Plato Research Dialogue System gör det möjligt för både experter och icke-experter att snabbt bygga, träna och distribuera konversations AI-agenter.Platons forskningsdialogsystem är ett flexibelt ramverk som kan användas för att skapa, träna och utvärdera konversations AI-agenter i olika miljöer.Det stöder interaktioner genom tal-, text- eller dialoghandlingar och varje samtalsagent kan interagera med data, mänskliga användare eller andra konversationsagenter (i en inställning med flera agent).Varje komponent i varje agent kan tränas oberoende online eller offline och Platon ger ett enkelt sätt att slå runt praktiskt taget alla befintliga modeller, så länge Platons gränssnitt följer .... Hur fungerar Platons forskningsdialogsystem?Konceptuellt måste en konversationsagent gå igenom olika steg för att bearbeta information den får som input (t.ex. "Hur är vädret i dag?") Och producera en lämplig utgång ("Blåsigt men inte för kallt.").De primära stegen, som motsvarar huvudkomponenterna i en standardarkitektur, är: Taligenkänning (transkribera tal till text) Språkförståelse (extrahera betydelse från den texten) Tillståndsspårning (sammanlagd information om vad som har sagts och gjorts hittills) APIsamtal (sök i en databas, fråga ett API osv.) Dialogpolicy (generera abstrakt betydelse av agentens svar) Språkgenerering (konvertera abstrakt betydelse till text) Talsyntes (konvertera text till tal) Platon har utformats för att vara lika modulär och flexibelsom möjligt;det stöder traditionella såväl som anpassade konversations AI-arkitekturer, och viktigare, möjliggör interparter mellan flera parter där flera agenter, eventuellt med olika roller, kan interagera med varandra, träna samtidigt och lösa distribuerade problem.