Jev AI í LiteTMS: hvar gervigreindin kemur að gagni

Við höfum innleitt Jev, gervigreindarlíkan frá TypeSafe AI, í nokkur vinnuferli í LiteTMS. Líkanið getur hjálpað til við að greina skilaboð frá ökumönnum sem krefjast athygli, kannað hvort tvö staðarnöfn eigi við sömu borgina, komið með tillögur um hvernig skuli lesa innflutningsskrá og komið í veg fyrir þýðingu á skilaboðum sem eru þegar á tungumáli lesandans. Hér er um að ræða afmarkað mat innan flutningastjórnunarkerfisins, en ekki nýtt spjallmenni fyrir skrifstofuna.

Ef nafnið er nýtt fyrir þér útskýrir fyrsta greinin okkar um Jev hugmyndina að baki því. Gervigreind sem býr til texta svarar fyrirspurn með löngum texta. Jev er hins vegar hannað til að svara þrengri spurningum, svo sem: „Krefjast þessi skilaboð svars?“ LiteTMS nýtir síðan það mat innan viðkomandi vinnuferlis.

Skilaboð frá ökumönnum sem krefjast frekari skoðunar

Ökumaður getur sent venjubundna stöðuuppfærslu, spurt spurningar eða tilkynnt um vandamál. Skrifstofan ætti ekki að þurfa að meðhöndla öll skilaboð sem jafn aðkallandi. Í spjallkerfi ökumanna höfum við bætt við Jev-athugun sem flokkar móttekin skilaboð eftir efni og metur hvort flutningsstjóri þurfi að grípa til aðgerða. Hún virkar bæði með rituðum skilaboðum og raddskilaboðum eftir að tal þeirra hefur verið umritað í texta.

Til dæmis eru skilaboðin „Sprungið á bílnum“ ólík skilaboðunum „Ég er mættur.“ Skilaboð sem eru metin sem svo að þau krefjist aðgerða geta birst í sérstöku yfirliti yfir áríðandi mál; bilun á ökutæki getur einnig kallað fram áríðandi tilkynningu. Starfsfólk skrifstofunnar getur áfram lesið samtalið, svarað og merkt málið afgreitt. Jev sendir ekki svar til ökumannsins né ákveður hvernig leysa eigi úr biluninni.

Fyrir skilaboð um sprungið dekk getur mat gervigreindarinnar litið svona út í JSON:

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

LiteTMS les flokkinn og aðgerðaskorið. Bilun á ökutæki með svo hátt skor getur birst sem áríðandi mál, svo skrifstofan viti að bregðast þurfi við án tafar.

Staðarnöfn í pöntunum og flutningsskjölum

Í skjali gæti staðið „Köln“ á meðan pöntunin segir „Cologne.“ Bókstaflegur textasamanburður sér tvö ólík orð, þótt bæði eigi við sömu borgina. Við höfum bætt við Jev-athugun fyrir þessa tilteknu spurningu við sjálfvirka pantanamóttöku og við staðfestingu staðarheita í CMR-farmbréfum.

Við pantanamóttöku getur kerfið aðstoðað við að velja á milli tillagna að stöðum eða vísað óvissri samsvörun til handvirkrar skoðunar. Við athugun á CMR getur örugg niðurstaða um sömu borg hreinsað ósamræmi í staðarnöfnum sem annars hefði verið flaggað. Sérstakt gervigreindarskref les skjalið en Jev metur hvort staðarnöfnin eigi við sama stað.

Fyrir borgarnöfnin tvö getur matið litið svona út:

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

Hátt skor fyrir sömu borg getur leyst úr ósamræmi í heiti staðar. Aðrir þættir í athugun á CMR eru áfram aðskildir.

Innflutningsskrár með ókunnum dálkaheitum

Flutningur gagna yfir í nýtt kerfi hefst oft með töflureikni. Í einni skrá stendur „skráningarnúmer“, í annarri „númeraplata“ og í þeirri þriðju eru heiti sem erfitt er að átta sig á. LiteTMS notar fyrst hefðbundnar samsvörunarreglur. Þar sem þær reglur duga ekki til getur Jev komið með tillögur um hvers konar færslur skráin inniheldur og hvaða dálkar tilheyra hvaða reitum.

Tillögurnar eru merktar sem aðstoð frá gervigreind og sá sem flytur inn skrána getur yfirfarið tenginguna áður en færslurnar eru stofnaðar. Við höfum tengt þessa nálgun við almenna innflutningsleiðarvísinn, sem og við innflutning á viðskiptatækifærum í CRM og farmskráningum. Svipuð athugun getur borið kennsl á fyrirtæki sem er þegar á skrá yfir samstarfsaðila þrátt fyrir annan rithátt, sem hjálpar til við að koma í veg fyrir tvítekningar þegar samsvörunin er nægilega örugg.

Segjum að í innfluttum töflureikni yfir bílaflota sé notað „Unit ref.“ fyrir skráningarnúmer og „Internal ID“ fyrir innri auðkenni fyrirtækisins á ökutækjum. Dæmigildin hjálpa Jev að greina þar á milli. Þegar venjulegar reglur um dálkaheiti finna ekki skráningarnúmerið getur matið litið svona út:

{
  "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 }
}

LiteTMS getur þá lagt til fyrsta dálkinn fyrir skráningarnúmer. Starfsfólk skrifstofunnar fer yfir þá tengingu áður en færslurnar eru fluttar inn. Ef enginn dálkur passar getur Jev valið „none“, sem skilur reitinn eftir óútfylltan fyrir notandann í stað þess að þvinga fram ónákvæma samsvörun.

