São Paulo — InkDesign News — O avanço em machine learning e deep learning está transformando a forma como as empresas lidam com a classificação de intenções dos usuários, otimizando o atendimento ao cliente e a inovação em fluxos de trabalho.
Arquitetura de modelo
A proposta da Unified Intent Recognition Engine (UIRE) surge para consolidar silos de processamento em diferentes equipes que implementam soluções independentes para entender a intenção do usuário. Essa arquitetura modular permite a reutilização de componentes fundamentais, como o pré-processamento e a construção de embeddings.
A necessidade de evitar a reconstrução de sistemas repetidamente é clara: “Por que reconstruir a mesma infraestrutura repetidamente? Não seria melhor criar um sistema modular que diferentes equipes possam configurar conforme suas necessidades, sem começar do zero?”
(“Why rebuild the same plumbing over and over? Wouldn’t it be better to create a modular system that different teams could configure for their own needs without starting from scratch?”)— Shruti Tiwari, Gerente de Produto de AI, Dell Technologies
Treinamento e otimização
A UIRE é composta por um pipeline configurável que integra componentes reutilizáveis e ajustes específicos de projeto. Este formato ajuda a acelerar o tempo de prototipagem e escalabilidade, permitindo que as equipes se concentrem em melhorar a acurácia e ajustar as experiências do usuário, em vez de se preocupar com a infraestrutura.
Com essa nova abordagem, observamos uma eficiência significativa: “Reaproveitamos um pipeline existente para um novo problema de classificação e conseguimos implementá-lo em dois dias, um processo que anteriormente levava quase duas semanas.”
(“We repurposed an existing pipeline for a new classification problem and got it up and running in two days. That typically used to take us almost two weeks when building from scratch.”)— Vadiraj Kulkarni, Cientista de Dados, Dell Technologies
Resultados e métricas
A integração de padrões comuns em uma infraestrutura compartilhada diminui o ruído dos sistemas silados. Esta abordagem modular a torna resistente a mudanças, permitindo a inclusão de novos modelos, suporte a múltiplas línguas e até mesmo o processamento de dados multimodais, como imagens e áudios.
Além disso, essa arquitetura promove a criação de um repositório compartilhado, favorecendo o aprendizado e melhora contínua entre as equipes que empregam a UIRE.
As futuras aplicações da UIRE podem se expandir para cenários complexos, envolvendo detecções de intenção múltipla e a gestão de informações fora do escopo, aumentando a confiança nas interações entre humanos e IA.
Fonte: (Towards Data Science – AI, ML & Deep Learning)
