कार्यप्रवाह और स्वचालन

वास्तुकला एक एजेंट को AI व्यक्तिगत, आवाज-पहले सहायकों के लिए कई प्रस्तुतियों की पेशकश करने में सक्षम बनाती है।

एक एजेंट कोर स्वैप करने योग्य प्रस्तुतियों के साथ आवाज कियोस्क को शक्ति प्रदान करता है, ज्ञान, अनुमतियाँ, सुरक्षा और जिम्मेदारी तय रखता है।

वास्तुकला एक एजेंट को AI व्यक्तिगत, आवाज-पहले सहायकों के लिए कई प्रस्तुतियों की पेशकश करने में सक्षम बनाती है।

मुख्य जानकारी

  • एक आवाज-पहला कियोस्क कई प्रस्तुतियों की पेशकश कर सकता है - विभिन्न उपस्थिति, आवाज़, व्यक्तित्व और इशारे - जबकि सभी ज्ञान, अनुमतियाँ और सुरक्षा नियम एक एजेंट कोर में तय रहते हैं।
  • प्रेजेंटेशन हल्के रनटाइम कॉन्फ़िगरेशन होने चाहिए जो केवल इंटरैक्शन शैली का प्रदर्शन करते हैं; उन्हें कभी भी निर्देश, दस्तावेज़, उपकरण या नीति सीमाओं को बदलना नहीं चाहिए।
  • वॉयस-फर्स्ट सार्वजनिक कियोस्क को मजबूत सुरक्षा उपायों की आवश्यकता होती हैः पतले क्लाइंट, ट्रांसक्रिप्ट सत्यापन, परिणामी कार्यों के लिए पुष्टि, कैप्शन, सत्र वाइप्स और कोई आवाज आधारित प्रमाणीकरण नहीं।
  • प्रस्तुति के विकल्प आगंतुकों या स्थान डिफ़ॉल्ट द्वारा किए जाने चाहिए, न कि बायोमेट्रिक अनुमान लगाना और डेटाबेस नियमों को यह लागू करना होगा कि प्रत्येक प्रस्तुति ठीक एक एजेंट से संबंधित है।

मेटा विवरणः एक लेख बताता है कि कैसे एक AI एजेंट ज्ञान, नियम और जिम्मेदारी तय करते हुए आवाज-पहले कियोस्क के लिए कई प्रस्तुतियों का उपयोग कर सकते हैं।

An architecture enables one agent to offer multiple presentations for in-person, voice-first AI assistants.

टैगः 1 991 सामाजिक सुरक्षा, स्वास्थ्य सेवाएँ

विशेष रुप से प्रदर्शित छवि: (अंग्रेज़ी में) ">"</string> कई अवतार चेहरों, आवाज तरंगों और इशारे आइकन से जुड़े एक केंद्रीय एजेंट कोर का अमूर्त, मैत्रीपूर्ण चित्रण, जिसमें कोई व्यक्ति, लोगो या पाठ नहीं है।

लेख "One Agent, Many Presentations: इन-पर्सन, वॉयस-First AI Assistants के लिए एक आर्किटेक्चर" में एक एजेंट, कई प्रस्तुतियों का वर्णन किया गया हैः एक स्क्रीन आधारित सहायक प्रत्येक आगंतुक के लिए चेहरे, आवाज, व्यक्तित्व और इशारों को बदल सकता है जबकि समान ज्ञान, नियम और जिम्मेदारी बनाए रखता है। यह सार्वजनिक ध्वनि-पहला समर्थन कियोस्क तैनात करने वाली टीमों के लिए है।

