DifficileChoix unique

Question d'entraînement AI-102

Vous créez un chatbot multilingue à l'aide d'Azure AI Language. Le chatbot doit gérer l'anglais, l'espagnol et le français. Vous devez configurer le modèle LUIS (Language Understanding) pour prendre en charge plusieurs langues de manière efficace. Quelle est la meilleure pratique ?

Choisissez la meilleure réponse.

Bonne réponse

  • BCréer une application LUIS distincte pour chaque langue et utiliser la même structure d'intentions et d'entités.

Explication

LUIS ne prend pas en charge un modèle multilingue unique ; chaque application LUIS est conçue pour une seule langue principale. Pour gérer plusieurs langues de manière efficace, vous devez créer une application LUIS distincte par langue, chacune ayant le même schéma d'intention et d'entité, et acheminer les requêtes des utilisateurs vers l'application appropriée en fonction de la langue détectée. Cela garantit un entraînement et une précision du modèle optimaux et spécifiques à la langue.

Pourquoi chaque option est juste ou fausse

A

Fausse

Utiliser le modèle LUIS multilingue prédéfini et l'affiner avec vos intentions.

LUIS n'a jamais proposé de modèle multilingue prédéfini à affiner ; chaque application LUIS a été créée pour une seule culture, une langue choisie lors de la création qui ne peut pas être modifiée ultérieurement, et entraînée uniquement sur des énoncés dans cette langue. Des domaines et entités prédéfinis existaient, mais au sein de chaque culture. La prise en charge de trois langues signifiait donc trois applications, ou la traduction de l'entrée dans une seule langue avant d'appeler une application unique.

B

Juste

Créer une application LUIS distincte pour chaque langue et utiliser la même structure d'intentions et d'entités.

Le modèle LUIS recommandé était d'une application par langue avec des intentions et des entités identiques, de sorte que le code du bot gère les résultats de la même manière quelle que soit la langue. Le bot détecte la langue de l'utilisateur, par exemple grâce à la détection de la langue dans Azure AI Language, et envoie l'énoncé à l'application correspondante. LUIS a depuis été retiré au profit de CLU, où un projet peut être multilingue.

C

Fausse

Créer une seule application LUIS et y ajouter des énoncés dans les trois langues.

Chaque application LUIS est conçue pour une seule culture, donc l'ajout d'énoncés en espagnol et en français à une application en anglais ne lui permet pas de comprendre ces langues ; la tokenisation et les fonctionnalités sont spécifiques à la langue, et la précision en souffre pour chaque langue, y compris l'anglais. Des applications distinctes par langue, ou la traduction préalable dans une seule langue, étaient les approches prises en charge. Mélanger les langues dans une application est une erreur courante.

D

Fausse

Créer une application LUIS avec la langue définie sur 'Multilingual' et ajouter des énoncés dans toutes les langues.

LUIS ne disposait d'aucun paramètre de culture 'Multilingual', cette configuration ne peut donc pas être créée. L'idée est proche du fonctionnement de son successeur : la compréhension du langage conversationnel (CLU) dans Azure AI Language prend en charge les projets multilingues, où un modèle entraîné principalement dans une langue peut en comprendre d'autres. Pour une question portant spécifiquement sur LUIS, la réponse est toutefois des applications distinctes par langue.

Pour aller plus loin

Dans Language Understanding (LUIS), chaque application possède une seule culture, la langue choisie lors de la création de l'application, qui ne peut pas être modifiée par la suite. Le modèle est entraîné uniquement sur des énoncés dans cette langue. Le modèle recommandé pour un bot multilingue était donc une application LUIS par langue, toutes dotées des mêmes intentions et entités afin que le code du bot puisse traiter les résultats de manière identique, ainsi qu'un routeur qui détecte la langue de l'utilisateur, par exemple avec la détection de langue du service Language, et envoie l'énoncé à l'application correspondante. C'est l'option B. Une alternative consistait à traduire le texte entrant dans la langue de l'application avec Azure AI Translator avant de l'envoyer à une application unique, ce qui est plus simple à maintenir mais ajoute des erreurs de traduction et de la latence. Mélanger les langues dans une seule application (option C) embrouille le modèle, car il a été conçu pour la tokenisation et les caractéristiques d'une seule culture. Il n'existe aucun paramètre de culture « Multilingual » ni aucun modèle multilingue prédéfini à affiner dans LUIS, ce qui exclut A et D. Notez que LUIS a été retiré : Microsoft a arrêté les nouvelles ressources LUIS et mis fin au service au profit de la compréhension du langage conversationnel (CLU) dans Azure AI Language. CLU modifie la réponse pour les nouveaux projets : un projet CLU unique peut être activé comme multilingue, entraîné avec des énoncés dans une ou plusieurs langues, et comprendre ensuite des énoncés dans de nombreuses langues prises en charge. Microsoft fournit un chemin de migration qui importe des applications LUIS dans CLU. Si une question de l'examen AI-102 mentionne spécifiquement LUIS, répondez avec le modèle d'une application par langue ; si elle mentionne CLU, l'option de projet multilingue est le choix efficace. Le flux de travail d'orchestration peut acheminer entre plusieurs projets CLU ou bases de connaissances de questions-réponses.

À propos de ces questions d'entraînement

Cette question fait partie des questions d'entraînement AI-102 originales de Courseiva, rédigées pour apprendre et jamais copiées d'examens réels ou de dumps.

Traduite de l'original anglais avec l'IA et vérifiée pour le sens. Les codes d'examen, les commandes et les noms de produits sont conservés tels qu'ils apparaissent à l'examen.