L'utilizzo del termine “chatbot” sta diventando, di giorno in giorno, più frequente. Dal 2016, sentiamo, sempre più spesso, parlare di “agenti conversazionali automatizzati” a motivo della loro frequente applicazione nel campo del marketing e del customer support.
Diffusione dei chatbot: un mercato in rapida ascesa
La rilevanza dell'argomento “chatbot” non si riscontra soltanto nei volumi di ricerca, desumibili da strumenti di analisi come Google Trends, ma anche nel numero di installazioni. Solo Messenger ne conta oltre 300.000. Inoltre, secondo autorevoli ricerche, il valore del mercato dei chatbot, ammontante, ad oggi, a 2,6 miliardi di dollari, subirà un'impennata stimata al 29,7% nei prossimi 4 anni, fino a raggiungere i 9,4 miliardi nel 2024 (per approfondimenti, vi consigliamo l'interessante articolo pubblicato sul portale market.businessinsider.com).
Per chi, tuttavia, non avesse ancora chiaro di cosa stiamo parlando, vogliamo precisare che un chatbot evoluto consiste in un sistema basato su Intelligenza Artificiale in grado di interagire con utenti e/o clienti attraverso risposte e messaggi (testuali o vocali) con l'obiettivo di risultare più naturale, specifico e pertinente possibile rispetto alle domande che gli vengono rivolte.
Il termine “bot” (diminutivo di robot) ed il verbo inglese “to chat” (chiaccherare) ne rivelano, già terminologicamente, la natura di sistema di interazione automatizzato che, attraverso un linguaggio naturale quanto più prossimo a quello umano, si pone l'obiettivo di porre in comunicazione macchine ed utenti in una struttura conversazionale di domande e risposte “dinamiche”, “pertinenti” e “soddisfacenti”.
I dati che attestano il suo crescente utilizzo dipendono, primariamente, da due ordini di motivi. Da un lato, le App di messaggistica istantanea fornita dalla maggior parte dei social network hanno reso la comunicazione testuale il medium e la forma d'interazione predominante tra le persone. Dall'altro, l'introduzione del chatbot si è rivelato uno strumento di Marketing e, più precisamente, di Customer Relationship Management (CRM) decisivo nell'intercettare i bisogni di un mercato sempre più personale e “inbound” [ n.d.r. modalità di marketing centrate sull'essere trovati da potenziali clienti (outside-in) che differiscono dalle modalità di outbound marketing (inside-out) imperniate sulla produzione di messaggi diretti ai clienti ].
Vantaggi per utenti ed aziende
L'introduzione del chatbot come nuovo strumento della strategia di comunicazione e di marketing possiede l'evidente vantaggio di comprimere i costi per i servizi di supporto e assistenza. Inoltre, con lo slittamento della focalizzazione delle attività di Marketing dal Prodotto al Cliente, i chatbot si sono dimostrati efficaci strumenti di supporto in real time, 24 ore su 24, 7 giorni su 7, nei confronti della clientela sia attuale che potenziale.
Da ciò, si comprende come la sfida per i chatbot del futuro sia quella di perfezionare la “pertinenza”, l'“efficacia”, la “naturalezza” e, oseremo dire, l'“intelligenza” delle risposte fornite agli utenti, con l'obiettivo di rendere sempre meno percepibile la differenza con le conversazioni gestite da operatori umani.
Compreso meglio l'oggetto e l'importanza dell'argomento “Chatbot”, andiamo ad analizzare le ultime evoluzioni di questa tecnologia che hanno occupato la cronaca di settore negli ultimi giorni.
La ricerca di Google: Meena, un nuovo chatbot evoluto
Lo scorso 27 Gennaio, infatti, Google ha pubblicato un paper a carattere scientifico intitolato "Towards a Human-like Open-Domain Chatbot" ), nel quale ha annunciato l'introduzione di una nuova tipologia di chatbot, denominata “Meena”, sviluppata su un'architettura introdotta lo scorso anno chiamata “Envolved Transformer architecture” (o, brevemente, ET) più evoluta, come dice la definizione stessa, delle architetture di reti neurali tradizionali di tipo “Transformer”.
Molto brevemente, potremmo definire Meena come un modello di conversazione neurale end-to-end che impara a rispondere in modo sensibile ad un determinato contesto di conversazione.
I risultati comunicati nel documento mostrano la portata potenzialmente rivoluzionaria del nuovo prodotto che si annuncia in grado di avvicinare la competenza linguistica dell'IA agli standard del linguaggio umano.
A differenza della maggior parte delle attuali tecnologie, Meena è, infatti, strutturato come un chatbot a "dominio aperto" (dove, per dominio, si intende l'ambito all'interno del quale il sistema può efficacemente operare), possedendo la sostanziale differenza, rispetto ai chatbot a "dominio chiuso", di non avere limitazioni e specializzazioni che ne restringono il campo di efficacia solo all'interno di ambiti e topic (domini) specifici e predefiniti.
I sistemi a "dominio aperto" - come Meena – sono, quindi, “non specializzati” trattandosi di agenti in grado di elaborare risposte pertinenti e significative qualunque sia l'input immesso dall'utente. Il risultato è la generazione di un tipo di conversazione molto più prossima a quella “uomo-uomo” che a quella “uomo-macchina” anche spaziando tra contesti conversazionali semanticamente differenti ed afferenti ad argomenti diversi anche molto lontani tra loro.
