Στέφαν Σάφερ, Ανώτερος Ερευνητής, Γερμανικό Ερευνητικό Κέντρο για την Τεχνητή Νοημοσύνη (DFKI) – Σειρά Συνεντεύξεων

Στέφαν Σάφερ είναι Ανώτερος Ερευνητής και Ηγέτης Ομάδας στο τμήμα των Γνωστικών Βοηθών του Γερμανικού Ερευνητικού Κέντρου για την Τεχνητή Νοημοσύνη (DFKI). Τα έργα του έχουν οδηγήσει σε πολλές διαλογικές διεπαφές για τομείς όπως η κινητικότητα, η αυτοκινητοβιομηχανία, οι φορολογικές πληροφορίες, η εξυπηρέτηση πελατών, κ.λπ. Hiệnemente, εργάζεται σε chatbots AI για αλυσίδες αξίας και υβριδικά γεγονότα. Πριν ενταχθεί στο DFKI, ο Στέφαν εργάστηκε ως προϊστάμενος προϊόντος στην Linon Medien. Σπούδασε επιστήμη επικοινωνίας και επιστήμη υπολογιστών και έκανε το διδακτορικό του στο Τεχνικό Πανεπιστήμιο του Βερολίνου στον τομέα της πολυμορφικής αλληλεπίδρασης ανθρώπου-υπολογιστή.

Τι σας έκανε να ενδιαφερθείτε αρχικά για την μηχανική μάθηση;

Ήδη κατά τη διάρκεια των σπουδών μου, είχα ένα μεγάλο ενδιαφέρον για την αναγνώριση ομιλίας και παρακολούθησα μαθήματα στα οποία κατασκευάζαμε αναγνωριστές ομιλίας από την αρχή.

Τι σας έκανε να ενδιαφερθείτε αρχικά για την αναγνώριση ομιλίας;

Ήμουν ήδη μαγευμένος από την ομιλία-ανθρώπινη αλληλεπίδραση όταν ο Καπετάνιος Πικάρντ μιλούσε στο “υπολογιστή” και έπαιρνε σημαντικές απαντήσεις.

Ένα από τα πιο πρόσφατα έργα σας ήταν η κατασκευή μιας διεπαφής chatbot για ένα μουσείο που θα προέβλεπε τι θα ρωτούσαν οι επισκέπτες. Μπορείτε να συζητήσετε πώς προσεγγίσατε αυτό;

Για να ενσωματώσουμε τη λειτουργικότητα απάντησης ερωτήσεων στο chatbot του μουσείου, συλλέξαμε πολλά ερωτήματα και τα χρησιμοποιήσαμε για να βελτιώσουμε τις ικανότητες απάντησης του συστήματος. Αυτό έγινε με την κατηγοριοποίηση των ερωτήσεων καθώς και του υλικού απάντησης που λάβαμε από τον συνεργάτη μας Linon Medien, μια εταιρεία που ειδικεύεται στην παραγωγή ομιλίας και κειμένου για εκθέσεις.

Η ομάδα σας ανακάλυψε επίσης ότι οι σημειώσεις τύπου περιεχομένου μπορούν να βελτιώσουν την ακρίβεια, ποια είναι τα διαφορετικά επίπεδα ακρίβειας που παρατηρούνται από τις σημειώσεις;

Οι σημειώσεις τύπου περιεχομένου βελτίωσαν την συνολική ακρίβεια του chatbot στην φυσική γλώσσα. Αυτό σημαίνει ότι λόγω των πρόσθετων σημειώσεων, το σύστημα ήταν σε θέση να δώσει πιο σωστές απαντήσεις.

Ποια είναι κάποια από τα βασικά προβλήματα πίσω από την κατασκευή μιας συνομιλητικής Τεχνητής Νοημοσύνης;

Χωρίς αυτά τα δεδομένα, στις περισσότερες περιπτώσεις μπορείτε μόνο να προσφέρετε σκηνοθετημένες εμπειρίες που μιμούνται συνομιλίες μεταξύ πραγματικών ανθρώπων, αλλά είναι στατικές και επομένως πολύ ανόμοιες. Ένα άλλο πρόβλημα είναι ότι η διαδικασία ανάπτυξης μιας συνομιλητικής διεπαφής Τεχνητής Νοημοσύνης απαιτεί ειδικές γνώσεις στον συγκεκριμένο τομέα στον οποίο θα χρησιμοποιηθεί το σύστημα. Η διαμοιρασμός των απαραίτητων πληροφοριών μεταξύ ειδικών σχεδιασμού συνομιλίας και ειδικών τομέα είναι μερικές φορές μια δύσκολη διαδικασία που απαιτεί την υποστήριξη πρόσθετων ειδικών στις μεθόδους σχεδιασμού που επικεντρώνονται στον χρήστη.

Ποια είναι η προσέγγισή σας για την κατασκευή ενός φιλικού προς τον χρήστη chatbot και μιας συνομιλητικής διεπαφής;

Ακολουθούμε αυστηρά το парадίγμα του σχεδιασμού που επικεντρώθηκε στον χρήστη. Αυτό σημαίνει ότι συμμετέχουμε με τους πελάτες και τους χρήστες μας στις πρώτες φάσεις του έργου, όταν το σύστημα δεν είναι ακόμη διαθέσιμο. Ξεκινάμε με ομαδικές συζητήσεις και συλλογή δεδομένων και έχουμε τους ενδιαφερόμενους να αναθεωρούν τις παραλλαγές του συστήματος στις πρώτες φάσεις ανάπτυξης.

Τι είναι η άποψή σας για το ChatGPT και GPT-4; Υπάρχει κάτι που θα κάνατε διαφορετικά;

Τώρα χρησιμοποιούμε το ChatGPT και GPT4 ως εργαλεία για την παραγωγή δεδομένων. Ωστόσο, συνήθως προσπαθούμε να αποφύγουμε την υποστήριξη της κλειστής φύσης αυτών των προϊόντων μέσω της χρήσης μας στα ερευνητικά μας έργα. Περιμένουμε ότι συγκρίσιμα ανοιχτά μοντέλα θα είναι διαθέσιμα στο κοντινό μέλλον.

Θα μιλήσετε στο επικείμενο Σύνοδο για το Μέλλον των Chatbots & Συνομιλητικής Τεχνητής Νοημοσύνης που διοργανώνεται από την Group futurista, τι θα συζητήσετε;

Θα μιλήσω για τις συνδέσεις μεταξύ Εμπειρίας Χρήστη και συνομιλητικής Τεχνητής Νοημοσύνης. Θα εστιαστώ στον σχεδιασμό που επικεντρώθηκε στον χρήστη, την δεδομένα-κίνητη υλοποίηση που επικεντρώθηκε στον χρήστη και την αξιολόγηση των συνομιλητικών διεπαφών.

Ευχαριστούμε για τη μεγάλη συνέντευξη, οι αναγνώστες που θέλουν να ακούσουν τον Στέφαν Σάφερ να μιλάει πρέπει να παρακολουθήσουν το Σύνοδο για το Μέλλον των Chatbots & Συνομιλητικής Τεχνητής Νοημοσύνης που διοργανώνεται από την Group futurista.