Sistema de diálogo

Un sistema de diálogo , o agente conversacional ( AC ), es un sistema informático diseñado para conversar con un ser humano. Los sistemas de diálogo emplean uno o más modos de comunicación, como texto, voz, gráficos, retroalimentación háptica, gestos y otros, tanto en el canal de entrada como en el de salida.

Los elementos de un sistema de diálogo no están definidos porque esta idea está en investigación; sin embargo, son diferentes de los chatbots . ^{[ 1 ]} El asistente típico de GUI participa en una especie de diálogo, pero incluye muy pocos de los componentes comunes de un sistema de diálogo, y el estado del diálogo es trivial.

Después de los sistemas de diálogo basados ​​únicamente en el procesamiento de texto escrito que comenzaron a principios de los años sesenta, ^{[ 2 ]} el primer sistema de diálogo hablado fue lanzado por el Proyecto DARPA en los EE. UU. en 1977. ^{[ 3 ]} Después de la finalización de este proyecto de 5 años, algunos proyectos europeos lanzaron el primer sistema de diálogo capaz de hablar muchos idiomas (incluidos francés, alemán e italiano). ^{[ 4 ]} Esos primeros sistemas se utilizaron en la industria de las telecomunicaciones para proporcionar varios servicios telefónicos en dominios específicos, por ejemplo, servicio automatizado de agenda y horarios de trenes.

Los conjuntos de componentes que se incluyen en un sistema de diálogo y la forma en que estos componentes se dividen las responsabilidades difieren de un sistema a otro. El elemento principal de cualquier sistema de diálogo es el gestor de diálogo , que es un componente que administra el estado del diálogo y la estrategia de diálogo. Un ciclo de actividad típico en un sistema de diálogo contiene las siguientes fases: ^{[ 5 ]}

1. El usuario habla y la entrada se convierte a texto plano mediante el reconocedor/decodificador de entrada del sistema , que puede incluir:
   • reconocedor automático del habla (ASR)
   • reconocedor de gestos
   • reconocedor de escritura a mano
2. El texto es analizado por una unidad de comprensión del lenguaje natural (NLU), que puede incluir:
   • Identificación del nombre propio
   • etiquetado de partes de la oración
   • Analizador sintáctico/semántico
3. La información semántica es analizada por el gestor de diálogo , que mantiene el historial y el estado del diálogo y gestiona el flujo general de la conversación.
4. Por lo general, el gestor de diálogo se pone en contacto con uno o más gestores de tareas que tengan conocimiento del dominio específico de la tarea.
5. El gestor de diálogo produce una salida utilizando un generador de salida , que puede incluir:
   • generador de lenguaje natural
   • generador de gestos
   • gestor de diseño
6. Finalmente, la salida se renderiza utilizando un renderizador de salida , que puede incluir:
   • motor de conversión de texto a voz (TTS)
   • presentador parlante
   • robot o avatar

Los sistemas de diálogo que se basan en una interfaz exclusivamente de texto (por ejemplo, un chat basado en texto) contienen únicamente las etapas 2 a 5.

Los sistemas de diálogo se clasifican en las siguientes categorías, que se enumeran aquí según algunos criterios. Muchas de las categorías se superponen y las distinciones pueden no estar bien definidas.

• por modalidad
  • basado en texto
  • sistema de diálogo hablado
  • interfaz gráfica de usuario
  • multimodal
• por dispositivo
  • sistemas basados ​​en el teléfono
  • Sistemas PDA
  • sistemas dentro del automóvil
  • sistemas robóticos
  • sistemas de escritorio / portátiles
    • nativo
    • sistemas en el navegador
    • máquina virtual
  • en un entorno virtual
  • robots
• por estilo
  • basado en comandos
  • basado en menús
  • lenguaje natural
  • graffiti de discurso
• por iniciativa
  • iniciativa del sistema
  • iniciativa del usuario
  • iniciativa mixta

Algunos autores miden el rendimiento del sistema de diálogo en términos del porcentaje de oraciones completamente correctas, comparando el modelo de oraciones (esta medida se llama Precisión de Oraciones Conceptuales ^{[ 6 ]} o Comprensión de Oraciones ^{[ 4 ]} ). Los sistemas de diálogo a veces pueden dar respuestas inconsistentes dependiendo de cómo los usuarios formulen sus preguntas ^{[ 7 ]} .

Los sistemas de diálogo pueden soportar una amplia gama de aplicaciones en empresas, educación, gobierno, atención médica y entretenimiento. ^{[ 8 ]} Por ejemplo:

• Responder a las preguntas de los clientes sobre productos y servicios a través del sitio web o portal de intranet de la empresa.
• Base de conocimientos para agentes de atención al cliente : Permite a los agentes escribir la pregunta de un cliente y guiarlo con una respuesta.
• Venta guiada : Facilitar las transacciones proporcionando respuestas y orientación en el proceso de venta, especialmente para productos complejos que se venden a clientes novatos.
• Mesa de ayuda : Responder a preguntas internas de los empleados, por ejemplo, responder a preguntas de recursos humanos.
• Navegación web: Cómo guiar a los clientes a las secciones relevantes de sitios web complejos: un servicio de asistencia personalizada para sitios web.
• Soporte técnico: Responder a problemas técnicos, como diagnosticar un problema con un producto o dispositivo.
• Servicio personalizado: Los agentes conversacionales pueden aprovechar bases de datos internas y externas para personalizar las interacciones, como responder preguntas sobre saldos de cuentas, proporcionar información sobre carteras, ofrecer información sobre programas de viajero frecuente o membresías, por ejemplo.
• Formación o educación: Pueden proporcionar consejos para la resolución de problemas mientras el usuario aprende.
• Los sistemas de diálogo sencillos se utilizan ampliamente para reducir la carga de trabajo humana en los centros de llamadas . En esta y otras aplicaciones de telefonía industrial, la funcionalidad que ofrecen los sistemas de diálogo se conoce como respuesta de voz interactiva o IVR.
• Apoyar a los científicos en tareas de manipulación y análisis de datos, por ejemplo en genómica. ^{[ 9 ]}

En algunos casos, los agentes conversacionales pueden interactuar con los usuarios mediante personajes artificiales. A estos agentes se les denomina entonces agentes encarnados .

En la década de 2020, los sistemas de diálogo se han construido cada vez más sobre grandes modelos de lenguaje (LLM), lo que les permite manejar conversaciones de dominio abierto con mayor flexibilidad que los enfoques anteriores basados ​​en reglas o estadísticos. ^{[ 10 ]} Las implementaciones modernas suelen integrar interfaces de voz y texto, proporcionando a los usuarios interacción multimodal a través de agentes conversacionales. Estos sistemas también se están integrando en aplicaciones con interfaces fáciles de usar para atención al cliente, educación y asistencia personal. ^{[ 11 ]}

Un estudio de los marcos, lenguajes y tecnologías actuales para definir sistemas de diálogo.

• Evitar llamadas

• Voluntad, Thomas (2007). Creando un diálogo de voz dinámico . VDM Verlag Dr. Müller . ISBN 978-3-8364-4990-8.