Microsoft finalmente está cerca de entregar sus interfaces de usuario naturales prometidas durante mucho tiempo. Así es como puede integrarlos en su código.
por Simon Bisson

Si desea comenzar a usar el aprendizaje automático en sus aplicaciones, Microsoft ofrece varias formas diferentes de impulsar el desarrollo. Una tecnología clave, Azure Cognitive Services de Microsoft , ofrece un conjunto de servicios de aprendizaje automático administrados con modelos previamente entrenados y puntos finales de API REST. Estos modelos ofrecen la mayoría de los casos de uso comunes, desde trabajar con texto e idioma hasta reconocer voz e imágenes.
El aprendizaje automático aún está evolucionando, con el lanzamiento de nuevos modelos y nuevo hardware para ayudar a acelerar la inferencia, por lo que Microsoft actualiza regularmente sus Cognitive Services. La última actualización importante, anunciada en Build 2022, presenta muchos cambios en sus herramientas para trabajar con texto, lo que reúne tres servicios diferentes bajo un mismo paraguas. Donde el análisis de texto, QnA Maker y la comprensión del lenguaje LUIS solían ser herramientas independientes, ahora forman parte de un conjunto de herramientas de procesamiento de lenguaje natural para ayudarlo a trabajar con datos almacenados y entradas de usuarios en tiempo real.
Presentamos el servicio cognitivo para el lenguaje
Ahora con la marca Cognitive Service for Language , las herramientas le brindan acceso tanto a funciones familiares (después de migrar a las nuevas API) como a nuevos servicios. La migración puede ser compleja , ya que hay cambios importantes entre las dos versiones para algunos de los servicios. Puede continuar usando las API antiguas por ahora, pero vale la pena investigar el nuevo servicio para nuevas aplicaciones y actualizaciones del código existente.
Los archivos de configuración de LUIS pueden crear nuevos proyectos de comprensión del lenguaje conversacional, aunque algunas entidades no son compatibles. Esto afectará a los modelos que se hayan personalizado. Aunque Microsoft sugiere que sus nuevos modelos de lenguaje no necesitan estas personalizaciones, vale la pena monitorear el rendimiento de la aplicación y trabajar con las nuevas API si encuentra problemas con el nuevo servicio.
Si ha usado el servicio de administración de conocimientos de QnA Maker, puede que le resulte mejor crear nuevos servicios personalizados de preguntas y respuestas a partir del mismo material de origen. Puede copiar bases de conocimiento entre servicios para incorporar sugerencias previamente aprendidas, pero en la práctica, hay suficientes cambios en el modelo subyacente por lo que un nuevo comienzo puede ser preferible.
Cognitive Service for Language contiene varias características nuevas que no estaban en la plataforma original. Algunos de estos son particularmente útiles para aplicaciones empresariales porque ayudan a automatizar escenarios normativos complejos en los que los usuarios ingresan texto de formato libre (como en chats o correos electrónicos) y necesita almacenar esas interacciones.
Identifique y elimine automáticamente la PII
Una nueva característica debería ser una victoria rápida para cualquier aplicación que trate con información de identificación personal. La PII está altamente regulada en la mayoría de las jurisdicciones, pero es común que un usuario incluya detalles de la tarjeta de crédito o un número de Seguro Social en un correo electrónico o en un chat. Estos deben redactarse si está archivando contenido, y la herramienta de identificación de PII en Azure Cognitive Service for Language puede ayudar a identificar estos datos.
Trabajar con las herramientas de detección de PII es cuestión de integrarlas en el flujo de trabajo de su aplicación , como la mayoría de los servicios de Azure. Empiece por crear un recurso de Azure Language, que hospedará su punto de conexión de servicio y generará las claves adecuadas para el servicio. Ahora puede acceder a la API REST para el servicio de identificación de PII, abordándolo directamente mediante llamadas HTTPS familiares con datos JSON. Como alternativa, hay SDK para los lenguajes y plataformas más comunes que envuelven las llamadas API como métodos, manejando el acceso, la solicitud y la respuesta por usted.
Si usa Python, Microsoft proporciona una biblioteca de cliente para sus herramientas de análisis de texto que se puede instalar a través de pip. Una vez instalada, la biblioteca puede emitir sus claves de acceso y crear un objeto de cliente que acceda a los puntos finales de reconocimiento de PII. Deberá proporcionar texto para la PII que desea redactar, por ejemplo, contenido que puede contener SSN, números de tarjetas de crédito o números de teléfono, y el sistema devuelve un objeto de texto con datos redactados y un conjunto de puntajes de confianza. .
