CC BY
47РОЛЬ ЭКСПЕРТНОЙ СИСТЕМЫ С ТЕКСТОВЫМ ЕСТЕСТВЕННО-ЯЗЫКОВЫМ ИНТЕРФЕЙСОМ ОБЩЕНИЯ В ПОВЫШЕНИИ ЭФФЕКТИВНОСТИ БАНКОВСКОГО СЕКТОРА
Чувиков Дмитрий Алексеевич,
к.т.н., начальник отдела перспективных решений в области искусственного интеллекта Научно-исследовательского института «МИВАР», г. Москва, Россия, d.chuvikov@mivar.ru
АННОТАЦИЯ
В работе проанализирована суть проблематики понимания смысла текста системами искусственного интеллекта. Определены основные ограничения понимания смысла системами искусственного интеллекта: невозможность работы с контекстом, учет многозначности естественного языка, компьютер не всегда может понять и учесть языковое окружение. Также в статье определены основные потребности, послужившие драйвером для создания системы, понимающей запрос на естественном языке: потребность в управлении знаниями, потребность в сохранении компетенций, потребность в повышении эффективности сервиса, потребность в высокой скорости и точности ответа и потребность в инновации. Также сформирован ряд общих проблем, остро требующих автоматизацию процессов в банковском секторе. В рамках исследования приведена сравнительная характеристика по качеству (достоверность) ответа основных технологий создания чат-ботов, таких как: нейросети, матлингвистика и логический искусственный интеллект. Рассмотрены преимущества использования миварного подхода в понимании смысла текстов, написанных на русском языке. Миварный подход к формальному представлению термина «понимание смысла текста» основан на работе с многомерными графами и работе с неопределенностями и коллизиями в разных контекстах. Концепты одного слова соответствуют разным контекстам. Полное понимание смысла соответствует такой ситуации, когда у каждого слова снимается неопределенность и определяется только один концепт. При этом все полученные концепты каждого смыслового фрагмента текста должны относиться к одному контексту. Представлена общая структурная схема работы виртуального консультанта, а также перспективы использования миварного виртуальный консультант в банковском секторе.Установлено, что в условиях постоянной «текучки» кадров в банке тратятся большие ресурсы на обучение компетентного сотрудника. Миварная технология виртуального консультанта позволила улучшить данную ситуацию, полностью автоматизировав обучение новых сотрудников банка. В качестве апробации технологии, рассмотрен пример внедрения миварного виртуального консультанта во внутренние бизнес-процессы одного из крупнейших банков России - в Альфа-Банк.
Ключевые слова:
миварный подход; искусственный интеллект; чат-бот; виртуальный консультант; банковский сектор; банк; обучение.
Проблематика понимания смысла запроса
Проблема понимания компьютерами естественного языка остается актуальной. В работе [1] были показаны практические результаты применения миварного подхода к пониманию смысла текстов, написанных на русском языке, а также предложено формальное представление термина «понимание смысла текста», основанное на обработке многомерных графов и работой с неопределенностями в разных контекстах. Были выделены пять уровней работы с текстом: наборы символов, неправильные словоформы, словоформы, слова и концепты. Показано, что концепты одного слова соответствуют разным контекстам, а полное понимание смысла текста соответствует такой ситуации, когда у каждого слова снимается неопределенность и определяется только один концепт, при этом все полученные концепты каждого смыслового фрагмента текста должны относиться к одному контексту [1]. Миварные технологии эволюционного накопления данных и способ логического вывода с линейной вычислительной сложностью начали развиваться с анализа возможностей продукционных систем и сетей Петри для создания интел-
лектуальных пакетов прикладных программ [2]. Стоит отметить, что способ автоматического построения маршрута логического вывода в миварной базе знаний уже запатентован [3].
В 2012 году начались первые исследования возможностей применения миварных экспертных систем для понимания естественного языка на русском языке. Естественный язык рассматривается не только как средство коммуникации, но и как средство мышления [1, 4-6]. В миварном подходе языковые конструкции опираются на создание знаковых моделей на основе гносеологической концепции представления знаний о мире в виде многомерного пространства «Вещь, Свойство, Отношение» (VSO или ВСО) [2]. Технология миварного виртуального консультанта по своей сути представляет собой экспертную систему с текстовым естественно-языковым интерфейсом общения, что принципиально отличает ее от традиционных решений, таких как чат-боты [1].
