Jev AI süsteemis LiteTMS: kus oleme selle tööle pannud

Oleme integreerinud ettevõtte TypeSafe AI tehisintellektimudeli Jev mitmesse LiteTMS-i töövoogu. See aitab märgata tähelepanu vajavaid autojuhi sõnumeid, kontrollida, kas kaks kohanime viitavad samale linnale, pakkuda välja impordifaili tulpade vastavusi ning vältida sellise sõnumi tõlkimist, mis on juba lugeja keeles. Tegemist on veohaldussüsteemi siseste kitsaste hinnangutega, mitte uue kontori vestlusrobotiga.

Kui see nimi on teile uus, selgitab põhimõtet meie esimene Jevi artikkel. Teksti genereeriv tehisintellekt kirjutab vastuse viibale. Jev on seevastu loodud vastama kitsamale küsimusele, näiteks: „Kas see sõnum vajab vastust?“ Seejärel kasutab LiteTMS seda hinnangut vastavas töövoos.

Autojuhi sõnumid, mis väärivad täpsemat tähelepanu

Autojuht võib saata rutiinse teate, esitada küsimuse või anda teada probleemist. Kontor ei peaks käsitlema iga sõnumit võrdselt kiireloomulisena. Lisasime juhtidega peetavasse vestlusse Jevi kontrolli, mis liigitab saabuvad sõnumid teema järgi ja hindab, kas dispetšer peab sekkuma. See toimib nii kirjalike sõnumite kui ka helisalvestistega, kui nende kõne on tekstiks teisendatud.

Näiteks „Veokil on rehv katki“ erineb oluliselt sõnumist „Jõudsin kohale“. Sõnum, mis vajab hinnangu järgi tegutsemist, võib ilmuda tähelepanu vajavate asjade vaatesse; sõiduki rike võib käivitada ka kiirteatise. Kontoritöötajad saavad vestlust endiselt lugeda, vastata ja märkida teema lahendatuks. Jev ei saada autojuhile vastust ega otsusta, kuidas rike kõrvaldada.

Purunenud rehvi teate puhul näeb tehisintellekti hinnang JSON-kujul välja selline:

{
  "input": { "driver_message": "I have a flat tyre and cannot continue." },
  "jev_assessment": {
    "category": "vehicle_problem",
    "needs_action_probability": 0.94
  }
}

LiteTMS loeb kategooriat ja reageerimisvajaduse skoori. Nii kõrge skooriga sõiduki probleem kuvatakse kiireloomulisena, et dispetšer teaks kohe reageerida.

Kohanimed tellimustes ja veodokumentides

Dokumendil võib olla kirjas „Köln“, samal ajal kui tellimuses seisab „Cologne“. Otsene tekstivõrdlus näeb kahte eri sõna, kuigi mõlemad tähistavad sama linna. Lisasime Jevi kontrolli just selle küsimuse lahendamiseks: seda kasutatakse tehisintellekti toega tellimuste vastuvõtmisel ja sihtkohtade kontrollimisel CMR-saatelehtedel.

Tellimuse sisestamisel aitab see valida pakutud sihtkohtade vahel või jätta ebakindla vaste inimesele ülevaatamiseks. CMR-i kontrollimisel võib kindel kinnitus sama linna kohta tühistada märke kohanime mittevastavus, mis muidu esile tõstetaks. Eraldi tehisintellektisamm loeb dokumenti; Jev hindab, kas kohanimed kattuvad.

Kahe linna nime puhul võib hinnang välja näha selline:

{
  "input": { "document_place": "Köln", "order_city": "Cologne" },
  "jev_assessment": { "same_city_probability": 0.92 }
}

Kõrge sama linna skoor eemaldab kohanime mittevastavuse hoiatuse. Muud CMR-i kontrolli etapid jäävad eraldiseisvaks.

