对话式AI：Rasa的开源方法之内

您想要对话式人工智能（AI）平台吗？没问题-您只需要选择一个即可。Microsoft有一个（LUIS）。Google（Dialogflow）也是如此。AWS？是的 （Lex。）但现在就不要停止：有数百种选择（从Kore.ai到SAP，再到Cisco的MindMeld等等）。 

Rasa的方法可能会脱颖而出。

我无法很好地评估Rasa代码的实用性。我发现引人入胜的是该项目吸引了多少社区。这很可能说明了Rasa开源方法的功效，也说明了主流对话式AI已成为或即将成为主流的方式。Rasa产品经理Tyler Dunn表示：“从长远来看，我们认为对话接口的基础架构将是开源的。为此，该公司Rasa开放了其机器学习框架的资源，以实现基于文本和语音的对话的自动化。”目标？要超越基于硬编码，基于规则的聊天机器人，到可以理解什么上下文的AI的人工智能。人说。 

不仅仅是开源

Rasa的团队可能认为将对话式AI变成开源问题是正确的，但其方法是错误的。毕竟，还有许多其他开源对话AI平台。Rasa并不是第一个发现开发人员越来越喜欢开源基础结构的人。 

SEE： 在企业中管理AI和ML 2020：技术领导者增加项目开发和实施 （TechRepublic Premium）

尽管GitHub明星是项目成功的（高度）不完全标准，但它们是一个指标。Rasa拥有10,000颗星，而MindMeld（416），DeepPavlov（4,900）或BotPress（9,000）等其他开源项目则较少。在这个群体中，Rasa服务于一个不同的社区：一种希望深入研究自然语言处理（NLP）的社区。相比之下，像BotPress这样的项目在JavaScript开发人员中很受欢迎，他们要么不能也不想降低堆栈的数量。

Rasa的社区对自定义NLP感兴趣。这是它吸引10,000多人参加其Rasa社区论坛的原因之一。这也是Rasa为该项目提供500多名贡献者的原因。当我感到惊讶的是，将会有大量的开发人员有能力为诸如Rasa之类的东西贡献有意义的代码时，Rasa的联合创始人兼CTO Alan Nichol告诉我，这与我的想法“大体上相反”建议。他继续说，不是，不是所有这些人都是NLP的专家，但是有价值的贡献可能是与各种消息传递平台的集成，或者是Rasa功能的扩展，以支持聊天平台可能使用的新API。

Nichol指出，即使对于那些不回馈的人，Rasa开源也很重要。

[C]交互式AI是[从开放源码中]受益最大的[软件领域]之一。您可以对其进行自定义以使其成为自己的事实，即使这些并不一定要向上游推销，也非常有价值。比可能在MongoDB内或类似的地方编写自定义内容的人数还多得多。可能编写自定义NLP组件以进行情感分析或对用户进行某些分类，或者只是为了微调一些超参数的人们使用他们在自己公司的语料库上训练过的单词嵌入等等。人们定制软件的方式有很多。

Rasa之类的真正竞争对手是可能使用TensorFlow推出自己的对话式AI机器人的客户。Rasa建立在TensorFlow上，并且对于一支足够熟练的团队，他们可以绕过Rasa并直接在较低级别的TensorFlow上工作。Rasa押注的是，大多数公司将没有专业知识或耐心来做到这一点。 

他们可能还会在寻找可以投入生产的东西，而不是像Uber的Plato或Facebook的ParlAI这样的项目，这些项目往往是针对研究人员的。对于Rasa来说，将语言理解和对话模型合并到一个端到端系统中非常重要，这样，当您收到的消息不完全适合模式时，AI就会学习而不是崩溃（“用户的话语并将其转换为浮点数的矢量，然后转换为连续的表示形式。”这是Nichols提出的更为怪异的解释。 

好消息是，您不必信守我的诺言-或Nichols或Dunn的话。它是开源的。您可以在GitHub上进行检出，对其进行自定义以满足您的需求，并希望提交请求请求以对其进行改进。 

披露：我为AWS工作，但是这里表达的观点是我的。