Определим основные ограничения понимания смысла системами искусственного интеллекта: невозможность работы с контекстом; учет многозначности естественного языка; компьютер не всегда может понять и учесть языковое окружение: ситуацию общения, наличие разных лексических значений у одного слова, обусловленность употребления слов. Все эти причины создают серьезное препятствие для распознавания смысла, который вложен в текст человеком. Таким образом, можно сформулировать следующую цель: необходимо разработать интеллектуальную систему понимания естественного языка, которая будет способна удовлетворить потребности пользователя в правильном ответе на поставленные им вопросы. Целями создания подобной системы послужили следующие потребности:
1. Потребность в управлении знаниями: в аккумуляции и развитии экспертных знаний внутри, например, компаний; в качественном переходе от пассивных форм накопления знаний (чтение источника и анализ информации) к активным (получение ответа или решения).
2. Потребность в сохранении компетенций: в минимизации рисков по утере компетенций при уходе ключевых экспертов; в снижении личностных требований и сокращении периода обучения нового сотрудника.
3. Потребность в повышении эффективности сервиса: в снижении влияния человеческого фактора на результат выдачи ответа; в отсутствии эмоциональной компоненты при общении.
4. Потребность в высокой скорости и точности ответа.
5. Потребность в инновации.
Таким образом, можно сформировать ряд общих проблем, остро требующих автоматизацию процессов в банковском секторе:
Сложность подбора и содержание адекватного персонала для обслуживания сервисов банка.
1. Растущие расходы на содержание и развитие сервиса (например, контакт-центр) банка.
2. Уход ключевых экспертов и их компетентных знаний о предметной.
3. Сложность в подготовке персонала и контроле качества его работы.
4. Человеческий фактор (эмоции, настроение, состояние здоровья и так далее).
5. Постоянная консультация клиентов и поддержка клиента 24/7.
6. Сложность подбора персонала (демографическая яма).
7. Низкая квалификация персонала на входе.
8. Повышение скорости и качества обучения новых сотрудников банка.
Решение поставленной проблемы
Технология виртуального консультанта или чат-бота все чаще используются в российском банковском секторе. Большинство решений базируется на технологиях нейросетей. Однако у данного направления есть существенный недостаток - не понятно, на каких основаниях система принимает решение на выдачу конкретного ответа. Также система не способна ответить на вопрос «почему она приняла такое решение». Таким образом, можно сделать вывод: что
нейросети и прочие простые подходы не способны решать подобные задачи из-за своего ограничения в способности к объяснению получения результата и отсутствию уровня логических рассуждений. Однако нейросети можно неплохо использовать для снятия некоторых неопределенностей, например исправление опечаток во входных запросах.
Как правило, вопрос-ответные системы работают, основываясь на поиске ключевых слов в тексте запросов пользователя или прогнозируя наиболее вероятный ответ. Такой подход полностью не отвечает требованиям понимания смысла запроса пользователя в том виде, в котором смысл понимает человек. Что не дает и 80% точности ответов на вопросы.
Стоит отметить, что существует три основных технологии, на которых базируется создание чат-ботов, это: нейросети, матлингвистика и логический искусственный интеллект. Причем, важнейшим критерием сравнения этих технологий является качество (достоверность) ответа, так как цена ошибки, особенно в банковском секторе, очень высока. В рамках статьи было проведено исследование, которое показало, что лингвистическая система, основанная на технологии нейросети способна выдать достоверный ответ от 67% до 72%, лингвистическая система основанная на матлингвистике от 40 до 50%, а лингвистические системы, основанные на технологии логического искусственного интеллекта от 90 до 100%. Стоит отметить, что достоверность ответа зависит от адекватности входящих реплик пользователя и от степени пересечения смысловых тематик в базе знаний (вероятности коллизий).
Ограничение понимания смысла входного запроса и ограничение в объяснении принятого решения системой позволяет снять семантическая платформа, построенная на миварных принципах (технология логического искусственного интеллекта) [2, 7-8], которая имеет ядро экспертной системы, позволяющее четко отследить каждый этап логики принятия решения виртуальным консультантом. Так же, миварные технологии позволили снять ряд существенных ограничений в понимании самого смысла системой [1, 4, 9], а именно, появилась возможность проводить: морфологическую обработку текста, синтаксическую обработку текста и семантическую обработку текста [10]. Таким образом, применение семантических технологий, построенных на миварных принципах, позволило преодолеть принципиальные ограничения в понимании естественного русского языка.
Важно отметить, что миварные экспертные системы не требуют больших вычислительных мощностей - это обусловлено линейной сложностью логического вывода [3]. Также преимуществом использования миварного подхода является обработка больших массивов данных [2, 9] и представление их с помощью связного семантического графа (миварных сетей). Процесс анализа включает синтаксический разбор текста, семантическое преобразование, построение графа, а также работу с контекстом и снятие неопределенностей. Семантический граф, а также модули платформы позволяют не просто искать слова в словаре, но и распознают контекстное окружение - тем самым достигается максимально точное понимание смысла текста. Таким образом, можно с уверенностью сказать, что в проекте, «миварный виртуальный консультант», была решена одна из главных задач систем искусственного интеллекта - приближение машинного интеллекта к естественному (человеческому), а также задача понимания естественного языка на более высоком уровне семантики, чем это было раньше. На рисунке 1 показана общая структурная схема работы виртуального консультанта.
