Daftar Isi
Penggunaan Chatbot dalam Berbagai Bidang dan Dampaknya pada Desain
Penggunaan chatbot telah mengalami perkembangan pesat dalam berbagai bidang, seperti pemasaran, sistem dukungan, pendidikan, perawatan kesehatan, warisan budaya, dan hiburan. Artikel ini akan memberikan gambaran historis tentang minat komunitas internasional terhadap chatbot dan membahas motivasi di balik penggunaannya. Selain itu, artikel ini juga akan menyoroti dampak stereotipe sosial terhadap desain chatbot. Klasifikasi chatbot berdasarkan kriteria yang berbeda akan disajikan dalam artikel ini, serta arsitektur umum chatbot modern dan platform utama untuk pembuatannya. Prospek chatbot sangat menjanjikan, dan penelitian lebih lanjut di bidang ini sangat dianjurkan.
Sejarah dan Minat Terhadap Chatbot
Chatbot adalah sistem artificial intelligence (AI) yang mensimulasikan percakapan dengan pengguna manusia melalui teks atau suara. Branda dapat memahami bahasa manusia melalui pemrosesan bahasa alami. Chatbot tidak hanya digunakan untuk hiburan, tetapi juga memiliki aplikasi dalam pendidikan, pengambilan informasi, bisnis, dan e-commerce. Branda menawarkan keuntungan seperti kemandirian platform, aksesibilitas yang mudah, integrasi dengan message app, dan pengetahuan yang dapat dipindahkan antara chatbot yang berbeda.
Artikel ini menyimpulkan dengan sejarah singkat chatbot, dimulai dari Tes Turing Alan Turing pada tahun 1950 hingga pengembangan asisten pribadi virtual seperti Siri, Cortana, Alexa, Google Assistant, dan Watson. Minat terhadap chatbot telah tumbuh pesat dalam beberapa tahun terakhir, dengan banyak solusi industri dan aplikasi penelitian yang dikembangkan. Chatbot telah menjadi populer di kalangan bisnis karena kemampuannya untuk menangani pengguna yang banyak dan mengurangi biaya customer service. Branda tidak lagi hanya dilihat sebagai asisten biasa, tetapi sebagai teman yang ramah. Chatbot untuk customer service di media sosial sering digunakan untuk permintaan emosional dan informatif. Machine learning memungkinkan chatbot untuk mendeteksi sentimen dan berhubungan dengan pelanggan secara emosional. Kepercayaan pengguna pada chatbot bergantung pada faktor seperti respons yang mirip manusia, presentasi diri, dan profesionalisme. Personifikasi dan interaktivitas dapat mempengaruhi pengungkapan orang tentang topik sensitif. Namun, chatbot masih kurang memahami empati. Bias gender terlihat pada chatbot, karena branda sering melakukan tugas-tugas yang terkait dengan peran feminin secara historis. Pencocokan pola adalah pendekatan umum yang digunakan dalam teknologi chatbot, tetapi dapat menghasilkan respons yang dapat diprediksi dan berulang.
Teknik dan Klasifikasi
Bahasa Pemrograman Artificial Intelligence (AIML) dan Analisis Semantik Laten (LSA) digunakan dalam pemodelan dialog. Chatscript dan RiveScript adalah bahasa scripting untuk pengembangan chatbot. Teknik Pemrosesan Bahasa Alami (NLP) berbasis machine learning memanipulasi teks bahasa alami, dengan Pemahaman Bahasa Alami (NLU) mencakup ekstraksi konteks dan makna dari masukan pengguna. Deteksi niat mengklasifikasikan masukan pengguna untuk menentukan niatnya, sedangkan entitas mengekstrak nilai parameter dari teks. Ekstraksi entitas domain, atau pengisian slot, melibatkan penandaan bagian kalimat dengan entitas domain. Konteks menyimpan informasi objek yang diacu oleh pengguna.
Chatbot diklasifikasikan berdasarkan domain pengetahuan, layanan, tujuan, metode pemrosesan masukan dan respons, bantuan manusia, dan metode pembangunan. Chatbot domain terbuka bicara tentang topik umum, sementara domain tertutup difokuskan pada pengetahuan tertentu. Chatbot interpersonal menyediakan layanan pemesanan, sedangkan intrapersonal ada dalam aplikasi obrolan pribadi. Klasifikasi berdasarkan tujuan mencakup informatif, berbasis obrolan, dan berbasis tugas. Metode pemrosesan masukan dan respons dibagi menjadi aturan, pengambilan, dan generatif. Klasifikasi lain mempertimbangkan bantuan manusia, di mana chatbot dibantu manusia mengisi kesenjangan dalam otomatisasi, memberikan fleksibilitas tetapi mungkin kurang cocok untuk permintaan tinggi.
Arsitektur dan Platform
Secara ringkas, deteksi niat, ekstraksi entitas, ekstraksi entitas domain, dan konteks adalah komponen penting dari chatbot. Chatbot dapat diklasifikasikan berdasarkan domain pengetahuan, layanan yang disediakan, tujuan, metode pemrosesan masukan dan pembangkitan respons, bantuan manusia, dan metode pembangunan. Desain dan pengembangan chatbot melibatkan berbagai teknik. Memahami kategori chatbot membantu pengembang memilih algoritma atau platform dan alat yang sesuai untuk membangunnya. Persyaratan untuk merancang chatbot termasuk representasi pengetahuan yang akurat, strategi pembangkitan jawaban, dan jawaban netral yang telah ditentukan jika ucapan pengguna tidak dipahami.
Arsitektur chatbot umum dimulai dengan