Estos lo ayudan a automatizar la redacción de documentos no estructurados, categorizando la redacción en función de sus documentos de muestra. El servicio puede reconocer un conjunto de tipos de entidades comunes : nombres, números de teléfono, direcciones (físicas y de correo electrónico), identificadores numéricos como claves de producto o números de cuentas bancarias y detalles de tarjetas de crédito.
Si usa esta herramienta con conversaciones, por ejemplo, como parte de un bot de chat, puede usar una API alternativa para analizar una lista de elementos de conversación para PII y devolver datos de forma asíncrona. Esto significa que no puede redactar datos en tiempo real; en cambio, está diseñado para procesar chats completos antes de archivarlos, lo que agrega un paso de redacción al flujo de trabajo de su aplicación. Incluso puede procesar voz reconocida para PII, lo que garantiza que las transcripciones no contengan información confidencial y, al mismo tiempo, proporciona códigos de tiempo para permitir la redacción de audio. Cada llamada a la API de PII conversacional contendrá un documento con una sola conversación. Actualmente, está limitado a usar solo inglés para este servicio.
Orqueste flujos de trabajo desde el chat
Microsoft continúa expandiendo las herramientas disponibles en sus Cognitive Services, agregando nuevas funciones en una cadencia mensual a medida que lanza nuevos modelos. Una herramienta que entró recientemente en disponibilidad general le permite orquestar el flujo de trabajo en múltiples servicios mediante el uso de una API de aprendizaje automático conversacional para extraer información del contenido y luego pasarla a los servicios correctos.
Este enfoque necesita un modelo personalizado entrenado a partir de datos etiquetados que defina intenciones y acciones. El modelo se crea en Language Studio , un portal de Azure que proporciona herramientas para entrenar y probar su modelo. Comenzará con un esquema adjunto a un proyecto de comprensión del lenguaje conversacional. Una vez entrenado, el modelo de orquestación se puede usar para enrutar datos desde un chatbot al servicio apropiado.
Por ejemplo, podría tener un bot de autoservicio de RR. a una aplicación de solicitud de calendario de vacaciones. Los flujos de trabajo como este son informales y un chatbot que se ejecute en Microsoft Teams permitiría al personal acceder rápidamente a los servicios sin interrumpir otras tareas.
Hay límites en los tamaños de los documentos que se pueden enviar al servicio de idiomas. Puede enviar cinco documentos a la vez a la API de reconocimiento de PII, con límites de velocidad establecidos por su nivel de suscripción. Un documento puede tener solo 5120 caracteres para la redacción síncrona, 125 000 caracteres y 1 MB para todos los documentos en una solicitud asíncrona. Puede usar llamadas de información de cadena estándar para obtener el tamaño del documento antes de enviarlo al servicio, fragmentando el contenido si es necesario.
Una interfaz de lenguaje natural
Tiene sentido que Microsoft agrupe los diferentes servicios que conforman el nuevo Cognitive Service for Language. Incluirlos en un motor de enrutamiento de flujo de trabajo inteligente ayuda a unir los servicios en el contexto de conversaciones informales y no estructuradas. Los chatbots y otros servicios basados en contenido a menudo han sido inflexibles y de un solo propósito, mientras que los usuarios esperan un entorno conversacional que pueda admitir múltiples tareas y al mismo tiempo proteger su privacidad.
A medida que automatizamos más y más servicios tipo mesa de ayuda tanto dentro como fuera de nuestras organizaciones, es cada vez más importante proporcionar una interfaz inteligente para las bases de conocimiento y las aplicaciones. Necesitamos cumplir con las expectativas de los usuarios, y herramientas como estas brindan un andamiaje para ofrecer sistemas automatizados que no se sientan automatizados y que puedan responder a las formas informales en que nos comunicamos. Es una forma interesante de ver el desarrollo de la interfaz de usuario. Esta herramienta está mucho más cerca de las interfaces de usuario naturales que Microsoft ha estado defendiendo durante gran parte de la última década.
Fuente: https://www.infoworld.com/article/3664074/updating-the-azure-cognitive-service-for-language.html