☁️AWS Machine Learning Blog•較早收集於 2m
透過 Amazon Lex Assisted NLU 提升機器人準確度
💡學習如何轉型至 Assisted NLU，顯著提升 Amazon Lex 機器人的意圖識別準確度。
⚡ 30-Second TL;DR
有什麼變化
優化意圖與槽位定義以提升 NLU 效能
為什麼重要
協助開發者透過更佳的意圖識別，減少機器人錯誤並提升使用者體驗。
下一步行動
檢查您目前機器人的意圖描述，並透過 Test Workbench 執行測試以找出準確度缺口。
誰應關注：Developers & AI Engineers
關鍵要點
- •優化意圖與槽位定義以提升 NLU 效能
- •使用 Test Workbench 驗證機器人設計變更
- •規劃從傳統 NLU 轉型至 Assisted NLU 的結構化路徑
🧠 深度解析
Web-grounded analysis with 18 cited sources.
🔑 增強重點摘要
- •Amazon Lex Assisted NLU 利用大型語言模型 (LLM) 來增強意圖分類和槽位解析能力，即使面對複雜或冗長的語句、拼寫錯誤，也能提高準確性，並能從冗長的輸入中提取資訊，且所需訓練資料量極少。
- •Assisted NLU 提供兩種操作模式：主要模式 (Primary mode)，其中 LLM 作為處理使用者輸入以確定意圖和填充槽位的首選方式；以及備用模式 (Fallback mode)，當傳統 NLU 模型信心分數較低時，才將前十個候選意圖發送給 LLM 進行解析。
- •此功能支援多種語言，包括英語、西班牙語、葡萄牙語、加泰羅尼亞語、法語、義大利語和德語，擴展了其應用範圍。
- •Test Workbench 能夠從對話日誌中自動生成測試資料集，並提供語音轉錄、意圖識別和槽位解析的詳細指標，有助於識別需要改進的機器人設計領域。
- •為更好地引導 LLM，意圖的描述欄位已擴展至 2,000 個字元，允許開發者提供更豐富的自然語言描述。
📊 競品分析▸ Show
| 功能/方面 | Amazon Lex (Assisted NLU) | Google Dialogflow CX | Microsoft Azure Bot Service (LUIS) | Rasa |
|---|---|---|---|---|
| NLU 方法 | 結合傳統 NLU 與 LLM (透過 Amazon Bedrock) 增強意圖分類和槽位解析。 | 利用 Google 先進的 AI 和機器學習模型，提供複雜的對話體驗。 | 作為 Azure 雲服務的一部分，提供語言理解智能服務 (LUIS)。 | 開源，允許在本地部署，提供高度靈活性以自訂機器學習策略。 |
| 開發體驗 | 提供直觀的控制台和視覺化對話建構器，支援無程式碼環境。 | 以其視覺化建構器聞名，特別適用於複雜、多分支的對話流程。 | 整合於 Azure 生態系統，適合內部企業機器人開發。 | 提供「專業程式碼」靈活性，允許開發者編寫自訂機器學習策略。 |
| 部署選項 | 完全託管的雲服務，與 AWS 服務深度整合。 | 雲端服務，與 Google Cloud Functions 和 BigQuery 整合。 | 雲端服務，作為 Azure 的一部分。 | 支援本地部署，適用於需要資料主權或氣隙資料中心的場景。 |
| 主要優勢 | 易於整合 AWS 生態系統，LLM 輔助 NLU 提高準確性，降低對大量訓練資料的需求。 | 強大的視覺化流程設計，適用於大型客戶服務中心處理複雜對話。 | 適合已在 Microsoft 生態系統中的企業，特別是內部員工機器人。 | 提供完全的資料主權和高度客製化能力，適合高度監管行業。 |
| 語音互動 | 透過 ASR 和 NLU 處理語音輸入，但可能存在 1-2 秒的「尷尬停頓」。 | 結合 Google 的先進自然語言處理與聯絡中心功能。 | 支援多種語言，但 SDK 數量有限。 | 允許自訂機器學習策略以處理對話歧義。 |
🛠️ 技術深入
- Amazon Lex Assisted NLU 透過調用 Amazon Bedrock 模型來實現其 LLM 輔助功能，以幫助分類意圖和解析槽位類型。
- 當傳統 NLU 模型對使用者輸入的信心分數低於預設值 (0.4，可配置範圍為 0 到 1) 時，Assisted NLU 會將前十個候選意圖發送給 LLM 進行解析。
- LLM 根據意圖名稱和自然語言描述來識別正確的意圖並從客戶語句中提取槽位。
- 意圖的描述欄位已擴展至 2,000 個字元，以允許開發者提供更詳細的上下文資訊，從而更好地指導 LLM。
- Amazon Lex V2 的 NLU 系統將使用者語句嵌入向量（數字表示），並將其與所有意圖的向量進行比較，選擇具有最高信心分數的意圖。信心分數是透過對原始模型輸出（logits）進行 Softmax 計算得出的。
- NLU 是自然語言處理 (NLP) 的一個子領域，專注於解釋人類語言的意義、意圖和上下文，包括意圖檢測、實體提取、情感分析、共指解析和對話狀態追蹤。現代 NLU 系統採用基於 Transformer 的模型架構。
🔮 前景展望AI analysis grounded in cited sources
對話式 AI 的開發將變得更加普及，非開發人員也能參與其中。
Assisted NLU 和視覺化建構工具減少了對深度技術專業知識的需求，使更多使用者能夠設計複雜的機器人。
聊天機器人的準確性和彈性將顯著提高，尤其是在處理複雜或模糊的使用者輸入方面。
LLM 輔助的 NLU 能夠更好地解釋冗長語句、處理拼寫錯誤，並從冗長的輸入中提取資訊，從而實現更自然的互動。
生成式 AI 的整合將使 NLU 從簡單的分類轉向更動態、上下文感知的理解。
LLM 能夠提出更智能的後續問題，並更好地消除使用者意圖的歧義，超越了傳統的關鍵字匹配。
⏳ 時間線
2017-04
Amazon Lex 平台向開發者社群發布。
2018-02
使用者可以直接從 AWS 管理控制台定義 Amazon Lex 聊天機器人的回應。
2023-06
Amazon Lex 的 Test Workbench 功能發布，簡化和自動化機器人測試流程。
2025-06
Amazon Lex 推出 LLM 輔助的 NLU 功能，以提高意圖分類和槽位解析能力，最初支援英語和西班牙語。
2025-09
Amazon Lex 在八種新語言中提供基於生成式 AI 的增強型自然語言理解。
2025-11
Amazon Lex 開始支援將 LLM 作為自然語言理解的主要選項。
📎 來源 (18)
Factual claims are grounded in the sources below. Forward-looking analysis is AI-generated interpretation.
- Google Search Source
- Google Search Source
- Google Search Source
- Google Search Source
- Google Search Source
- Google Search Source
- Google Search Source
- Google Search Source
- Google Search Source
- Google Search Source
- Google Search Source
- Google Search Source
- Google Search Source
- Google Search Source
- Google Search Source
- Google Search Source
- Google Search Source
- Google Search Source
📰
AI 週報
閱讀本週精選 AI 大事摘要 →
👉相關動態
AI 策展新聞聚合。所有內容版權歸原始發布者所有。
原始來源： AWS Machine Learning Blog ↗