Lítil athugun fyrir þýðingu á spjalli

Stundum eru skilaboð þegar skrifuð á tungumáli þess sem les þau. Áður en ráðist er í heildarþýðingu spjalls getur LiteTMS látið Jev athuga þetta. Ef örugg samsvörun finnst getur kerfið birt upprunalegu skilaboðin, en óviss niðurstaða sendir þau í hefðbundna þýðingarferlið. Þetta tryggir hnitmiðaða ákvörðun: lesandinn fær enn þýðinguna ef kerfið getur ekki sleppt henni með vissu.

Tökum sem dæmi ökumann sem skrifar „Jestem na miejscu, czekam na załadunek“, sem þýðir „Ég er kominn á staðinn og bíð eftir lestun.“ Fyrir lesanda sem notar pólsku getur athugunin gefið eftirfarandi mat:

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

Greint tungumál passar við tungumál lesandans, svo LiteTMS getur sýnt upprunalega textann. Fyrir lesanda sem notar ensku þarf samt að þýða sömu pólsku skilaboðin. Stutt svar á borð við „OK“ gefur færri vísbendingar: þegar ekki er hægt að greina tungumálið með vissu helst hefðbundna þýðingarferlið virkt.

Hvernig mat Jev fellur inn í LiteTMS

Jev veitir LiteTMS gagnlegar vísbendingar á meðan skrifstofan heldur fullri stjórn á vinnunni. Samþættingarnar eru innbyggðar og keyrðar þegar ákvörðunarlag kerfisins er virkjað, háð stillingum hvers fyrirtækis. Ef Jev er ekki tiltækt halda venjuleg vinnuferli spjalls, skjala og innflutnings áfram óbreytt.

Tæknilegt yfirlit: TypeSafe Jev, JSON og Java

Fyrir lesendur sem vilja sjá hvað gerist undir yfirborðinu er gagnlegt að byrja á fyrirspurninni sem við sendum. Eins og sjá má í TypeSafe's quickstart inniheldur beiðni state, upplýsingarnar sem á að meta, og questions, matið sem á að framkvæma. Fyrirspurn af gerðinni noul skilar tölu á milli 0 og 1 sem sýnir líkurnar á því að fullyrðing eigi við. Fyrirspurn af gerðinni choice velur á milli tilgreindra valkosta, sem er aðferðin sem við notum til að spyrja um flokk skilaboða.

Hér er aðgerðafyrirspurnin ein og sér, með auðkenni líkansins sem stillt er í OpenRouter-samþættingu okkar:

{
  "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."
    }
  }
}

Viðeigandi hluti svarsins getur litið svona út:

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

Forritið les answers.needs_action.noul og beitir reglu. LiteTMS notar aðgerðaþröskuldinn 0.55 til að kalla á athygli við skilaboðum ökumanns. Eftir að JSON-gögnin hafa verið afkóðuð er hægt að skrifa sömu athugun í Java:

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");
}

Kóðinn athugar hvort gildið sé nothæft áður en það er borið saman við þröskuldinn. Í LiteTMS leggur flokkunarmatið til hinn hluta reglunnar: vandamál varðandi ökutæki sem krefst aðgerða telst einnig gefa tilefni til áríðandi viðvörunar. Líkanið metur skilaboðin; forritið skilgreinir aðgerðina. Ef svar vantar heldur venjulegt spjallferli áfram.

Þröskuldurinn fer eftir því hvað tekur við. Fyrir tillögu að innflutningsdálki samþykkir LiteTMS valinn dálk með að minnsta kosti 0.60 líkum; til að sleppa þýðingu þarf tungumál lesandans að vera valið með að minnsta kosti 0.90. Einkunnin 0.85 getur því stutt tillögu að dálki sem starfsmaður fer yfir, en hún dugar ekki til að sleppa spjallþýðingu. Hver regla endurspeglar afleiðingar viðkomandi ákvörðunar.

Algengar spurningar

Hver þróaði Jev AI?

TypeSafe AI þróaði Jev sem System One-líkan fyrir skipulagða ákvarðanatöku. LiteTMS samþættir það inn í tiltekin vinnuferli, svo sem mat á skilaboðum ökumanna og samsvörun staðarheita.

Til hvers er Jev AI notað í LiteTMS?

Jev er tengt við forgangsröðun skilaboða frá ökumönnum, athuganir á borgarheitum við móttöku pantana og CMR-staðfestingar, tillögur við gagnainnflutning og athugun á sama tungumáli fyrir spjallþýðingar. Kerfis- og fyrirtækjastillingar ráða því hvort einstakir eiginleikar séu virkir á hverju vinnusvæði.

Svarar Jev ökumönnum eða samþykkir CMR-skjöl?

Nei. Það getur merkt skilaboð ökumanns til skoðunar og metið hvort tvö staðarheiti eigi við sömu borg. Starfsmaður sér um afgreiðslu skilaboðanna, og niðurstaða um sömu borg staðfestir ekki CMR-skjalið í heild sinni.

Hvað gerist ef Jev er óvisst eða óaðgengilegt?

LiteTMS heldur áfram í núverandi vinnuferli. Til dæmis fer óviss tungumálaathugun í hefðbundið þýðingarferli spjalls, en óviss tillaga við innflutning skilur vörpunina eftir fyrir starfsmann til yfirferðar.