Пользователь взаимодействует с web-интерфейсом виртуального консультанта, задавая ему вопрос. Консультант разбивает фразу на отдельные концепты при помощи модуля морфологической обработки текста и модуля семантической обработки текста. Концепт здесь является семантической единицей. Далее вся информация переходит в менеджер сценария, где происходит наложение на соответствующие графы из базы данных (БД). Побеждает тот граф, который имеет наивысший вес. Вес определяется в зависимости от количества вершин и дуг в графе. Для случаев, когда два графа имеют одинаковый вес, разработан специальный механизм рангов, при помощи которого система определяет граф-победитель.
Виртуальный консультант для банковского сектора
Выделим основные предпосылки внедрения технологии виртуального консультанта
(чат-бота) для бизнес-направлений в банковском секторе:
Растущая потребность в онлайн-сервисах по выдаче корректной информации для сотрудников различных бизнес-подразделений (поддержка внутреннего и внешнего клиента).
Сложность обеспечения высокого качества сервисов поддержки бизнеса на фоне требований по снижению ОрЕх.
Необходимость в управлении накопленного опыта и знаний, а также сохранение компетенций при кадровой ротации любой активности.
Растущие требования к оперативности сервисов.
Устойчивый тренд на интеллектуализацию: диджитализацию бизнес-процессов и роботизацию труда.
В условиях постоянной «текучки» кадров банк тратит большие ресурсы на обучение компетентного сотрудника. Миварная технология виртуального консультанта способна улучшить
Рис. 1. Общая структурная схема работы виртуального консультанта
данную ситуацию, так как система виртуального консультанта способна работать с деревьями решений, таблицами, заготовленными вопросами, с шаблонными ответами, которые может добавить оператор в любой момент, а также осуществлять поиск по словарю. Такое решение позволяет автоматизировать обучение нового сотрудника [7, 11-14] так, что обучаемый, общаясь с виртуальной личностью, может получать ответы на вопросы в рамках банковской предметной области, а также новые знания в процессе диалога с системой [1, 15].
Технологическое решение виртуального консультанта требуется в первую очередь для бизнес-направлений со следующими индикаторами:
Множество различных транзакций в процессах оказания услуг.
Структурированные и формализованные бизнес-процессы.
Сложность и разнообразие при выборе вариантов действий.
Высокий уровень стандартизации процессов.
Потребность в информационно-консультационной поддержке здесь и сейчас.
Стоит отметить, что качество работы виртуального консультанта напрямую будет зависеть от объема и полноты «базы знаний» подразделения банка. Под базой знаний понимаются формальные знания, такие как: инструкции, скрипты для операторов, документы, тарифные сетки и так далее. Также требуется установить роль и бизнес-функции виртуального консультанта во внутренних и внешних сервисах банка. По сути необходимо ответить на вопрос: в какое подразделение банка и на какое направление будет внедрен сервис? Например: в опер-блоке, инвест-банкинге, прайвит-банкинге и так далее.
В марте 2018 года технология миварного виртуального консультанта была внедрена во внутренние бизнес-процессы одного из крупнейших банков России - в Альфа-Банк. Масштаб проекта:
Система была внедрена в 78 регионах Российской Федерации;
Виртуальным консультантом пользуются ежедневно более 300 внутренних клиентов;
Проект был реализован за 5 месяцев.
Главный операционный директор Альфа-Банка Мария Шевченко отметила: «Наш новый сотрудник с искусственным интеллектом уже успел себя зарекомендовать. Помимо режима работы «24х7», он существенно сократил трудозатраты на достаточно «рутинный» функционал, также позволил более чем в 50 раз увеличить скорость ответов на внутренние консультационные запросы сотрудников, тем самым повысив качество обслуживания и клиентов банка» [15].
В процессе создания миварных виртуальных консультантов была выявлена проблема создания различных алгоритмов ведения диалога виртуального консультанта с пользователем. Нужно понимать, что «диалог» - это устная или письменная форма речи, состоящая из обмена высказываниями, языковой состав которых зависит от тематики общения и смыслового окраса. Грамотное ведение диалога является неотъемлемой частью работы виртуального консультанта, в отличие от вопросно-ответных систем, особенно с учетом того, что миварный виртуальный консультант по сути представляет собой экспертную систему с текстовым интерфейсом общения. В процессе исследования алгоритмов для ведения диалога виртуального консультанта с пользователем, необходимо типизировать вопросы от пользователя. Классификация вопросов является сложным аналитическим процессом, в результате которого возникают критерии для определения типа вопроса. Важно отметить, что весь проект был реализован за 5 месяцев по 23 тематическим направлениям, которые в целом включали в себя более 35 тысяч различных вопросов. Миварная база знаний консультанта создавалась в адаптивном режиме с уточнениями каждые 2 недели, а именно использовались гибкие методы разработки Scrum & Agile. Дополнительным преимуществом применения гибких методов управления разработкой является возможность в минимальные сроки (от 2 месяцев) реализовать доступ пользователей к системе с MVP-функциональностью для использования в решении бизнес-задач, а также тестирования на целевой аудитории (пользователях) для выявления аспектов улучшения.
