盡管科技取得了前所未有的進步，科幻電影中對復雜的人機交互進行了無數(shù)次描繪，但我們還沒有完全實現(xiàn)能夠像人類一樣自然地進行對話的人工智能機器人。南加州大學創(chuàng)新技術研究所 (ICT) 研究員、計算機科學博士生 Kushal Chawla 以及南加州大學信息科學研究所 (ISI) 和 ICT 的合作者正在通過教授人工智能如何讓我們更接近這一現(xiàn)實與人類談判。

本月在計算語言學協(xié)會 (NAACL) 北美分會 2021 年年會上發(fā)表的這項研究依賴于一個基于場景的數(shù)據(jù)集，該數(shù)據(jù)集是通過角色扮演對話向人類用戶傳授談判技巧的。以露營地設置為假想背景，數(shù)據(jù)收集研究的參與者被要求相互交流，就好像他們是在談判資源的露營者一樣。研究人員發(fā)現(xiàn)了參與者在整個練習過程中使用的總共九種策略。突出的教訓：談判的合作策略比自私策略更有效。該信息可以在未來用于通知創(chuàng)建考慮各種談判策略的自動化系統(tǒng)。

訓練人工智能

CaSiNo 代表 Camp Site Negotiations，是一個基于場景的數(shù)據(jù)集，收集它以通過角色扮演對話向人類用戶傳授談判技巧。它由一次由兩個參與者進行的一千多次談判對話組成。這些對話的核心是參與者協(xié)商的三個必不可少的露營項目——食物、水和木柴。每個參與者都被分配了這些項目的優(yōu)先順序，并基于此模型進行協(xié)商。當參與者相互協(xié)商時，他們就如何分配項目以最好地最大化每個人的獎勵得出結論。

在這些對話之前，參與者接受了一個培訓模塊，其中包括觀看有關談判的視頻教程。這樣做可以讓參與者了解談判的最佳實踐，并將其納入表演中。

“我們從三個方面評估參與者的談判表現(xiàn)：最終得分取決于他們能夠談判的目的、他們對結果的滿意程度以及他們的對手有多喜歡他們，”Chawla 解釋說。“在現(xiàn)實世界的談判中，所有這些指標都至關重要。”

脫穎而出

Chawla 之前在 AI 方面有廣泛的研究，但 CaSiNo 是他迄今為止最雄心勃勃的方法。

“與這些先前作品的一個不同之處在于，在這些情況下，談判不涉及基于語言的交流，而是基于菜單中的按鈕點擊和下拉選擇，”Chawla 解釋說。“然而，我們在 CaSiNo 數(shù)據(jù)集上的工作將促進人工智能系統(tǒng)的發(fā)展，這些系統(tǒng)可以使用語言(例如英語)進行協(xié)商并與人類進行真實、豐富的對話。”

同樣，自動談判系統(tǒng)領域的大多數(shù)工作都集中在菜單驅動的界面上，而不是基于語言的交流上。盡管這些技術易于使用，但 Chawla 認為“它們無法捕捉自由形式的情感和說服，而這些是現(xiàn)實世界談判的關鍵組成部分。” 另一方面，語言包含了類人特征，有助于在現(xiàn)實世界中進行 AI 交流。

實現(xiàn)這種新的人工智能交流水平需要構建復雜的談判數(shù)據(jù)集，通過這些數(shù)據(jù)集可以訓練人工智能。構建完美的數(shù)據(jù)集可能是一個挑戰(zhàn)——之前這樣做的努力往往要么過于嚴格，要么過于開放。為了在兩者之間找到完美的平衡，Chawla 和他的團隊通過“提出一項新穎的任務來應對這一挑戰(zhàn)，該任務可以實現(xiàn)語言豐富的個人對話，但仍處于受限環(huán)境中。”

在教育學及其他領域的應用

作為一種自動協(xié)商而不是依賴人類的有效方式，難怪 CaSiNo 具有各種實際應用。這項技術可以應用于各個行業(yè)，包括商業(yè)、教育、創(chuàng)業(yè)和科技。具體而言，CaSiNo 可以幫助教授各種教學環(huán)境中的談判技巧，無論是培訓商科學生以確保交易還是幫助律師更準確地評估結算率。

CaSiNo 對于提高對話式 AI 助手的談判技巧也非常有價值。Chawla 以 Google Duplex 原型為例，其中 AI 助手表達了通過電話自動進行約會的談判技巧。

未來發(fā)展方向

展望未來，Chawla 和他的團隊對深入研究談判之外的其他類型的非合作對話非常感興趣，例如說服。非協(xié)作對話通常被定義為“參與方的目標可能不完全一致”的溝通。

更具體地說，Chawla 根據(jù) CaSiNo 的當前工作概述了未來研究的兩個方向。首先，該團隊有興趣通過 CaSiNo 對話中的情緒表達與談判結果的相關性來研究 AI 的預測能力。通過這樣做，可以改進這些 AI 代理，使其更加具有情緒感知能力。其次，該團隊希望通過基于現(xiàn)實的自由形式語言培訓來提高談判技巧的可信度。最終，CaSiNo 是一個開創(chuàng)性的系統(tǒng)，它將成為改進人機交互的堅實基礎。

　　免責聲明：本文由用戶上傳，與本網(wǎng)站立場無關。財經(jīng)信息僅供讀者參考，并不構成投資建議。投資者據(jù)此操作，風險自擔。 如有侵權請聯(lián)系刪除！