एक फिक्स्ड एजेंट कोर, एक स्वैपेबल सरफेस

एआई-संचालित विश्वविद्यालय प्रवेश सहायक सहित कई प्रस्तुतियों के साथ एजेंटों को विकसित करने के वास्तविक अनुभव के आधार पर, और मूल रूप से Towards AI में मीडियम पर प्रकाशित किया गया था, यह टुकड़ा आंखों के स्तर पर एक समर्थन केंद्र स्क्रीन की कल्पना करता है। एक आगंतुक जोर से पूछता है; एजेंट आवाज द्वारा जवाब देता है, आगन्तुक को देखता है, सिर हिलाता है और कदमों की ओर इशारा करता है । प्रस्तुति एक महिला या पुरुष के रूप में दिखाई दे सकती है, गर्म और धैर्यवान हो सकती है या तेज और बिंदु तक पहुंच सकती है और शांत या जीवंत इशारों का उपयोग कर सकती है। दूसरा आगंतूक अलग चुन सकता है।

एक प्रस्तुति उपस्थिति, आवाज, व्यक्तित्व और इशारों है। इसमें कोई ज्ञान, अनुमतियाँ या नियम नहीं होते हैं; सब कुछ यह तय करता है कि सहायक क्या कह सकता है या कर सकता है एजेंट कोर से संबंधित है। कठिन हिस्सा अवतार को प्रस्तुत करना नहीं है बल्कि सीमा लगाना है ताकि एक प्रस्तुतीकरण कभी भी बदल न सके जो एजेंट जानता है, कर सकते हैं या पालन करना चाहिए। एक गलत सीमा प्रत्येक प्रस्तुति को अपने स्वयं के संकेत, ज्ञान और समीक्षा के साथ एक अलग सहायक बना देती है, या इसे अतिरिक्त दस्तावेजों, उपकरणों या नरम नियमों के लिए एक साइड डोर में बदल देती है।

व्यक्तित्व प्रीसेट, इशारा सूची और पतली कियोस्क

चित्र 1 प्रस्तुति को एक रनटाइम के रूप में फ्रेम करता है जो केवल निष्पादित होता है, जबकि एजेंट कोर उत्तरों का निर्णय लेता है। व्यक्तित्व की देखभाल करने की आवश्यकता होती हैः यह बदलता है कि कैसे कुछ कहा जाता है, कभी नहीं क्या कहा या किया जाता है। एक गर्म और जीवंत प्रस्तुतीकरण अलग-अलग तरीके से इनकार कर सकता है, लेकिन दोनों को मना करना चाहिए; एक दोस्ताना प्रस्तुति उस शुल्क को माफ नहीं कर सकती है जिसे नीति अनुमति नहीं देती है। लेख समीक्षा किए गए प्रीसेट की सलाह देता है, न कि फ्री-टेक्स्ट व्यक्तित्व, क्योंकि मुफ्त पाठ एक अप्रकाशित नीति है और निर्देशों को इंजेक्ट करने के लिए एक आसान जगह है।

An architecture enables one agent to offer multiple presentations for in-person, voice-first AI assistants.

इशारे किए जाते हैं, तय नहीं; मॉडल एक सिर हिलाकर या मुस्कुराहट का सुझाव दे सकता है, लेकिन रनटाइम केवल एक निश्चित अनुमति-सूची चलाता है। उदाहरण फ़ाइल प्रस्तुतियाँ/ava.yaml id: ava, एजेंटः शाखा-समर्थन, उपस्थितिः अवतार_ए, आवाजः voice_f1, व्यक्तित्वः गर्म, इशाराः कोमल और स्थानः en का उपयोग करता है। एजेंट फ़ील्ड वास्तव में एक एजेंट के स्वामित्व में है, और निर्देशों, दस्तावेजों या उपकरणों के लिए कोई क्षेत्र नहीं है।

एक प्रस्तुति गैर-मानव भी हो सकती है, जैसे कि एक wren चरित्र, जब तक कि समान एजेंट नियम लागू होते हैं। AI प्रकटीकरण एजेंट का होता हैः प्रत्येक प्रस्तुति कहती है कि यह एक AI है।