Фактически, в Альфе-Банке вся база знаний была создана за 3 месяца усилиями 5 анали-тиков-когнитологов, что говорит о возможности создания практически полезных экспертных
систем в достаточно сжатые сроки. Но важным условием является заранее созданные и материализованные формализованные знания: факты и правила, хотя бы в виде текстовых файлов. В данном проекте эти условия были соблюдены, при этом представители заказчика оказывали активную помощь и поддержку команде разработки проекта, в результате проект является успешным.
Выводы
Впервые показана возможность практической реализации миварного виртуального текстового консультанта для внутреннего консалтинга в банковской сфере. Миварные экспертные системы позволили на качественно новом уровне создавать системы понимания естественного языка, востребованные бизнесом и относящие к категории «чат-ботов». Новизна технологии заключается в использовании новой модификации диалогового логического искусственного интеллекта, что позволяет реализовать более высокую скорость обучения и ответа при увеличении точности и естественности диалога человека и виртуального консультанта.
Также стоит отметить, что миварный подход применим не только в проектировании систем понимания естественного языка, его концепции могут быть использованы и в других различных отраслях и сферах. Например, для создания автономных роботов [16-19], беспилотных автомобилей [20], систем контроля за соблюдением правил дорожного движения [21], систем анализа дорожно-транспортных происшествий [22-29], а также для измерения степени интеллектуальности различных киберфизических систем [30]. Более того, созданные программные реализации логического вывода [31-32], позволили переходить на сверх-интеллектуальном -социальном уровне [33] к разработке моделей этики для роботов [34] и созданию сложных интеллектуальных экспертных систем [35]. Для всех разнообразных применений миваров необходимы системы общения пользователя с компьютерами, следовательно, создание виртуальных консультантов [9, 36] является актуальной научной задачей.
Литература
1. Адамова Л.Е., Варламов О.О., Тоноян С.А. Результаты применения миварного подхода к пониманию смысла русских текстов // Кабардино-Балкарский научный центр Российской академии наук. 2017. №. 6-2 (80). С. 13-20.
2. Варламов О.О. Эволюционные базы данных и знаний для адаптивного синтеза интеллектуальных систем. Миварное информационное пространство. М.: Радио и связь, 2002. 286 с.
3. Патент РФ 2607995. Автоматизированное построение маршрута логического вывода в миварной базе знаний / Варламов О.О., Хадиев А.М., Чибирова М.О., Сергушин Г.С., Антонов П.Д. Опубл. 11.01.2017.
4. Варламов О.О. Формализация термина «понимание смысла текста» на основе миварных технологий и концепции «вещь-свойство-отношение» // Радиопромышленность. 2015. №3. С. 144-159.
5. Varlamov O.O., Adamova L.E., Eliseev D.V., Mayboroda Yu.I., Antonov P.D., Sergushin G.S., Chibirova M.O. Mivar thechnologies in mathematical modeling of natural language, images and human speech understanding // International Journal of Advanced Studies. 2013. Vol. 3. No 3. Pp. 17-23.
6. Варламов О.О., Адамова Л.Е., Елисеев Д.В., Майборода Ю.И., Антонов П.Д., Сергушин Г.С., Чибирова М.О. Комплексное моделирование процессов понимания компьютерами смысла текстов, речи и образов на основе миварных технологий // Искусственный интеллект. 2013. № 4 (62). С. 15-27.
7. Чувиков Д.А. Разработка электронного образовательного ресурса (ЭОР) «МИВАР». «МИВАР» логический искусственный интеллект. Саарбрюкен, Германия: LAP LAMBERT Academic Publishing Gmbh & Co. KG, 2015. 65 с. ISBN: 978-3-659-33033-9.
8. Варламов О.О. Линейный матричный метод определения маршрута логического вывода на адаптивной сети правил // Известия высших учебных заведений. Электроника. 2002. № 6. С. 48-53.
9. Адамова Л.Е., Белоусова А.И., Протопопова Д.А., Чувиков Д.А., Варламов О.О. Об одном подходе к созданию миварного виртуального консультанта // Труды Конгресса «IS&IT>15». Т. 1. 2015. С. 187-191.
