Respostas Inteligentes: Sugestão Automática para E-mails

📑 Índice

1️⃣ Introdução 2️⃣ O que é o Smart Reply? 3️⃣ Modelo de Aprendizado de Máquina 4️⃣ Desafios na Implementação do Smart Reply 4.1️⃣ Decidindo quando mostrar sugestões 4.2️⃣ Garantindo qualidade nas respostas 4.3️⃣ Escalabilidade na geração de respostas 4.4️⃣ Diversidade nas respostas 5️⃣ Resultados 6️⃣ Próximos passos 7️⃣ Perguntas frequentes

🖋️ Artigo

🤖 2️⃣ O que é o Smart Reply?

O Smart Reply é um recurso de um aplicativo de e-mail que sugere automaticamente respostas antes mesmo de você começar a escrevê-las. O objetivo dessa funcionalidade é ajudar os usuários a escrever respostas para e-mails recebidos em dispositivos móveis. A motivação por trás desse recurso surgiu da observação de que mesmo quando não somos os destinatários do e-mail, é possível identificar informações suficientes no texto para gerar respostas plausíveis. Especialmente em cenários móveis, em que digitar pode ser incômodo e demorado, a utilização de respostas pré-prontas pode economizar tempo e permitir que os usuários respondam aos e-mails de forma mais rápida.

🤖 3️⃣ Modelo de Aprendizado de Máquina

O modelo principal utilizado nesse recurso é conhecido como sequence-to-sequence, que faz parte do campo de deep learning. Esse modelo consiste em duas redes neurais recorrentes: uma sendo o codificador e outra o decodificador. O codificador recebe a mensagem de entrada e a codifica, gerando uma representação vetorial. Essa representação é então utilizada para inicializar o decodificador, que é responsável por gerar as palavras da resposta. Durante a geração da resposta, o decodificador produz uma distribuição de probabilidade sobre as palavras do vocabulário. Esse modelo é treinado em um corpus de pares de e-mails, em que o codificador e o decodificador são treinados em conjunto.

🤖 4️⃣ Desafios na Implementação do Smart Reply

Implementar o Smart Reply não foi uma tarefa fácil, pois envolveu a resolução de diversos desafios. Os principais desafios enfrentados foram:

4.1️⃣ Decidindo quando mostrar sugestões

Diversos cenários de e-mails não são adequados para a utilização de respostas predefinidas. Por exemplo, e-mails de recibos, e-mails promocionais ou informações distribuídas para um grande número de pessoas não são situações em que respostas curtas seriam adequadas. Além disso, também existem casos em que é necessário escrever uma resposta mais longa em um computador, o que não é viável em dispositivos móveis. Sendo assim, foi necessário desenvolver um componente adicional que decide se as sugestões serão exibidas ou não.

4.2️⃣ Garantindo qualidade nas respostas

Outro desafio foi garantir que as respostas geradas fossem de alta qualidade, independentemente do e-mail original. Isso significa evitar falhas de ortografia, erros de pontuação, gramática incorreta e linguagem muito informal. Para solucionar esse desafio, foi criado um conjunto fixo de respostas válidas derivadas automaticamente dos dados. Em vez de permitir que o modelo gere respostas ilimitadas, ele é restrito a esse conjunto pré-determinado.

4.3️⃣ Escalabilidade na geração de respostas

A geração de sugestões de respostas em um conjunto grande de respostas válidas pode ser um processo custoso computacionalmente. Para resolver esse problema, foi desenvolvida uma busca aproximada sobre o conjunto de respostas válidas em vez de avaliar todas de forma exaustiva. Essa abordagem reduz a complexidade computacional do processo e permite que o recurso seja mais expressivo.

4.4️⃣ Diversidade nas respostas

Um dos desafios mais importantes foi garantir a diversidade nas respostas sugeridas. É importante que as respostas não sejam redundantes e cubram uma ampla variedade de cenários possíveis. Foi necessário entender a semântica e a intenção das respostas para evitar a geração de respostas muito semelhantes. Esse problema foi abordado por meio da criação de um espaço semântico estruturado, em que as respostas são agrupadas de acordo com o seu significado. Com essa abordagem, foi possível eliminar a redundância nas sugestões e oferecer respostas mais diversas aos usuários.

🤖 5️⃣ Resultados

O recurso Smart Reply já está implantado no Inbox by Gmail e está auxiliando em mais de 10% das respostas em dispositivos móveis. Durante os testes, foi observado que o recurso foi capaz de gerar respostas plausíveis em diversos cenários comuns de e-mails. Além disso, a diversidade nas respostas mostrou-se útil tanto com base no feedback subjetivo dos usuários quanto em experimentos online. A taxa de cliques diminuiu em 7,5% quando a diversidade foi removida. Esses resultados indicam que o Smart Reply é uma funcionalidade importante e promissora.

🤖 6️⃣ Próximos passos

Apesar do sucesso do Smart Reply, ainda há oportunidades para melhorias e desenvolvimentos futuros. Uma das possibilidades é treinar o modelo para ser mais pessoal e adaptado à cultura e estilo de cada usuário. Além disso, explorar a utilização das informações dos estados ocultos do decodificador durante a busca aproximação do beam search pode melhorar a diversidade das respostas. Essas são apenas algumas ideias para continuar aprimorando esse recurso tão inovador.

🏆 Destaque

• O Smart Reply está auxiliando em mais de 10% das respostas por dispositivos móveis no Inbox by Gmail.
• A diversidade nas respostas melhorou a taxa de cliques em 7,5% durante experimentos online.
• O recurso utiliza um modelo de aprendizado de máquina sequence-to-sequence para gerar sugestões de respostas em e-mails.
• Foram enfrentados desafios relacionados a decidir quando mostrar sugestões, garantir qualidade nas respostas, lidar com a escalabilidade na geração de respostas e garantir diversidade nas sugestões.

❓ Perguntas frequentes

P: O Smart Reply está disponível apenas no Inbox by Gmail? R: Atualmente, o recurso Smart Reply está disponível apenas no Inbox by Gmail, mas pode ser expandido para outros aplicativos de e-mail no futuro.

P: A diversidade nas respostas do Smart Reply é configurável pelo usuário? R: Não, a diversidade nas respostas é controlada pelo modelo de aprendizado de máquina e não pode ser configurada pelos usuários.

P: Quais são os próximos passos para o aprimoramento do Smart Reply? R: Os próximos passos incluem treinar o modelo para se adaptar melhor às preferências culturais e estilos individuais dos usuários, e explorar o uso das informações dos estados ocultos do decodificador durante o beam search para melhorar ainda mais a diversidade das respostas.