图片来源:查尔斯·泰勒/盖蒂图片社
人与人之间的对话不仅仅是你想的那样。当你和朋友交谈时，你吸收的不仅仅是他们说的话。你的大脑同时在揣度字里行间的意思，解读互动表面之外的情绪和意图。
想象一下，如果机器能像人类一样参与对话。如果人工智能在与人类的聊天或对话历史中，可以使用上下文和推理来推断对方的感受并给出适当的回应呢?
自去年春天以来，南加州大学信息科学研究所(ISI)的研究生研究助理Zhou Pei和ISI知识图谱中心主任Jay Pujara一直致力于在机器中开发更多类似人类的反应。
普哈拉解释说:“我们的想法是，模特应该有一些内在的思考或内在性，来思考对话中发生的事情，而不仅仅是盲目的回应。”
先前的反应生成(RG)模型经过训练，以类似于“肌肉反射”的输入-输出方式产生反应——它们对给定的语句做出程序设定的反应。
考虑一个场景，一个朋友把他们准备的晚餐弄洒了。在做出回应之前，你可以从多个角度考虑。你可能想知道你是否应该现在点餐，或者你的朋友是否因为事故而心烦意乱，需要你的安慰。
Zhou说，目前在现有数据集上训练的模型在这些类型的场景中“更有可能在通用方面执行”。他补充说，这会让谈话看起来更“平淡无奇”，因为这可能意味着不感兴趣或冷漠。
关键在于编程机器能够感知人类所传达的信息，并根据这些信息选择一个有同理心的回应，以一种有意义的方式有助于对话。
在他的初步研究中，周考察了交际文学和心理学的理论工作。他发现，人类通过合作的视角来进行对话，最终目标是达成共同的信念和知识接地．
拥有常识对于建立共识至关重要。他说:“我们并不总是明确地说出事情，所以我们需要在谈话中做出很多有根据的猜测。”
这些有根据的猜测或推论要求我们在不同的推理路径之间进行选择，并评估在当前情况下哪种方法可能最有效。为了让机器能够像人类一样做出反应，它们也必须能够锻炼这种能力。
“我们希望在特定场景下让机器的反应多样化，”周解释说。“每个回答都应该以一些推理问题为指导，比如‘这个人是什么感觉?’”
基于人的研究
由于在常识和认知方面没有足够的现有数据，团队自己收集了这一类别的数据。他们进行了一个数据汇编过程，分为两个阶段:推理收集和响应收集。
该团队获得了志愿者，并将他们分为两组。他们要求第一组人回答一组关于对话的问题，考虑现在正在发生什么，接下来可能会发生什么，以及说话者和回应者的感受。
然后，他们让另一组人根据第一组人想到的思想空间写一篇回应，但不使用相同的单词。拥有两个独立的小组对于确保高质量的结果至关重要。
普哈拉指出:“我们让不同的人解释这些想法，而做注释的人没有重叠，这使得他们真的有动力提出有趣和新颖的回答。”
然后，他们使用这些反应来训练一个模型来执行推理过程——有效地教会机器“思考”，并使用它们的想法来提出多个合理的反应。
用机器人结交新朋友?
因此，当具备推理技能和找到共同点的能力时，机器可以与人类进行类似的对话。但是等等，还有更多的研究仍在进行中，潜在的影响是巨大的。
“我们想要做一个可以像朋友一样聊天的模型，”周解释道。“我们希望与他们交谈很愉快，如果你需要情感支持或帮助解决你面临的难题，他们就在那里。”
在机器人达到这种程度的人性之前，还有很多事情需要解决。
“我们需要让模型在行动之前考虑世界的隐性状态，”Pujara继续说道。“我们有这些可以思考的模型，但我们仍然没有弄清楚如何使用它们的想法来优化它们的行为方式。”
10月，周的论文“反思，而非反射:基于推理的共同点提高对话回应质量被接受参加将于2022年12月举行的自然语言处理经验方法(EMNLP)会议。
ISI团队并没有停止他们的工作。下一步是找到一种方法，让编程模型有能力识别最好的对特定情况的反应，考虑到它必须从多种对话路径中选择。
电子游戏对学术研究有用吗?
从今年夏天开始，周一直在艾伦人工智能研究所(AI2)继续他的实习项目，探索这一概念。他的重点是通过研究冒险游戏“龙与地下城”中的互动来了解更多的概念意图。
在电子游戏中，一个名为地下城主人的主机玩家和各种各样的玩家都有自己的角色。这款游戏以目标为导向，结构类似于任务，由地下城主引导玩家走上一条道路。
游戏中发生的一切都是“纯粹基于语言互动性”，因此，它的数据是研究意图概念的完美应用。
周和来自全国各地大学的研究人员一起，与AI2合作，利用《龙与地下城》中的目标驱动对话来研究交流的“意图和基础”。
通过研究地下城主如何使用语言引导玩家完成游戏，该团队的目标是学习更多关于模仿人类思维建模机器的知识。
有了这些发现，我们很可能会看到一个机器人像我们一样思考，像我们一样行动，甚至成为我们的朋友的未来。
出版于2022年12月8日
最后更新于2022年12月8日