10. Адамова Л.Е., Протопопова Д.А. МИСОТ — основа для создания виртуальных консультантов // Труды Конгресса «IS&IT>16». 2016. Т. 1. С. 326-329.
11. Чувиков Д.А., Юрчик П.Ф., Москалёв А.Г., Голубкова В.Б. Оценка применимости трехмерных игровых ядер для создания систем дистанционного обучения // Промышленные АСУ и контроллеры. 2015. № 10. С. 14-23.
12. Чувиков Д.А. Разработка игрового виртуального симулятора. М.: БИБЛИО-ГЛОБУС, 2017. 164 с.
13. Chuvikov D.A., Nazarov K.V. Designing algorithms for solving physics problems on the basis of mivar approach. International Journal of Advanced Studies. 2016. Vol. 6. No. 3. Pp. 31-50.
14. Чувиков Д.А., Назаров К.В. Автоматическое конструирование алгоритмов решения задач по физике в программной среде КЭСМИ // Труды Конгресса «IS&IT>16». 2016. Т. 2. С. 38-41.
15. Альфа-Банк. Альфа-Банк первый в России банк, внедривший интеллектуальный чат-бот во внутренние бизнес-процессы. URL: https://alfabank.rU/retail/2018/3/14/43512.html (дата обращения: 12.10.2018).
16. Варламов О.О. Перспективы создания миварных систем управления для автономных интеллектуальных роботов // Радиопромышленность. 2015. № 3. С. 210-225.
17. Варламов О.О., Лазарев В.М., Чувиков Д.А., Джха П. О перспективах создания автономных интеллектуальных роботов на основе миварных технологий // Радиопромышленность. 2016. № 4. С.96-105.
18. Варламов О.О., Ападин Д.В., Сараев Д.В., Адамова Л.Е., Пунам Д., Тоноян С.А. О возможности создания систем принятия решений для автономных роботов на основе миварных экспертных систем, обрабатывающих более 1 млн продукционных правил // Известия Кабардино-Балкарского научного центра РАН. 2017. № 6-2 (80). С. 54-61.
19. Коваленко А.А., Ападин Д.В. О системе адаптивного управления движением мобильными роботизированными устройствами // Труды Конгресса «IS&IT>17». Т. 1. 2017. С. 213-218.
20. Shadrin S.S., Varlamov O.O., Ivanov A.M. Experimental autonomous road vehicle with logical artificial intelligence // Journal of Advanced Transportation. 2017. Vol. 2017. 10 p. DOI: 10.1155/2017/2492765
21. Варламов О.О., Аладин Д.В. О создании миварных систем контроля за соблюдением правил дорожного движения на основе «Разуматоров» и экспертных систем // Радиопромышленность. 2018. № 2. С. 25-35.
22. Чувиков Д.А. Модели и алгоритмы реконструкции и экспертизы аварийных событий дорожно-транспортных происшествий: дис. ... канд. тех. наук. М., 2017. 318 с.
23. Чувиков Д.А. Модели и алгоритмы реконструкции и экспертизы аварийных событий дорожно-транспортных происшествий: автореф. ... канд. тех.. наук. М., 2017. 24 с.
24. Чувиков Д.А. Модели реконструкции и экспертизы ДТП в формализме базы знаний двудольных ориентированных миварных сетей // Труды Конгресса по интеллектуальным системам и информационным технологиям. «IS&IT>17». 2017. Т. 1. С. 308-313.
25. Чувиков Д.А. О методике объединения миварной экспертной системы и системы имитационного моделирования для решения класса задач реконструкции и экспертизы аварийных событий ДТП // Труды Конгресса по интеллектуальным системам и информационным технологиям. «IS&IT>18»T. 1.2018.С. 364-372.
26. Чувиков Д.А. Об экспертной системе «Анализ ДТП», основанной на концепции миварного подхода // Проблемы искусственного интеллекта. 2017. № 2 (5). С. 78-88.
27. Чувиков Д.А. Использование экспертной системы «Анализ ДТП» и системы имитационного моделирования Virtual CRASH 3.0 для решения задач, поставленных перед экспертно-криминалистическим центром // Промышленные АСУ и контроллеры. 2017 № 5. С. 23-34.
28. Чувиков Д.А. Использование экспертно-имитационного подхода в решении задач анализа ДТП // Автоматизация и управление в технических системах. 2017. № 2. URL: auts.esrae.ru/23-442 (дата обращения: 12.10.2018).
29. Чувиков Д.А. Миварные модели реконструкции и экспертизы ДТП // Интеллектуальные технологии и проблемы математического моделирования. Тезисы докладов. 2018. С. 5-6.
30. Варламов О.О. О метрике автономности и интеллектуальности робототехнических комплексов и кибер-физических систем // Радиопромышленность. 2018. № 1. С. 74-86.
