Машинное обучение

Благодаря машинному обучению необязательно писать инструкции «на все случаи жизни», которые учитывают все возможные проблемы и содержат все решения. Вместо этого в программу закладывается алгоритм самостоятельного нахождения решений путем комплексного использования статистических данных, из которых выводятся закономерности и на основе которых делаются прогнозы.
Примечание
Данный механизм не входит в поставку 1С:ITILIUM. По вопросам приобретения и использования функционала обращайтесь на info@itilium.ru или звоните 7 (499) 271-30-77

Чтобы запустить процесс машинного обучения, для начала необходимо загрузить некоторое количество исходных данных, на которых алгоритм будет учиться обрабатывать запросы. После прохождения обучения программа уже сама сможет распознавать признаки, по которым будет понимать, какой ответ предложить пользователю в той или иной ситуации.

Требования

  • Версия системы Итилиум не ниже 5.0.0.4.
  • Установленная deb-подобная система Linux (ubuntu и другие). Ниже рассматривается пример на Ubuntu 22.04 LTS.
  • Наличие архива AIServer.zip. В инструкции ниже описан способ получения данного архива.

Процесс настройки машинного обучения в системе Итилиум

Устанавливаем в «Параметрах системы» на вкладке «Общее» флаги «Машинное обучение», «Прогнозирование услуги и состава услуг», «Улучшить поиск в базе знаний», «Прогнозировать КЕ в обращении», «Подсказывать решенные обращения инженеру» и «Обнаруживать массовые обращения».

1 (1)

В «Параметрах системы» на вкладке «Машинное обучение» доступна возможность установки прогнозирования для следующих разделов.

  • Автоматическая установка услуги.
  • Подсказки услуги.
  • Автоматическая установка КЕ.
  • Подсказки КЕ.
  • Поиск в базе знаний.
  • Подсказывать решение обращения.
  • Обнаруживать массовые обращения.

Установка флагов в каждом из этих разделов позволяет включить или отключить использование прогнозирования при различных алгоритмах работы с системой. Таким образом, администратор может определить, насколько будет задействовано машинное обучение в Итилиум.

2

В подсистеме «Администрирование и настройки» в разделе «Машинное обучение» открываем «Управление моделями машинного обучения». В открывшейся форме нажимаем на кнопку «Сохранить архив модели».

3

Переходим к настройке ПО Docker

1. Если у вас есть доступ по RDP или VNC к установленной Ubuntu, то все описанное можно сделать через графический интерфейс. Чаще всего системные администраторы предоставляют доступ по SSH к установленной Ubuntu. Рассмотрим этот случай. 

2. Подключимся по SSH к ubuntu. Откроем WinSCP — Новое соединение — укажем параметры соединения и подключимся. Параметры соединения можно взять у вашего системного администратора. 

3. Заходим в домашнюю папку пользователя. Как правило, это /home/<NameUser>

4. Создаем там пустую папку и копируем в эту папку архив AIServer.zip.  Далее будем считать, что файл AIServer.zip находится по пути /home/AI/AIServer.zip

5. Далее открываем SSH Терминал. Для этого установим Putty (https://www.putty.org/). В WinSCP — Команды — Открыть в Putty. Введем пароль пользователя и нажмем Enter. 

6. Установим Unzip. В Putty вводим sudo apt install unzip

7. Переходим в папку с архивом cd/home/AI

8. Разархивируем наш файл AIServer.zip командой unzip AIServer.zip

9. Удалим наш архив командой rm/home/AI/AIServer.zip

10. Переходим в нашу папку cd/home/AI/AIServer

11. Теперь можно приступить к установке ПО Docker. Если оно установлено — этот шаг можно пропустить. Подробности установки можно прочитать тут: https://docs.docker.com/engine/install/ubuntu/#set-up-the-repository. 

sudo apt-get update 

sudo apt-get install \ 
    ca-certificates \ 
    curl \ 
    gnupg \ 
    lsb-release 

sudo mkdir -p /etc/apt/keyrings 

curl -fsSL https://download.docker.com/linux/ubuntu/gpg | sudo gpg --dearmor -o /etc/apt/keyrings/docker.gpg 

echo \ 
  "deb [arch=$(dpkg --print-architecture) signed-by=/etc/apt/keyrings/docker.gpg]
  https://download.docker.com/linux/ubuntu \ 
  $(lsb_release -cs) stable" | sudo tee /etc/apt/sources.list.d/docker.list > /dev/null 
 
sudo apt-get update 
sudo apt-get install docker-ce docker-ce-cli containerd.io docker-compose-plugin 

12. Проверить, что все установилось sudo docker run hello-world
Если вывод будет «Hello from docker!»  или что-то подобное — то установка завершена успешно. 

13. Создадим образ Docker командой sudo docker build -t ai-itilium. 
Точка в конце должна быть указана обязательно. Иначе будет ошибка. 

14. Запустим наш сервис командой sudo docker run --mount type=volume,source=home,target=/data -i -t -d -p 8082:8080 ai-itilium

15. Подождем секунд 10, чтобы сервис мог загрузиться. Проверим, что сервис развернулся. Можно так: curl localhost:8082/api/v1/ping
В случае успеха в ответ придет «pong».
Сервис запущен на 8082 порту на ubuntu.

Переходим к настройкам в системе Итилиум 

Настройку параметров модели можно осуществить с помощью флагов в «Параметрах модели». С их помощью можно выгрузить, очистить или обновить данные не всей модели, а конкретной области.

В поле «Сервер» указываем адрес сервера, на котором расположена Ubuntu и другие необходимые приложения.

4

По кнопке «Проверить доступность сервиса» проверяем подключение. При успешной проверке внизу окна появится сообщение об этом.

В подсистеме «Администрирование и настройки» в разделе «Машинное обучение» открываем «Коллекции данных машинного обучения» и проверяем, что коллекция добавилась.

В «Параметрах системы» на вкладке «Машинное обучение» в поле «Используемая модель для прогнозирования услуги и состава услуги» устанавливаем ранее созданную модель.

5 (1)

Для получения уведомлений о поступлении похожих обращений, которые могут быть объединены в массовый инцидент, в «Параметрах системы» в разделе «Машинное обучение» необходимо установить «Шаблон уведомления об обнаружении массовых обращений». В данный шаблон необходимо добавить теги из раздела «МашинноеОбучение» — %список_похожих_обращений% и %развернутый_список_похожих_обращений%.

 

6

Для корректного прогнозирования в окне «Модель машинного обучения» необходимо выполнить поочередно команды: «Выгрузить обучающие данные» и «Переобучить модель».