वॉयस-फर्स्ट सेटिंग्स को अतिरिक्त गार्ड की आवश्यकता क्यों है

यदि कोई प्रस्तुति जोड़ना महंगा है, तो सीमा गलत हैः यह एक कॉन्फ़िगरेशन पंक्ति होनी चाहिए, न कि एक नया संकेत, पुनर्प्राप्ति या समीक्षा। अगर किसी मॉडल को एक नाम और व्यक्तित्व के रूप में दिया जाता है तो वह प्रेजेंटेशन को ओवर-परफॉर्म कर सकता है, जैसे खुद को फिर से पेश करना प्रत्येक उत्तर; व्यक्ति निर्देश छोटे होने चाहिए और कह सकते हैं कि आगंतुक का पहले ही स्वागत किया गया था। स्विचिंग प्रस्तुतियाँ संदर्भ, ज्ञान या नियमों को रीसेट नहीं करनी चाहिए, अन्यथा आगंतुकों को अलग-अलग जवाब के लिए दूसरी प्रस्तुति मांगनी पड़ सकती है।

सार्वजनिक कियोस्क एक पतला, शारीरिक रूप से उजागर क्लाइंट है। चित्र 2 में कहा गया है कि निर्णय, ग्राहक डेटा और प्रदाता कुंजी मंच पर रहते हैं। कियॉस्क आवाज और स्पर्श को कैप्चर करता है, ऑडियो चलाता है, अवतार खींचता है और कैप्शन दिखाता है लेकिन कोई API कुंजियाँ, वार्तालाप इतिहास या व्यावसायिक तर्क नहीं रखता है।

आवाज अविश्वसनीय हैः एक माइक्रोफ़ोन किसी अन्य व्यक्ति या रिकॉर्डिंग को उठा सकता है, इसलिए टेप किए गए टेक्स्ट के समान ही चेक से गुजरते हैं, और परिणामी क्रियाओं जैसे कि कार्ड ब्लॉक करना, स्क्रीन टैप की आवश्यकता होती है, न कि बोलने वाली हां। मॉडल आउटपुट को सीधे भाषण में स्ट्रीम न करें, क्योंकि सत्यापन शब्दों को कुछ क्षण बाद अस्वीकार कर सकता है; सोच इशारे के साथ प्रतीक्षा को कवर करें। कैप्शन कठिन सुनने वाले आगंतुकों, शोर कमरे और ऑडियो विफलता के लिए बने रहते हैं। एक आगंतुक का मतलब एक सत्र होता हैः जब कोई छोड़ देता है, तो स्क्रीन, ऑडियो और सत्र मिटा दिए जाते हैं। वॉयस एक विज़िटर को प्रमाणित नहीं कर सकता, क्योंकि इसे क्लोन किया जा सकता है। फोन कोड या स्टाफ जांच का उपयोग करें।

An architecture enables one agent to offer multiple presentations for in-person, voice-first AI assistants.

डेटाबेस, परीक्षण और मानव-दृश्य समानता

आगंतुक, या डिफ़ॉल्ट स्थान, प्रस्तुति का चयन करता है, न कि कैमरे के अनुमान की उम्र या लिंग। यह बायोमेट्रिक प्रसंस्करण होगा, सार्वजनिक रूप से लोगों को गलत पहचान सकता है और उत्पाद में रूढ़िवादी बना सकता है। उपस्थिति, आवाज, व्यक्तित्व और इशारों को स्वतंत्र रहना चाहिए; यदि महिला प्रस्तुति हमेशा गर्म होती है और पुरुष प्रस्तुतीकरण हमेशा आधिकारिक होता है, तो डिजाइन एक स्टीरियोटाइप सिखाता है।