31. Варламов О.О., Антонов П.Д., Чибирова М.О., Хадиев А.М., Сергушин Г.С. Мивар: машино-реализуе-мый способ автоматизированного построения маршрута логического вывода в базе знаний // Радиопромышленность. 2015. № 3. С. 28-43.
32. Елисеев Д.В., Сергушин Г.С., Хадиев А.М., Чувиков Д.А. Развитие алгоритма миварной машины логического вывода // Теоретические и прикладные проблемы развития и совершенствования автоматизированных систем управления военного назначения. Тезисы докладов II Всероссийской научно-технической конференции. 2015. С. 97.
33. Варламов О.О. Миварный подход как основа качественного перехода на новый уровень в области искусственного интеллекта // Радиопромышленность. 2017. № 4. С. 13-25.
34. Варламов О.О. О необходимости разработки моделей этики для робототехнических систем // Информация и образование: границы коммуникаций. 2018. № 10 (18). С. 95-97.
35. Варламов О.О., Санду Р.А., Владимиров А.Н., Носов А.В., Оверчук М.Л. Миварный подход к созданию мультипредметных активныхэкспертных систем в целях обучения информационной безопасности и управления инновационными ресурсами в образовании // Известия ЮФУ. Технические науки. 2010. № 11. С. 226-232.
36. Чувиков Д.А., Варламов О.О., Адамова Л.Е., Осипов В.Г. Миварный виртуальный консультант для внутреннего консалтинга в банковской сфере // Труды Конгресса по интеллектуальным системам и информационным технологиям. «IS&IT>18». 2018. Т. 1. С. 342-345.
THE ROLE OF THE EXPERT SYSTEM WITH TEXTUAL NATURAL LANGUAGE INTERFACE OF COMMUNICATION IN IMPROVING THE EFFICIENCY OF THE BANKING SECTOR
Dmitry Alexeevich Chuvikov,
Moscow, Russia, d.chuvikov@mivar.ru
ABSTRACT
In the work the essence of the problems of understanding the meaning of the text by artificial intelligence systems was analyzed. The main limitations of artificial intelligence systems understanding of meaning were determined, such as: impossibility to work with the context, taking into account the ambiguity of natural language, the computer can not always understand and take into account the language environment. Also in the work the basic needs that served as an impetus for the creation of a system that understands the request in natural language were identified. Such as: the need for knowledge management, the need to maintain competencies, the need to improve service efficiency, the need for high speed and accuracy of response and the need for innovation. Also, in the work a number of common problems that require automation of processes in the banking sector were formed. In the work, the study shows the comparative characteristics of quality (reliability) the answer of the main technologies for the creation of chat bots were carried out. Such as: neural networks, computer linguistics and logical artificial intelligence. In the work the advantages of using the mivar approach in understanding the meaning of texts written in Russian were considered. The mivar approach to the formal representation of the term "text meaning understanding" is based on working with multidimensional graphs and working with uncertainties and collisions in different contexts. Concepts of one word correspond to different contexts. Complete meaning understanding is achieved when each word is disambiguated and only one concept is defined. Moreover, all the obtained concepts of each notional text fragment should refer to one context. In the work the general structural scheme of the virtual consultant, as well as the prospects for the use of a virtual consultant in the banking sector was presented. It is established that the Bank spends a lot of resources on training a competent employee. The mivar technology of the virtual consultant allowed to fully automate the training of new employees of the Bank. As an approbation of the technology, an example of introducing a mivar virtual consultant into the internal business processes of one of the largest banks in Russia - Alfa-Bank, was considered.
bywords:
mivar approach; artificial intelligence; chatbot; virtual consultant; banking sector; bank; training.
References
1. Adamova L.E., Varlamov O.O., Tonoyan S.A. Rezul'taty' primeneniya mivarnogo podxoda k ponimaniyu smy'sia russkix tekstov [Using results of mivar approach to russian texts' meaning understanding. Izvestija] Kabardino-balkarskogo nauchnogo centra RAN [News of the Kabardino-balkar research center of the RAS] 2017. No.6-2. T. 80. Pp. 13-20. (In Russian)
2. Varlamov O.O. Evolutionary data and knowledge bases for adaptive synthesis of intelligent systems. Mivar information space. [Evolutionary databases and knowledge for adaptive synthesis of intelligent systems. The Mivar information space]. Moscow: Radio & Communication. 2002. 286 p. (In Russian)
3. Patent RF 2607995. Avtomatizirovannoe postroenie marshruta logicheskogo vy'voda v mivarnoTbaze znaniT [Automated building route of inference in mivar's knowledge base]. Varlamov O.O., Hadiev A.M., Chibirova M.O., Sergushin G.S., Antonov P.D. Published 10.06.2017. (In Russian)
4. Varlamov O.O. Formalization of term "text meaning understanding" on the basis of mivar technologies and the concept "thing-propery-relation". Radio industry. 2015. No.3. Pp. 144-159. (In Russian)
5. Varlamov O.O., Adamova L.E., Eliseev D.V., Mayboroda Yu.I., Antonov P.D., Sergushin G.S., Chibirova M.O. Mivar thechnologies in mathematical modeling of natural language, images and human speech understanding. International Journal of Advanced Studies. 2013. T. 3. No.3. Pp. 17-23.
