Ekstraksi teks [Te] berarti elemen AI ini mahir dalam menganalisis teks. Hal ini
dilakukan dengan belajar membedakan antara entitas (misalnya, orang, organisasi,
kota, produk) dan istilah (misalnya, komunikasi, inovasi, produksi) dalam teks. Hal ini
memungkinkan ambiguitas dalam nama dan kata-kata untuk diselesaikan. Sangat
setiap hari contoh ambiguitas yang ingin diselesaikan AI adalah kata Müller,
yang,tergantung pada konteksnya, bisa merujuk pada politisi Gerd Müller,
pesepakbola Thomas Müller, jaringan toko obat Müller, atau hanya kata Jerman
untuk seseorang yang mengoperasikan pabrik. Pemahaman bahasa [Lu]
berhubungan dengan pemahaman informasi dalam teks, yaitu, penugasan makna.
Elemen AI ini menangkap hubungan antara entitas dan konsep yang dimaksudkan
dalam teks dan dengan demikian memecahkan dua masalah: pertama, dijelaskan
entitas dan konsep mana dalam struktur kalimat sebenarnya terkait satu sama lain;
kedua, pentingnya hubungan ini adalah diperiksa. Hasil pemahaman bahasa [Lu]
dalam kombinasi dengan teks ekstraksi [Te] adalah terjemahan dari teks yang
mungkin ambigu menjadi teks yang tidak ambigu
representasi mesin (Bitkom, 2018).
Komunikasi [Cm] sebagai elemen AI digunakan untuk menjawab secara otomatis
sejumlah besar pertanyaan individu atau berulang. Selama ini, model dilatih
berdasarkan studi kasus tertentu. Model-model ini mampu memahami makna
pertanyaan yang masuk untuk menyarankan jawaban dan melakukan dialog. Dikasus
chatbots, dataset ini terdiri dari model bahasa yang dilatih oleh pembelajaran mesin.
Dengan memecah aplikasi kompleks seperti chatbot, tabel periodik AI membantu
memperjelas cara berbagai elemen kecerdasan buatan saling berhubungan dan
bekerja. Dengan demikian, mengurangi kompleksitas dengan memecahnya menjadi
nts dengan fungsi yang berbeda membantu membuat bidang kecerdasan buatan
yang luas lebih bisa diterapkan.
Teknis
• Pengetahuan tentang cara kerja sistem dialog digital (chatbots)
• Pengetahuan prosedural praktis mengenai strategi pemodelan
• Perspektif sistemik tentang AI
Pribadi
• Pengembangan sikap ingin tahu terhadap aplikasi AI
• Kesadaran diri dari berurusan dengan AI
• Transfer ide berorientasi praktik ke aplikasi digital
data tidak terstruktur, yang kemudian mereka tempatkan dalam hubungan jika-maka
untuk memungkinkan kejelasanurutan maksud (input) dan dialog (respon). Proses
penataan data inidiperlukan karena program chatbot tidak memiliki informasi latar
belakang sederhana yangpengguna manusia secara alami membawa komunikasi apa
pun. Misalnya, pengguna tahu bahwaorang saling menyapa saat pertama kali
bertemu dan baru kemudian berinteraksi secara lebih mendalam,tetapi chatbot
pertama-tama harus diajari konvensi berbasis sosial-budaya ini melaluiurutan
maksud dan dialog yang sesuai. Tantangan bagi siswa adalah menjadimenyadari hal-
hal yang terbukti dengan sendirinya seperti ini dan kemudian menyiapkan data
sedemikian rupayang memungkinkan interaksi bermakna yang berhasil untuk tujuan
tertentu. Keduabidang kompetensi menyangkut kinerja chatbot yang memuaskan.
Untuk setiap kasusmempelajari bahwa chatbot diharapkan untuk menguasai melalui
interaksi yang tepat, AIjuga harus dapat mengidentifikasi tujuan masing-masing
pengguna dan mencocokkannya denganproses yang sesuai dari tindakanberorientasi
solusi. Ini adalah satu-satunya cara agarinteraksi pada akhirnya dapat mengarah
pada hasil yang benar-benar berguna bagi pengguna.Oleh karena itu, siswa pertama-
tama mengembangkan algoritma, yaitu aturan yang menentukan bagaimanatujuan
tertentu dapat dicapai secara bertahap. Dalam AI, algoritma adalah aturan untuk
menyelesaikan (matematika) masalah yang telah diterjemahkan ke dalam bahasa
pemrograman. Itupeserta di laboratorium dunia nyata melakukan wawancara ahli
untuk menjadi lebih baikmemahami proses yang diharapkan didukung oleh chatbot,
tetapi juga untuk menghasilkankumpulan data yang sesuai untuk model bahasa yang
disesuaikan dengan proses ini. Di dalamcara, tim siswa dapat memperoleh
pengalaman awal dalam analisis proses danpemodelan model bahasa—dua
kompetensi utama untuk penggunaan AI yang percaya diri.Dengan berpartisipasi
dalam HRL, siswa dapat mengetahui apakah apekerjaan di bidang pengembangan
chatbot (atau lebih umum bekerja dengan AIaplikasi) akan cocok untuk mereka
secara pribadi, dan apakah setelah menyelesaikan chatbot merekaproyek mereka
ingin terus berkembang secara profesional ke arahpembelajaran mesin, desain
interaksi pengguna, atau desain pengalaman pengguna percakapan.Pada saat yang
sama, mitra praktik dapat merekam pembelajaran mereka sendiriterima kasih atas
pekerjaan mereka di proyek chatbot. Pendekatan transdisipliner darilaboratorium
dunia nyata telah berkontribusi pada (a) budaya kreativitas dan inovasi,merangsang
pertukaran pengetahuan antara pengajaran pendidikan tinggi danpraktik bisnis; (b)
pemahaman yang lebih baik di antara mitra praktik chatbot