Метод оптимізації роботи системи масового обслуговування з використанням віртуального асистента на базі штучного інтелекту
DOI:
https://doi.org/10.18372/2073-4751.75.18013Ключові слова:
система масового обслуговування, GAS, віртуальний асистент, штучний асистент, Telegram-ботАнотація
У науковій статті здійснена розробка методу оптимізації роботи систем масового обслуговування, з використанням віртуального асистента на базі штучного інтелекту як ефективного інструменту для автоматизації та поліпшення процесів обслуговування користувачів. Розроблене рішення забезпечує покращення взаємодії з користувачами, використання штучного інтелекту для покращення відповідей, ефективне зберігання та аналіз даних, можливість автоматизації завдяки GAS. У подальшому планується розширення мовної моделі, удосконалення інтерфейсу користувача, додавання модуля автоматичного розпізнавання мови для підтримки багатьох мов та додаткових можливостей аналізу запитів, розробка алгоритмів, які навчаються відповідям користувачів, щоб надати персоналізовані відповіді та поліпшити досвід взаємодії, дослідження та оптимізація алгоритмів обробки даних для швидшої та ефективнішої роботи системи при великому потоці запитів. Ці наукові розробки можуть покращити ефективність, точність та користувацький досвід систем масового обслуговування з використанням віртуального асистента.
Посилання
Kleinrock, L. Queueing Systems, Volume I – Theory. Wiley, 1976. 417 p.
Gelenbe E., Mitrani I. Analysis and Synthesis of Computer Systems. New York : Academic Press, 1980. 239 p.
Ananthanarayanan, G., et al. CloudScale: Elastic Resource Allocation for Cloud Computing Environments. ACM, 2010.
Zhang H., Hou J.C. Queue Length Estimation and Call Admission Control in Differentiated Services Networks. IEEE/ACM Transactions on Networking. 2005. Vol. 13. Iss. 2. P. 400–413.
Li W., Li Y. Learning Automata-based QoS-aware Web Service Selection. IEEE Transactions on Services Computing. 2009. Vol. 2. Iss. 1. P. 48–61.
Shead S. Why everyone is talking about the A.I. text generator released by an Elon Musk-backed lab. URL: https://ramaonhealthcare.com/why-everyone-is-talking-about-the-a-i-text-generator-released-by-an-elon-musk-backed-lab/.
Bussler F. Will GPT-3 Kill Coding? Towards Data Science. URL: https://towardsdatascience. com/will-gpt-3-kill-coding-630e4518c04d.
Brown T.B. et al. Language Models are Few-Shot Learners. URL: https://arxiv.org/abs/2005.14165
Sagar R. OpenAI Releases GPT-3, The Largest Model So Far. URL: https://analyticsindiamag.com/open-ai-gpt-3-language-model/.
Chalmers D. GPT-3 and General Intelligence. У Weinberg, Justin. Daily Nous. Philosophers On GPT-3 (updated with replies by GPT-3). URL: https://dailynous.com/2020/07/30/philosophers-gpt-3/.
Гнатюк В.О., Бондаренко І.О., Каплун І.С. Використання систем обміну миттєвими повідомленнями для автоматизації надання консультативних послуг. Реєстрація, зберігання і обробка даних. 2021. Т. 23. № 4. С. 58–67.
Гнатюк В.О., Батрак О.Г., Яроцький С.В. Автоматизована система реєстрації місцезнаходження працівника. Проблеми інформатизації та управління. 2023. В. 74. № 2. С. 14–20.
##submission.downloads##
Опубліковано
Як цитувати
Номер
Розділ
Ліцензія
Науковий журнал дотримується принципів відкритого доступу (Open Access) та забезпечує вільний, негайний і постійний доступ до всіх опублікованих матеріалів без фінансових, технічних або юридичних обмежень для читачів.
Усі статті публікуються у відкритому доступі відповідно до ліцензії Creative Commons Attribution 4.0 International (CC BY 4.0).
Авторські права
Автори, які публікують свої роботи в журналі:
-
зберігають за собою авторські права на свої публікації;
-
надають журналу право на перше опублікування статті;
-
погоджуються на поширення матеріалів за ліцензією CC BY 4.0;
-
мають право повторно використовувати, архівувати та поширювати свої роботи (у тому числі в інституційних та тематичних репозитаріях) за умови посилання на первинну публікацію в журналі.