6. Varlamov O.O., Adamova L.E., Eliseev D.V., Maiboroda Y.I., Antonov P.D., Sergushin G.S., Chibirova M.O. Comprehensive computer modeling of understanding of texts, images and speech based on mivar. Artificial intelligence. 2013. T. 62. No.4. Pp. 15-27. (In Russian)
7. Chuvikov D.A. Razrabotka elektronnogo obrazovate-lnogo resursa (EOR) "MIVAR". "MIVAR" -logicheskij is-kusstvennyj intellekt [Development of electronic educational resources (EER) "MIVAR". "MIVAR" - logical AI], Saarbrucken, Germany: LAP LAMBERT Academic Publishing Gmbh & Co. KG, 2015. 65 p. (In Russian)
8. Varlamov O.O. Linear matrix method for determining the route of logical inference on an adaptive network of rules. Izvestija vysshih uchebnyh zavedenij. Jelektronika [News of higher educational institutions. Electronics]. 2002. No.6. Pp. 48-53. (In Russian)
9. Adamova L.E., Belousova A.I., Protopopova D.A., Chuvikov D.A., Varlamov O.O. An approach to the creation mivar virtual consultant. Proceedings of the congress on intelligent systems and information
technologies. "IS&IT15". 2015. Vol. 1. Pp. 187-191. (In Russian)
10. Adamova L.E., Protopopova D.A. MiSOT as a basis for virtual consultants constructing. Proceedings of the congress on intelligent systems and information technologies. "IS&IT16". 2016. Vol. 1. Pp. 326-329. (In Russian)
11. Chuvikov D.A., Yurchik P.F., Moskalev A.G., Golubkova V.B. Estimation of Applicability of the 3d Game Engines for Use in Distant Learning Systems. Industrial Automatic Control Systems and Controllers. 2015. No. 10. Pp. 14-23. (In Russian)
12. Chuvikov D.A. Razrabotka igrovogo virtual'nogo simuljatora [Development of the virtual game simulator]. Moscow: BIBLIO-GLOBUS, 2017. 164 p. (In Russian)
13. Chuvikov D.A., Nazarov K.V. Designing algorithms for solving physics problems on the basis of mivar approach. International Journal of Advanced Studies. 2016. Vol. 6. No. 3. Pp. 31-50.
14. Chuvikov D.A., Nazarov K.V. Automatic construction of physical problems solution algorithms using software "Wi!Mi". Proceedings of the congress on intelligent systems and information technologies. "IS&IT'16". 2016. Vol. 2. Pp. 38-41. (In Russian)
15. Alfa-Bank. Alfa-Bank is the first Bank in Russia to introduce an intelligent chatbot into internal business processes. URL: https://alfabank.ru/retail/2018/3m/43512.html (accessed: 12.10.2018). (In Russian).