Võõraste veergudega impordifailid

Andmete ülekandmine uude süsteemi algab sageli tabelarvutusfailist. Ühes failis seisab „registreerimisnumber“, teises „reg-märk“ ning kolmandas on tulbapead, mida on raske tuvastada. LiteTMS kasutab esmalt tavapäraseid vastendamisreegleid. Kui reeglid jätavad lüngad, suudab Jev pakkuda, mis tüüpi kirjetega on tegemist ning millised tulbad vastavad konkreetsetele väljadele.

Soovitused märgitakse tehisintellekti toel koostatuks ning faili importija saab vastavused enne kirjete loomist üle vaadata. Oleme sidunud selle lahenduse üldise impordiviisardiga, samuti CRM-i tehingute ja veoste impordiga. Sarnane kontroll suudab tuvastada partnerite nimekirjas juba oleva ettevõtte ka siis, kui nimekuju veidi erineb, aidates piisava kindluse korral vältida topeltkandeid.

Oletame, et imporditavas masinapargi tabelis tähistab „Unit ref.“ registreerimisnumbreid ja „Internal ID“ ettevõtte sisemisi sõidukikoode. Näidisväärtused aitavad Jevil neil kahel vahet teha. Kui tavapärased veerupäiste reeglid jätavad registreerimisnumbri välja tühjaks, võib hinnang välja näha selline:

{
  "input": {
    "columns": {
      "col_0": { "header": "Unit ref.", "examples": ["WX 4821A", "PO 7619K"] },
      "col_1": { "header": "Internal ID", "examples": ["FLEET-17", "FLEET-42"] }
    },
    "field_to_match": "registration_number"
  },
  "jev_assessment": { "column": "col_0", "probability": 0.93 }
}

Seejärel saab LiteTMS pakkuda registreerimisnumbrite jaoks esimest tulpa. Kontor vaatab vastavuse enne kirjete importimist üle. Kui ükski tulp ei sobi, võib Jev valida väärtuse „none“, jättes välja pigem kasutajale käsitsi vastendamiseks kui vale vaste pealesurumiseks.

Väike kontroll enne vestluse tõlkimist

Vahel on sõnum juba kirjutatud selles keeles, mida selle lugeja valdab. Enne vestluse täielikku tõlkimist saab LiteTMS paluda Jevil seda kontrollida. Kindla vaste puhul kuvab süsteem algse sõnumi, ebakindla vastuse korral suunatakse see aga tavapärasele tõlkerajale. Nii jääb otsustuspiir kitsaks: lugeja saab tõlke ikkagi kätte, kui süsteem ei saa seda kindlalt vahele jätta.

Võtame näiteks juhi, kes kirjutab: „Jestem na miejscu, czekam na załadunek“ („Olen kohal, ootan laadimist“). Poola keelt kasutava lugeja puhul võib kontroll anda sellise hinnangu:

{
  "input": {
    "message": "Jestem na miejscu, czekam na załadunek.",
    "reader_language": "pl"
  },
  "jev_assessment": { "language": "pl", "probability": 0.96 }
}

Tuvastatud keel kattub lugeja keelega, mistõttu saab LiteTMS kuvada algse teksti. Inglise keelt kasutava lugeja jaoks vajab sama poolakeelne sõnum endiselt tõlget. Lühike vastus, näiteks „OK“, annab vähem teavet: kui keelt ei õnnestu kindlalt tuvastada, jääb tavaline tõlkeprotsess kättesaadavaks.

Kuidas Jevi hinnangud LiteTMSi sobituvad

Jev annab LiteTMSile kasuliku signaali, kuid töö üle säilib kontroll kontoris. Liidestused on süsteemi sisse ehitatud ja töötavad platvormi otsustuskihi aktiveerimisel, vastavalt ettevõtte seadistustele. Kui Jev pole kättesaadav, jätkuvad tavapärased vestluste, dokumentide ja impordi töövood.

