Introducción
“Actualmente, las tareas que realizan estos bots son sumamente
sencillas, sin embargo, se prevé que puedan facilitar la vida de las
personas. De hecho, algunas investigaciones recientes sostienen que a
finales del 2017, sólo una tercera parte de las consultas por internet
requieran la ayuda de seres humanos. @incbots."
Los bots conversacionales, también conocidos como chatbots, son una
herramienta en auge muy util que nos permite desde realizar un pequeño
agente capaz de interactuar con las personas para proporcionarles
información sobre recetas como veremos en el siguiente documento, cómo
de interactuar mediante distintas plataformas con clientes de grandes
empresas y así hacer los servicios de atención al cliente mucho más
accesibles y rápidos.
Para que la realización de nuestro bot sea sencilla y rápida, emplearemos una herramienta de Google: DialogFlow. Esta nos permite crear bots que, configurados y entrenados correctamente, son capaces de mantener conversaciones más o menos complejas utilizando lenguaje natural, con el usuario con el que interactua o podríamos decir, diáloga.
Por otra parte controlaremos la lógica de interacción entre el bot y el usuario mediante Python donde, como veremos más adelante, la entrada podrá ser mediante un teclado (escrita), o a través de la voz utilizando por ejemplo un micrófono. Finalmente utilizaremos una herramienta de Python que nos dará la posibilidad de transformar el texto a audio. Cabe decir que el lenguaje utilizado para crear el bot ha sido el inglés debido a que la API utilizada para la búsqueda de recetas así lo requeria.
ChefBot
Para la realización de nuestro ayudante en la cocina, nuestro búscador de recetas, podemos separar por una parte la declaración y creación de nuestro bot en la plataforma que DialogFlow nos proporciona, y por otra, la lógica de nuestra interfaz desarrollada en Python que nos sirve de pasarela con nuestro bot mencionado.
DialogFlow
Previamente a la inserción de los datos en sí en la herramienta de DialogFlow, hemos realizado un diagrama de como debería ser el flujo de interacción de los usuarios con nuestro chatbot. En dicho diagrama, cada nodo representa una conexión entre lo que el usuario dice y que acción debería ser tomada por nuestro chatbot, conocido como Intents. Cada Intent tiene un Context de entrada (in) y otro de sálida (out) que nos sirven para guardar la historia o contexto de la conversación. Además utilizaremos este contexto para conocer cuales son los ingredientes y/o tipo de recetas que el usuario esta buscando, así como cuando el chatbot emita el contexto finish finalizar la conversación.
Por otra parte contamos con las Entities que nos permiten manejar los “conceptos" proporcionandole ejemplos de estos. En nuestro diagrama estan representados mediante @entitie y nos sirven de enlaces entre los Intents. Por ejemplo la entitie @type representa el concepto de tipo de comida y a DialogFlow le hemos suministrado una serie de ejemplos cómo pueden ser: pizzas, snacks o salads.
Lógica con Python
Una vez definido nuestro chatbot nos falta crear algún medio por el
que interactuar con él, para ello utilizaremos Python. Gracias a la API
de DialogFlow para Python apiai, la comunicación entre nuestro
servicio y la lógica implementada en Python es muy sencilla.
Hemos definido dos métodos para poder interactuar tanto por voz cómo de
forma escrita con nuestro chatbot donde principalmente nos
encargaremos de lo siguiente:
-
WELCOME: Disparamos el primer Intent que nos dará la bienvenida y nos preguntara que receta estamos buscando. Dependiendole de que le pidamos nos conducirá a un sitio u otro. Si el usuario contesta alguna cosa que el chatbot no tiene planificada, se lanzará el “Default Fallback Intent" que tratara de ayudar al usuario a encaminar sus respuestas.
-
process_response: Es un método que nos ayudará a tratar el tipo de respuestas que provienen de nuestro servicio y extraer los datos que nos son de utilidad de las mismas. Nos sirve además para identificar los contextos y actuar en consecuencia y a obtener la lista de ingredientes y/o tipos que el usuario desea.
Una vez instanciado nuestro chatbot y sabiendo procesar las respuestas que este nos proporciona, realizaremos en bucle una serie de intercambios de mensajes entre el usuario y el servicio de forma que cuando tengamos la información necesaria, a través de una tercera API que nos permite búscar recetas le proporcionaremos al usuario la receta que estaba búscando, y si esta satisfecho, nuestro servicio terminará.
Mencionar que también hemos utilizado la “Google Cloud Speech API" para ser capaces de capturar audio online a través de un microfono y pasarlo a texto para, a su vez, comunicar dicho texto a nuestro servicio y generar el comportamiento previamente expuesto.
Los resultados obtenidos cuando hemos utilizado la versión en la que se requiere interacturar por micrófono han sido:
Mientras que resultados obtenidos cuando hemos utilizado la versión en la que se requiere interacturar escribiendo han sido:
Author
- Mario Parreño