Машинный интеллект
Внедрение личности в искусственный разговор.
Человеческие разговоры — это совокупность их переживаний. Этот опыт варьируется от минутных взаимодействий до повторяющихся подкрепляемых действий, от фильмов, которые мы смотрим, и разговоров, которые у нас есть, среди множества других вещей. Чтобы создать диалоговых агентов, способных воспроизвести органическую человеческую коммуникацию, важно думать об их обучении с точки зрения того, как развиваются индивидуальные модели разговора человека.
У людей есть уникальные маркеры, когда они говорят, кроме акцентов, содержание их разговоров зависит от их опыта и индивидуального развития. Я лично вырос с большим вниманием к семье, иногда, даже когда разговор не касается семьи напрямую, я все равно каким-то образом провожу линию, относящуюся к моей семье, из-за уникальных связей, которые я мысленно провожу между определенными темами или моей уникальной направленностью и интерес к определенным темам. Точно так же мы не можем ожидать, что разговорный ИИ пройдет тест Тьюринга, когда он обучается на больших общих наборах данных, в которых теряются синтаксические привычки и тематические маркеры. Разговор — это обмен личностями посредством общего обсуждения, и поэтому для того, чтобы разговорный ИИ действительно воспроизводил взаимодействие, необходимо целенаправленное обучение, которое учитывает понимание языка и его интерпретацию через определенную призму.
То, как формируется человеческое общение и личность, во многом перпендикулярно тому, как обучают машины. Разговорные агенты часто обучаются нескольким ответам и темам с использованием одного и того же набора данных, и инженеры часто пытаются устранить предвзятость, исправить несбалансированные наборы данных и избежать переобучения, поскольку они обучают агента, который в целом может разговаривать по ряду тем. В то время как люди сталкиваются с разной степенью воздействия на одни темы больше, чем на другие, они имеют разные знания по разным темам и на них влияют определенные фрагменты информации больше, чем другие, они не одинаково беспристрастны ко всем знаниям, которые у них есть. Предвзятость существует при изучении людьми тем и приводит к конечному развитию их общения и личности посредством формирования привычек, мнений и убеждений, в то время как в машинном обучении предвзятость считается ловушкой разговорной модели из-за метода развития.
Используя рабочий процесс ансамблевого моделирования, можно воспроизвести эти тонкости. Например, диалоговый агент может быть обучен правильному воспроизведению общего языка, чтобы сначала изучить грамматику и синтаксис, но может использовать «сквозной поток», такой как рабочий процесс, для интеграции релевантных или реляционных аспектов информации для имитации личности. Это будет включать модели обучения отдельно для конкретных тем и возможность манипулировать входными данными, чтобы затем выводить органический и «человеческий» результат. Например, на вопрос диалогового агента «Как вы относитесь к войне?», агент с низким вниманием к политике и большим вниманием к развлечениям может ответить: «Я не люблю войну, но я смотрю много фильмов о войне». .Это показывает понимание темы, личный интерес и отношение к теме через естественный поток. Это, очевидно, очень рудиментарный пример, но идея состоит в том, что, обучая разные темы по-разному (с точки зрения предвзятости, дисперсии, скорости обучения, настройки однородности или неоднородности ответа), мы воспроизводим дисперсию, которая существует в человеческом обучении и интересах, и соединяя эти темы уникальным образом, мы можем имитировать уникальные связи, которые люди устанавливают между различными темами в общении.
Такая система обеспечивает постоянное обучение через взаимодействие, а также интегрирует поэтапное обучение с подкреплением, аналогично тому, как учатся дети. Ребенок учится переворачиваться и тратит недели на то, чтобы научиться подтягиваться и опираться или использовать другие предметы в качестве рычага, а затем примерно через месяц толкает себя на предмет, способный выдержать их вес, и он может стоять. . Это эквивалентно тому, что модель учится небольшим изменениям, дополнениям или связям с темой, открытой для обусловливания, и после достаточного количества взаимодействий может сформироваться новая связь и «мнение» или, что более точно, новая реляционная реакция.
Многие аспекты естественного человеческого разговора могут быть воспроизведены с помощью целенаправленной настройки и внимания к тому, как и почему мы говорим то или иное, а не к тому, какой ответ лучше всего. Для истинного диалогового ИИ необходимо сосредоточиться на личном опыте и совместном росте посредством взаимодействия. Возможно, было бы интересно разработать сетевую архитектуру, которую наш разум использует для передачи самых простых вещей.
Беседа — это не только обмен идеями, но и обмен опытом. Чтобы воспроизвести человеческую беседу, важно искусственно спроектировать мельчайшие аспекты человеческой беседы, которые обеспечивают человеческую связь.
Спасибо за прочтение!