Tehniline vaade: TypeSafe Jev, JSON ja Java

Lugejatele, kes soovivad näha, mis toimub kapoti all, on hea lähtepunkt päring, mille süsteem välja saadab. Nagu näitab TypeSafe'i kiirjuhend, sisaldab päring parameetrit state (hinnatav teave) ja parameetrit questions (tehtavad hinnangud). Küsimusetüüp noul tagastab arvu vahemikus 0 kuni 1, mis väljendab väite paikapidavuse tõenäosust. Küsimusetüüp choice teeb valiku etteantud variantide seast, mida kasutame sõnumi kategooria pärimiseks.

Siin on näidatud eraldi tegevusküsimus, mis kasutab meie OpenRouteri integratsioonis seadistatud mudeli identifikaatorit:

{
  "model": "typesafe/jev-1.13",
  "state": {
    "driver_message": "I have a flat tyre and cannot continue."
  },
  "questions": {
    "needs_action": {
      "type": "noul",
      "instructions": "The dispatcher must act on driver_message today: reply, give instructions, inform the customer or arrange help. Routine updates and thanks need no action."
    }
  }
}

Vastuse asjakohane osa võib välja näha selline:

{
  "answers": {
    "needs_action": {
      "type": "noul",
      "noul": 0.94
    }
  }
}

Rakendus loeb välja answers.needs_action.noul väärtuse ja rakendab reeglit. LiteTMS kasutab juhi sõnumi tähelepanu nõudmise künnisena väärtust 0.55. Pärast JSONi lahtipakkimist saab sama kontrolli kirjutada Javas:

Double probability = 0.94; // Value from answers.needs_action.noul
boolean needsAttention = probability != null
    && Double.isFinite(probability)
    && probability >= 0.55
    && probability <= 1.0;

if (needsAttention) {
    System.out.println("Flag the message for dispatcher review");
}

Kood kontrollib enne künnisega võrdlemist, kas väärtus on kasutatav. LiteTMSis annab kategooriahinnang reegli teise poole: sõiduki probleem, mis vajab tähelepanu, kvalifitseerub ühtlasi kiireloomuliseks teavituseks. Mudel hindab sõnumit, rakendus määrab tegevuse. Kui vastus puudub, jätkub tavaline vestluse töövoog.

Künnis sõltub sellest, mis järgmisena toimub. Imporditava veeru soovituse puhul aktsepteerib LiteTMS valitud veergu tõenäosusega vähemalt 0.60. Tõlke vahelejätmiseks peab lugeja keel olema tuvastatud tõenäosusega vähemalt 0.90. Tulemus 0.85 sobib seega veeru soovituseks, mille inimene üle vaatab, kuid sellest ei piisa vestluse tõlke vahelejätmiseks. Iga reegel peegeldab konkreetse otsuse kaalukust.

Korduma kippuvad küsimused

Kes töötas välja Jev AI?

TypeSafe AI lõi Jevi System One mudelina struktureeritud otsuste tegemiseks. LiteTMS liidestub sellega spetsiifilistes töövoogudes, näiteks juhi sõnumite hindamisel ja kohanimede võrdlemisel.

Milleks Jev AI-d LiteTMSis kasutatakse?

Jev on seotud juhtide sõnumite prioritiseerimise, tellimuste sisestamisel ja CMR-i kontrollimisel tehtava samas linnas asumise kontrolli, impordisoovituste ning vestluse tõlkimisele eelneva sama keele kontrolliga. Platvormi ja ettevõtte seaded määravad, kas konkreetne funktsioon on töölaual aktiivne.

Kas Jev vastab juhtidele või kinnitab CMR-dokumente?

Ei. See saab märkida juhi sõnumi tähelepanu vajavaks ning hinnata, kas kaks kohanime viitavad samale linnale. Sõnumit menetleb inimene ja sama linna vaste ei kinnita kogu CMR-dokumenti.

Mis saab siis, kui Jev on ebakindel või pole kättesaadav?

LiteTMS säilitab olemasoleva töövoo. Näiteks suunab ebakindel keelekontroll päringu tavapärasele vestluse tõlkerajale, ebakindel impordisoovitus jätab aga veergude vastendamise inimesele ülevaatamiseks.