我一直在做沃森对话。主要是会话服务根据我们的训练方式响应用户给出的输入，并根据我们定义的意图、实体和对话流来执行此操作。
在内部，它会查找我们在意图中定义的一些关键字，如果匹配，它将响应我们在对话流中给出的文本。
即使是同样的逻辑，我也可以在我的应用程序中说是否有这几个 特定的关键字，我可以用这个特定的文本来回应，然后进入下一阶段并寻找一些单词等等。
但是，我们在这个 Watson 对话服务中拥有的特殊智能是什么，可以使用它？
有人可以告诉我这个对沃森有很好的了解的人吗
但是，我们在这个 Watson 对话服务中拥有的特殊智能是什么，可以使用它？
我认为这是你问题的症结所在？
首先要意识到Intents组件使用机器学习，它不是一个基于规则的引擎。这为您提供了巨大的优势。
您需要一小部分训练示例，与基于规则的引擎相比。举一个真实世界的例子。这项服务名为"Watson Dialog"(现已停产)。这是一个基于 NLP 规则的引擎。
在对话中，我创建了一个意向，其中包含来自现实世界最终用户的 20 个示例问题。要在 Dialog 中获得相同级别的精度，需要 7,000 多个示例排列(即使使用模式匹配)。
此外，由于对话是机器学习，它可以对以前从未见过的问题给出很好的回答。在规则/单词查找系统中，如果它看到一个从未接受过训练的问题，它永远无法回答它。它还可以理解当问题与主题无关时，当基于规则的引擎中的关键字陷阱会尝试回答时。
当然，这完全取决于正确训练意图。
另一方面，实体组件曾经是关键字匹配，那里有一些额外的智能(还有更多
)。对话框组件，您是对的。您当然可以创建自己的代码来执行简单的逻辑流(再次推出更多内容)。关于这一点有几点。
"Watson"是关于人工智能民主化的。它的目标受众是非AI开发人员和主题专家(SME)。因此，它旨在使中小企业尽可能容易，同时使开发人员易于扩展)。
将对话逻辑从对话中分离出来并分离到代码中，会使维护起来相当困难。您正在导致与代码的紧密耦合。因此，如果您想使用不同的语言，通道，那么这意味着您必须更新/转换代码。
Watson 采用基于规则的 AI 和广泛的其他机制(例如，信息检索系统)来识别特征值并将其分配给候选答案。 然后，机器学习系统学习如何将这些特征的值组合成每个候选答案的最终分数(从而允许 Watson 选择一个作为其最高答案，并确定它对该最高答案的置信度)。您描述的只是用于分析 Watson 中候选答案的众多经典 AI 算法之一，机器学习算法在为这些答案分配分数时会考虑其结果，例如 Watson 对话服务中的confidence。
根据您的要求，Watson 将以自信程度理解和分类。
IBM Watson 如何在这里工作。来自IBM的官方视频。
参考：这里。
https://github.com/joe4k/wdcutils/有一些工具来衡量WCS的性能。 WDC Jupyter 笔记本报告常用的机器学习性能指标来判断训练模型的质量。具体而言，WDC Jupyter 笔记本报告机器学习指标，包括准确性、精度、召回率、f1 分数和混淆矩阵。如果您对这些不同指标的更多详细信息感兴趣，请查阅 https://developer.ibm.com/dwblog/2016/chatbot-cognitive-performance-metrics-accuracy-precision-recall-confusion-matrix/上的"您的聊天机器人准备好迎接黄金时段了吗？"博客
我一直在研究Symbl，特别是Trackers作为一种新的智能功能，以解决在人类对话中创建意图的一些痛点。
Watson Conversation和其他服务非常适合聊天机器人，但对于人类对话，我还没有看到其他开箱即用的东西。好奇地听听这里的其他人。
我认为这是一个非常好的问题，我真的不明白这里的反对票(2 月 13 日是 -2)。
如 Watson 对话：从 JSON"转储"文件还原工作区时会丢失什么？ 似乎在 WCS 系统中训练/改进的任何内容都只会写入当前工作区，当再次删除此工作区时，WCS 系统将保持原样。
鉴于我已经正确理解了所有这些，创建一个工作区只是建立静态逻辑基础，在这个基础上，一个相当简单的"AI"只是将额外的话语与已经标记的示例和意图进行模式匹配。
所以对我来说，"AI"这个词被高估了，事实证明，Watson Conversation只是一台机器，它"只是"将不完整或干扰的输入(话语)与预定义的示例句子(意图附加示例和反例)相匹配 - 我们已经用"模糊逻辑"和"模式匹配"算法做了一些事情。所以，我对"智能"的定义是另一个。
无论如何，所有对话部分都在 AI 范围之外。对话部分只是在视觉辅助上为非程序员编程。
也许我在这里的评论是咆哮。我不知道。我不是专家。我只是在现实生活中观察系统。这是我到目前为止的看法。 渴望知道沃森比现在在我看来更聪明。