Daftar Isi
Sejarah dan Perkembangan Chatbot
Konsep chatbot dipopulerkan oleh Alan Turing pada tahun 1950 dengan Tes Turing (“Bisakah mesin berpikir?”). Chatbot pertama yang dikenal, Eliza, dikembangkan pada tahun 1966 untuk bertindak sebagai psikoterapis, menggunakan pencocokan pola sederhana dan respons berbasis template. Meskipun kemampuan percakapannya terbatas, ini mendorong pengembangan lebih lanjut dari chatbot. Peningkatan atas Eliza adalah PARRY, yang dikembangkan pada tahun 1972 dengan kepribadian yang berbeda. Pada tahun 1995, ALICE dibuat, memenangkan Hadiah Loebner pada tahun 2000, 2001, dan 2004. Chatbot seperti SmarterChild muncul pada tahun 2001, tersedia melalui aplikasi messenger. Perkembangan signifikan berikutnya adalah asisten pribadi virtual seperti Apple Siri, Microsoft Cortana, Amazon Alexa, Google Assistant, dan IBM Watson. Minat pada chatbot meningkat setelah tahun 2016, yang mengarah pada banyak solusi industri dan aplikasi penelitian.
Teknologi Fundamental dalam Chatbot
1. Pencocokan Pola: Menggunakan blok stimulus-respons, seperti yang terlihat pada chatbot awal seperti Eliza dan ALICE.
2. Bahasa Markup Artificial Intelligence (AIML): Bahasa berbasis XML untuk pemodelan bahasa alami, menggunakan pengenalan pola untuk dialog.
3. Analisis Semantik Laten (LSA): Bekerja dengan AIML untuk menemukan kesamaan antara kata-kata dan meningkatkan respons.
4. Chatscript: Sistem pakar dengan bahasa skrip sumber terbuka, termasuk memori jangka panjang dan respons sensitif terhadap kasus.
5. RiveScript: Bahasa skrip teks biasa untuk pengembangan chatbot, mendukung berbagai bahasa pemrograman.
6. Pemrosesan Bahasa Alami (NLP): Memanipulasi teks atau ucapan bahasa alami, dengan Pemahaman Bahasa Alami (NLU).
Klasifikasi Chatbot Berdasarkan Parameter Berbeda
Chatbot dapat diklasifikasikan menggunakan parameter yang berbeda: domain pengetahuan, layanan yang disediakan, tujuan, metode pemrosesan input dan pembuatan respons, bantuan manusia, dan metode pembuatan. Klasifikasi berdasarkan domain pengetahuan mempertimbangkan pengetahuan yang dapat diakses oleh chatbot atau jumlah data yang dilatih. Klasifikasi berdasarkan layanan yang disediakan mempertimbangkan kedekatan sentimental chatbot dengan pengguna dan tugas yang dilakukannya. Chatbot interpersonal menyediakan layanan seperti pemesanan restoran dan bot FAQ. Chatbot intrapersonal ada dalam domain pribadi pengguna, seperti aplikasi obrolan seperti Messenger dan WhatsApp. Chatbot antar-agen memerlukan komunikasi antar-chatbot, seperti integrasi Alexa-Cortana. Klasifikasi berdasarkan tujuan mempertimbangkan tujuan utama yang ingin dicapai oleh chatbot. Chatbot informatif menyediakan informasi yang disimpan sebelumnya atau tersedia dari sumber tetap. Chatbot berbasis obrolan berbicara dengan pengguna seperti manusia lain. Chatbot berbasis tugas melakukan tugas-tugas tertentu seperti memesan penerbangan.
Arsitektur Umum Chatbot
Arsitektur chatbot umum dimulai dengan permintaan pengguna melalui aplikasi messenger atau input teks/ucapan. Setelah chatbot menafsirkan permintaan, ia menentukan bagaimana melanjutkan, yang mungkin melibatkan bertindak berdasarkan informasi, mengingatnya, atau meminta klarifikasi. Ketika permintaan dipahami, eksekusi tindakan dan pengambilan informasi terjadi dari sumber data atau sumber eksternal yang diakses melalui panggilan API. Komponen Pembuatan Respons menggunakan Pembuatan Bahasa Alami (NLG) untuk menyiapkan respons mirip manusia berdasarkan niat dan informasi konteks. Komponen Manajemen Dialog menyimpan dan memperbarui konteks percakapan, meminta informasi yang hilang, memproses klarifikasi, dan mengajukan pertanyaan lanjutan.
Platform Pengembangan Chatbot
Banyak opsi komersial dan sumber terbuka tersedia untuk pengembangan chatbot. Chatbot dapat dikembangkan menggunakan bahasa pemrograman seperti Java, Python, C++, PHP, Ruby, dan Lisp, atau menggunakan platform mutakhir. Platform cloud NLU terkemuka termasuk DialogFlow Google, wit.ai Facebook, Microsoft LUIS, IBM Watson Conversation, Amazon Lex, dan SAP Conversation AI. Platform pengembangan chatbot lain yang dikenal adalah RASA, Botsify, Chatfuel, Manychat, Flow XO, Chatterbot, Pandorabots, Botkit, dan Botlytics.
Manfaat dan Tantangan Chatbot
Chatbot dapat menjangkau audiens yang luas di message app dan lebih efektif daripada manusia dalam beberapa kasus. Branda memberikan penghematan yang signifikan dalam operasi customer service. Dengan pengembangan AI dan machine learning lebih lanjut, mungkin menjadi sulit untuk membedakan antara chatbot dan agen kehidupan nyata. Masalah etika seperti penyalahgunaan dan penipuan, di mana orang percaya branda berbicara dengan manusia nyata, juga layak untuk dipelajari.
