Der neue Meena-Chatbot von Google kann sinnvolle, spezifische Gespräche über fast alles führen

So beeindruckend und nützlich virtuelle Assistenten wie Siri, Alexa und Google Assistant auch sind, ihre Konversationsfähigkeiten beschränken sich in der Regel auf den Empfang bestimmter Befehle und die Bereitstellung vordefinierter Antworten. Unternehmen wie Google und Amazon verfolgen Methoden der KI-Schulung und -Entwicklung, die KI-Chatbots robuster und flexibler machen und Gespräche mit Benutzern auf viel natürlichere Weise führen können. Wie von DigitalTrends berichtet, Google hat kürzlich veröffentlichte ein Papier demonstriert die Fähigkeiten seines neuen Chatbots mit dem Namen „Meena“. Laut einem Blogbeitrag Laut den Forschern kann Meena mit seinen Benutzern zu nahezu jedem Thema ins Gespräch kommen.

Meena ist ein Open-Domain-Chatbot, das heißt, er reagiert auf den Kontext des bisherigen Gesprächs und passt sich den Eingaben an, um natürlichere Antworten zu liefern. Die meisten anderen Chatbots sind geschlossene Domänen, was bedeutet, dass ihre Antworten auf bestimmte Ideen ausgerichtet sind und sich auf die Erfüllung bestimmter Aufgaben beschränken.

Dem Bericht von Google zufolge war Meenas Flexibilität das Ergebnis eines umfangreichen Trainingsdatensatzes. Meena wurde anhand von rund 40 Milliarden Wörtern aus Social-Media-Konversationen geschult und nach den relevantesten und repräsentativsten Wörtern gefiltert. Ziel von Google war es, einige der Probleme zu lösen, die bei den meisten Sprachassistenten auftreten, beispielsweise die Fähigkeit, Themen und Befehle zu verarbeiten, die sich über mehrere Gesprächsrunden erstrecken, wobei der Benutzer zusätzliche Eingaben bereitstellt, nachdem der Bot auf eine Eingabe geantwortet hat. Das bedeutet, dass Man-Chatbots den Benutzer nicht zur Klärung auffordern können und bei einer Anfrage, die nicht interpretiert werden kann, oft einfach auf Web-Ergebnisse zurückgreifen.

Um dieses spezielle Problem zu lösen, haben die Google-Forscher ihre Algorithmen so aktiviert, dass sie den Kontext der Konversation verfolgen und so spezifische Antworten generieren können. Das Modell verwendete einen Encoder, der verarbeitet, was bereits im Gespräch gesagt wurde, und einen Decoder, der eine Antwort basierend auf dem Kontext erstellt. Das Modell wurde anhand spezifischer und unspezifischer Daten trainiert. Spezifische Daten sind Wörter, die in engem Zusammenhang mit der vorangehenden Aussage stehen. Wie im Google-Beitrag erklärt:

„Wenn A zum Beispiel sagt: ‚Ich liebe Tennis‘ und B antwortet: ‚Das ist schön‘, dann sollte die Äußerung mit ‚nicht spezifisch‘ gekennzeichnet werden. Diese Antwort könnte in Dutzenden verschiedener Kontexte verwendet werden. Aber wenn B antwortet: „Ich auch, ich kann nicht genug von Roger Federer bekommen!“, dann wird es als „spezifisch“ markiert, da es eng mit dem zusammenhängt, was besprochen wird.

Die Daten, die zum Trainieren des Modells verwendet wurden, bestanden aus sieben „Runden“ im Gespräch. Während des Trainings verfügte das Modell über 2.6 Milliarden Parameter, die 341 GB Textdaten auf Muster untersuchten, ein Datensatz, der etwa 8.5-mal größer war als der Datensatz, der zum Training des GPT-2-Modells verwendet wurde erstellt von OpenAI.

Google berichtete über die Leistung von Meena bei der SSA-Metrik (Sensibleness and Specificity Average). Der SSA ist eine von Google-Forschern entwickelte Metrik und soll die Fähigkeit einer Konversationseinheit quantifizieren, im Verlauf einer Konversation mit spezifischen, relevanten Antworten zu antworten.

SSA-Scores werden berechnet, indem ein Modell anhand einer festen Anzahl von Eingabeaufforderungen getestet wird, und die Anzahl sinnvoller Antworten, die das Modell gibt, wird verfolgt. Die Bewertung des Modells wird auf der Grundlage des Prozentsatzes sinnvoller/spezifischer Antworten abgeleitet, die das Modell in Bezug auf die Eingabeaufforderungen geben konnte. Allgemeine Antworten werden bestraft. Laut Google erreicht eine durchschnittliche Person beim SSA etwa 86 %, während Meena 79 % erreichen konnte. Ein weiteres berühmtes KI-Modell, ein Agent, erstellt von Pandora Bots, gewannen den Loebner-Preis für die Tatsache, dass ihre KI-Bots eine ausgefeilte, menschenähnliche Kommunikation erreichten. Der Pandora Bots-Agent erreichte im SSA-Test etwa 56 %.

Auch Microsoft und Amazon versuchen, flexiblere und natürlichere Chatbots zu entwickeln. Microsoft versucht seit zwei Jahren, Multiturn-Dialoge in Chatbots zu erstellen. Erwerb semantischer Maschinen, ein KI-Startup, um Cortana zu verbessern. Amazon hat kürzlich das ausgeführt Alexa-Preis-Herausforderung, was die Teilnehmer dazu veranlasste, einen Bot zu entwerfen, der in der Lage war, sich etwa 20 Minuten lang zu unterhalten.