子機器である場合もあります。コンテキストは重要であり、意図も重要です。自然言語モデルは、次の問題に対処するように設計されています。
- 同じことを複数の方法で説明できます。
例: Office パスワードリセット または Office のパスワードをリセット
- 表現はあいまいな場合があります。
例: 移行後に欠落しているサーバーレポートメール。欠けているのはサーバーとメールのどちらですか?
- コンテキスト情報は不可欠です。
例:ステージングで London インスタンスをアクティブ化する
- 言葉は時間の経過とともに新しい意味を獲得する可能性があります。
たとえば、 セル は生物学や携帯電話に関連する場合があります。
- スラング、頭字語、業界の慣用句は解釈が難しい場合があります。
例: 開発インスタンスで SSO を設定する
- エラーメッセージは理解しにくいことがよくあります。
仮想エージェントでは、2 とおりの自然言語トピックディスカバリーが可能です。インスタンスでは両方を使用できますが、どのチャットでも一度に 1 つしか使用できません。
- 仮想エージェントでの LLM トピックディスカバリー
- LLM を使用すると、複雑なモデルやインテントやエンティティをビルドしなくても、トピックを検出したり生成 AI 機能にアクセスしたりできます。
- 仮想エージェント での自然言語理解 (NLU) トピックディスカバリー
- トピック ServiceNow 検出するには、NLU またはサポートされているプロバイダーを使用します。