Moteurs NLU

Le moteur NLU est le composant central du pipeline de compréhension du langage naturel de Hexabot, responsable de la détection des intentions, des entités et d'autres attributs à partir des saisies des utilisateurs. Hexabot prend en charge plusieurs moteurs NLU pour répondre à différents niveaux d'expertise et cas d'utilisation.

Moteur NLU LLM

Exploite des modèles de grande taille (LLM) tels que Ollama, Gemini ou ChatGPT pour détecter les intentions et la langue sans nécessiter d'entraînement personnalisé. Il s'agit du moteur NLU par défaut, idéal pour ceux qui recherchent une solution NLU prête à l'emploi sans exigence préalable d'expertise en IA.

Avantages :

• Aucun besoin d'entraîner vos propres modèles.

• Configuration rapide et résultats instantanés pour les intentions prises en charge

Limitations :

• Ne fournit pas de score de confiance (par exemple, probabilité de précision).

• Les performances peuvent varier pour les langues et dialectes moins connus.

• Principalement efficace pour les langues largement parlées comme l'anglais, le français, etc.

Moteur NLU Ludwig

Utilisations Ludwig, un framework IA low-code, pour vous aider à construire des modèles d'IA personnalisés avec un minimum de code. Il prend en charge des architectures modernes comme BERT, LSTM et RNN. C'est une bonne option pour les développeurs ou les équipes qui souhaitent créer rapidement des modèles personnalisables sans plonger profondément dans le codage.

Avantages :

• Nécessite peu ou pas de codage ; vous configurez les modèles via des fichiers YAML ou JSON.

• Accessible aux praticiens IA de niveau junior à intermédiaire.

Limitations :

• Nécessite une certaine compréhension des concepts d'IA pour configurer efficacement.

Moteur NLU TensorFlow

Un modèle de projet Python que nous avons développé est fourni pour faciliter le développement de modèles basés sur TensorFlow. Cela peut convenir aux data scientists expérimentés souhaitant un contrôle total sur leur pipeline IA.

Avantages :

• Offre un contrôle complet sur la conception du modèle et le processus d'entraînement.

• Prend en charge des personnalisations avancées pour les data scientists expérimentés.

Limitations :

• Nécessite une solide expertise en apprentissage automatique et en TensorFlow.

• Plus chronophage à développer et à maintenir.

Construire votre propre moteur NLU

L'architecture de Hexabot vous permet d'intégrer des moteurs NLU personnalisés en suivant ces étapes :

1. Construire un service (API) :

• Développez un service d'inférence qui réalise la détection d'intentions, la reconnaissance d'entités ou d'autres tâches NLU.

• Le service doit exposer un endpoint API qui accepte le texte d'entrée et renvoie des prédictions.

2. Créer une extension d'assistance :

• Implémentez une extension d'assistance dans Hexabot pour appeler le service NLU personnalisé.

• L'extension doit gérer l'intégration, envoyer l'entrée à l'API et traiter les prédictions.

3. Utiliser des exemples existants :

• Reportez-vous au code source des moteurs NLU existants (LLM, Ludwig, TensorFlow) pour vous guider.

• Le code source est disponible sur le dépôt GitHub de Hexabot.

Résumé

Le moteur NLU de Hexabot prend en charge une gamme de solutions, allant de l'inférence basée sur LLM prête à l'emploi jusqu'aux modèles TensorFlow entièrement personnalisables. Que vous soyez novice ou expert, il existe une option adaptée à vos besoins. De plus, la conception ouverte de Hexabot permet aux développeurs de créer et d'intégrer des moteurs personnalisés, élargissant les possibilités de compréhension du langage naturel dans vos projets d'IA conversationnelle.