डेटाबेस को स्वामित्व लागू करना चाहिए: प्रत्येक प्रस्तुति ठीक एक एजेंट से संबंधित है, और हर संदर्भ उस एजेंट को ले जाता है। उदाहरण के लिए डिवाइस पर विदेशी कुंजी tenant_id, agent_id और default_presentation_id की जांच करती है उसी किरायेदार_आईडी के साथ प्रस्तुतियों के खिलाफ, किसी अन्य एजेंट की प्रस्तुति को अस्वीकार करते हुए. यदि कोई प्रीमियम प्रेजेंटेशन मानक नहीं देख सकता है, तो यह एक प्रस्तुतीकरण नहीं बल्कि एक अलग एजेंट है। चित्र 5 प्रत्येक प्रस्तावित परिवर्तन को एक प्रश्न में कम करता हैः क्या यह ज्ञान, क्रियाओं या नियमों को छूता है? अगर हाँ, यह एक एजंट बदलाव है।

आगंतुकों को यह बताकर समानता दिखाई दे कि एक ही सहायक अलग-अलग रूप और आवाज का उपयोग कर रहा है। कोई उधार प्राधिकरण नहीं होना चाहिए: कोई वर्दी, बैज या वास्तविक स्टाफ समानताएं नहीं हैं, और किसी वास्तविक व्यक्ति की नकल करने वाली आवाज़ को सहमति की आवश्यकता होती है। कैप्शन के साथ सभी के लिए डिज़ाइन करें, टच विकल्प, धीमी आवाज विकल्प और व्हीलचेयर तक पहुंच योग्य स्क्रीन। मानव जैसा चेहरा और आवाज उत्तरों को उनके स्रोतों से अधिक प्रामाणिक महसूस करा सकती है, इसलिए उपयोगकर्ता अनुसंधान को विश्वास प्रभावों का परीक्षण करना चाहिए।

चित्र 3 एक आवाज मोड़ दिखाता हैः प्रस्तुति केवल वितरण को आकार देती है, जबकि निर्णय समान रहते हैं। एजेंट से रनटाइम तक का हस्तांतरण दो गलतियों को बंद कर देता हैः अज्ञात इशारे और इंजेक्टेड स्पीच मार्कअप। फिक्स्ड जेस्ट सूची सिर हिलाती है, मुस्कान, पॉइंट_टू_स्क्रीन, सोच और open_palms; अज्ञात संकेत गिर जाते हैं, आवाज़ कॉन्फ़िगरेशन से आती है, पाठ बच जाता है और कैप्शन वापस आ जाते हैं। चित्र 4 कहता है कि स्विचिंग संदर्भ रखता है, लेकिन एक नया आगंतुक इसे कभी भी विरासत में नहीं लेता है।

क्या परीक्षण करना हैः नीतिगत प्रश्नों पर समानता; मध्य वार्तालाप स्विचिंग ज्ञान और नियमों को रखता है; क्रॉस-एजेंट प्रस्तुति अनुरोध अज्ञात लोगों के रूप में अस्वीकार कर दिए जाते हैं; मॉडल मार्कअप या इशारों का इंजेक्शन नहीं दे सकता; एक सत्र के बाद कुछ भी नहीं रहता है।

आगे क्या होगा

वास्तुकला अनुभव को बदलने के लिए एक जगह और जिम्मेदारी पर शासन करने के लिए એક સ્થળ આપે છે. नई प्रस्तुतियाँ, आवाज़ें, व्यक्तित्व या कियोस्क ज्ञान, उपकरण या नीति को छूने के बिना जोड़े जा सकते हैं। सहायक क्या जानता है या कर सकता है में कोई भी बदलाव एजेंट परिवर्तन बन जाता है और इसकी समीक्षा की जाती है। उन संगठनों के लिए जिन्हें काउंटर के पार उत्तर के पीछे खड़ा होना पड़ता है, अनुमोदन सरल हो जाता हैः एक एजेंट की जिम्मेदारियों को मंजूरी दें, फिर आगंतुकों को यह चुनने दें कि वे इसे कैसे पूरा करते हैं। प्रस्तुति बातचीत के दौरान बदल सकती है; जवाब की ज़िम्मेदारी एजेंट के साथ रहती है।

Comments (0)

  1. No comments yet. Be the first to share what worked for you.

Leave a comment

Comments are reviewed before they appear. Your email address is not published.