Come valutare la qualità di un chatbot
Cerchiamo, ora, di capire meglio quali siano i criteri di valutazione di un chatbot, ovvero, sulla base di quali parametri sia possibile definire più o meno “umana” una conversazione.
Il primo a porsi questa domanda fu il matematico e filosofo britannico Alan Turing che ideò un sistema che aveva l'obiettivo di identificare se un interlocutore, al quale vengano poste delle domande, sia un software o una persona umana (per chi voglia approfondire la figura e l'opera del matematico Turing, può farlo qui).
La versione standard del test di Turing è stata superata, per la prima volta, nel 2014 quando, in un esperimento svoltosi alla Royal Society di Londra, il conversatore artificiale “Eugene Goostman”, sviluppato dai programmatori Veselov, Ulasen e Demchenko, è riuscito a convincere il 33% dei giudici (superando, quindi, la soglia minima del 30%), di essere un 13 enne ucraino.
Nel caso di Meena, Google ha utilizzato una metrica di valutazione denominata "Sensibleness & Specificit Average" (SSA) che consiste in una media di indicatori binari in grado di identificare quando una risposta possa ritenersi: a) Sensata e ragionevole; b) Specifica (ovvero, non generica).
I risultati
Sulla base di questo parametro, ecco i risultati pubblicati sul Blog ufficiale di Google (per ogni chatbot, sono state osservate tra 1600 e 2400 comunicazioni individuali in circa 100 conversazioni totali).
Meena si posiziona solamente ad un 7% di distanza dai risultati applicati ad un essere umano, con una percentuale sostanzialmente superiore a quella di altri chatbot esistenti compreso il famoso Mitsuku, creato da Steve Worswick e 5 volte vincitore del Premio Loebner nel 2013 e dal 2016 al 2019 (competizione annuale di intelligenza artificiale che assegna premi ai software ritenuti più simili all'uomo sulla base di un test di Turing standard).
Se un essere umano ha raggiunto l'86% di ragionevolezza e specificità nelle sue risposte, Meena ha ottenuto un ragguardevole 79% che stacca gli altri chatbot "open-domain" competitor che hanno ottenuto i seguenti risultati: Mitsuku 56%, Cleverbot 56%, Dialo GPT 48%, Xiaolce 31%.
Per raggiungere questi livelli di significatività e pertinenza, Meena è stata addestrata su un bacino di input e risposte, pari a ben 341 GB di testo, raccolti da conversazioni pubbliche sui social network, richiamate ed attivate da un modello neurale contente 2.6 miliardi di parametri.
Un evidente salto di qualità, quindi, anche se la strada per costruire chatbot possano emulare perfettamente i comportamenti degli esseri umani in termini di competenza e versatilità è ancora lunga.
Una delle scoperte più interessanti della ricerca è stata, inoltre, l'aver rintracciato un elevato livello di correlazione tra la metrica SSA e la cosiddetta “Perplexity” (perplessità), il noto indicatore di prestazioni utilizzato nella Teoria dell'Informazione per valutare i modelli NLU (Natural Language Understanding) confrontando le capacità previsionali di questi ultimi. Una bassa “perplessità” indica che la distribuzione della probabilità è efficace nel prevedere il campione. In altre parole, quanto più il sistema raggiunge livelli di risposte ragionevoli e specifiche, tanto più è elevata la probabilità di fornire, successivamente, risposte efficaci.
Il sistema di Intelligenza Artificiale di Meena è stato proprio addestrato a minimizzare i valori di Perplessità, ovvero, l'incertezza di prevedere il token successivo (in questo caso, la parola seguente all'interno di una conversazione).
Tecnicamente, Google ha scoperto che, implementando un decodificatore più potente (decoder formato da 13 blocchi ET [Transformer Evoluto]), migliorava la qualità della conversazione, dimostrando, in tal modo, che le “dimensioni” sono rilevanti e che modelli end-to-end di grandi dimensioni possono raggiungere prestazioni simili a quelle umane nelle interazioni conversazionali.
Prospettive future
Nello studio citato, la stessa Google ha sottolineato la necessità, in futuro, di integrare la "Sensibleness & Specificit Average" con altri attributi linguistici quali, ad esempio, la “Personality” (personalità) e la “Factuality” (fattualità). Rimane indubbio, comunque, l'avvicinamento di Meena verso caratteristiche interazionali prettamente umane quali la pertinenza e la sensatezza delle risposte.
Google non ha ancora dichiarato la data di rilascio ufficiale della demo di ricerca affermando che sono in corso valutazione i rischi e i benefici associati all'esternalizzazione del modello.
In ogni caso, non abbiamo dubbi sul fatto che il sentiero è ormai tracciato e che i progressi nell'ambito dell'Artificial Intelligence applicati agli agenti conversazionali, saranno, nei prossimi anni, caratterizzati da una progressione di tipo esponenziale conducendo non solo a nuovi e più evoluti progetti di ricerca, ma anche a rivoluzionarie applicazioni nell'ambito del marketing e del customer support.