16. Varlamov O.O. Prospects of developing mivar management systems for autonomous intelligent robots. Radio industry. 2015. No. 3. Pp. 210-225. (In Russian)
17. Varlamov O.O., Lazarev V.M., Chuvikov D.A., Jha Punam. On prospects for design of standalone smart robots based on mivar technologies. Radio industry. 2016. No. 4. Pp. 96-105. (In Russian)
18. Varlamov O.O., Aladin D.V., Saraev D.V., Adamova L.E., Punam Jha, Tonoyan S.A. About the possibility of creating decision-making systems for autonomous robots on the basis of mivar expert systems processing more than 1 mln production rules/s. Izvestija Kabardino-balkarskogo nauchnogo centra RAN [News of the Kabardino-balkar research center of the RAS] 2017. No.6-2. T. 80. Pp. 54-61. (In Russian)
19. Kovalenko A.A., Aladin D.V. About system of adaptive motion control of mobile robotic devices. Proceedings of the congress on intelligent systems and information technologies. "IS&IT17". 2017. T. 1. Pp. 213-218. (In Russian)
20. Shadrin S.S., Varlamov O.O., Ivanov A.M. 'Eksperimental'noe avtonomnoe dorozhnoe transportnoe sredstvo s logicheskim iskusstvennym intellektom [Experimental autonomous road vehicle with logical artificial intelligence]. Journal ofAdvanced Transportation. 2017. Vol. 2017. 10 p. DOI: 10.1155/2017/2492765
21. Varlamov O.O., Aladin D.V. O sozdanii mivar sistem upravleniya dlya kontrolya hraneniya pravil dvizheniya na osnove logicheskogo yadra (razumator) i 'ekspertnyh sistem [About the creation of mivar control systems for monitoring the keeping of traffic rules on the basis of logical kernel (razumator) and expert systems]. Radio industry. 2018. No.2. Pp. 25-35. (In Russian)
22. Chuvikov D.A. Modeli i algoritmy rekonstrukcii i ehkspertizy avariynyh sobytiy dorozhno-transportnyh proisshestviy [Models and algorithms of reconstruction and examination of emergency events of road accidents]: Abstract of PhD Thesis, Moscow. 2017. 318 p. (In Russian)
23. Chuvikov D.A. Modeli i algoritmy rekonstrukcii i ehkspertizy avariynyh sobytiy dorozhno-transportnyh proisshestviy [Models and algorithms of reconstruction and examination of emergency events of road accidents]: PhD Thesis, Moscow. 2017. 24 p. (In Russian)
24. Chuvikov D.A. Models of reconstruction and examination of MVA in a formalism of the knowledge base of the bipartite focused mivar networks. Proceedings of the congress on intelligent systems and information technologies. "IS&IT'17". 2017. T.1. Pp. 308-313. (In Russian)
25. Chuvikov D.A. About the methodology of combining the mivar expert system and simulation system for solving the class of problems of reconstruction and expertise of MVA. Proceedings of the congress on intelligent systems and information technologies. "IS&IT18". 2018. T.1. Pp. 364-372. (In Russian)
26. Chuvikov D A About the expert system "Analysis MVA", based on the concept of the mivar approach. Problems of artificial intelligence. 2017. No.2. Pp. 78-88 (In Russian)
27. Chuvikov D.A. The use of expert system "Analysis MVA" and simulation system Virtual Crash 3.0 for solving tasks of criminal expertise centre. Industrial automatic control systems and controllers. 2017. No.5. Pp. 23-34. (In Russian)
28. Chuvikov D.A. The use of expert-simulation approach to solving tasks of analysis of MVA. Automation and control in technical systems 2017. No.2. URL: hauts.esrae.ru/23-442 (accessed: 12.10.2018). (In Russian).
29. Chuvikov D.A. Mivar model reconstruction and examination MVA. Intellektual'nye tehnologii i problemy matematicheskogo modelirovanija [Intellectual technologies and problems of mathematical modeling]. Thesis of reports. 2018. Pp. 5-6. (In Russian).
30. Varlamov O.O. About metrics of self-sufficiency and intelligence of robotic complexes and cyberphysical systems. Radio industry. 2018. No.1. Pp. 74-86. (In Russian)
31. Varlamov O., Antonov P., Cibirova M., Khadiev A., Sergushin G. MIVAR: machine-implemented method for automated construction of logical inference path in the knowledge base. Radio industry. 2015. No.3. Pp 28-43. (In Russian)
32. Eliseev D.V., Sergushin G.S., Hadiev A.M., Chuvikov D.A. The algorithm development mivar machine inference. Teoreticheskie i prikladnye problemy razvitija i sovershenstvovanija avtomatizirovannyh sistem upravlenija voennogo naznachenija. Tezisy dokladov II Vserossijskoj nauchno-tehnicheskoj konferencii [Theoretical and applied problems of development and improvement of automated control systems for military purposes. Abstracts of the II All-Russian scientific and technical conference]. 2015. P. 97.
33. Varlamov O.O. The mivar approach as a basis for a qualitative transition to a new level in the field of artificial intelligence. Radio industry. 2017. No.4. Pp. 13-25. (In Russian)
34. Varlamov O.O. On the necessity of developing models of ethics for robotic systems. Informacija i obrazovanie: granicy kommunikacij [Information and education: borders of communications]. 201S. No.10 Vol.1S. Pp. 95-97.
35. Varlamov O.O., Sandu R.A., Vladimirov A.N., Nosov A.V., Overchuk M.L. Mivar approach to creation multipredmetnyh active expert systems for teaching information security and management innovative resources in education. Izvestiya SFedU. Engineering Sciences. 2010. No.11. Pp. 226-232.
36. Chuvikov D.A., Varlamov O.O., Adamova L.E., Osipov V.G. Mivar virtual consultant for internal banking consulting. Proceedings of the congress on intelligent systems and information technologies. 201S. Vol. 1. Pp. 342-345. (In Russian)
Information about author:
Chuvikov Dmitry Alexeevich, PhD, Chief of Department of AI Advanced Research in SRI "MIVAR".
