Stefan Schaffer, vanhempi tutkija, Saksan tekoälytutkimuskeskus (DFKI) – Haastattelusarja

Stefan Schaffer on vanhempi tutkija ja ryhmänjohtaja Saksan tekoälytutkimuskeskuksen (DFKI) kognitiivisten avustajien osastolla. Hänen työnsä on johtanut useisiin keskustelurajapintoihin, kuten liikkuvaan, autoteollisuuteen, verotietoihin, asiakaspalveluun jne. Tällä hetkellä hän työskentelee arvoketjujen ja hybriditapahtumien tekoälychatboteilla. Ennen DFKI:hen liittymistään Stefan työskenteli tuotejohtajana Linon Medienissä. Hän opiskeli viestintätiedettä ja tietojenkäsittelytiedettä ja suoritti tohtorin tutkinnon Berliinin teknillisessä yliopistossa monimodaalisen ihmisen ja tietokoneen vuorovaikutuksen alalla.

Mikä aluksi kiinnosti sinua koneoppimisessa?

Jo opiskeluaikoinani minulla oli suuri kiinnostus puheentunnistukseen ja otin kursseja, joissa rakensimme puheentunnistimia alusta alkaen.

Mikä aluksi kiinnosti sinua puheentunnistuksessa?

Olin jo aikaisemmin kiinnostunut puhepohjaisesta ihmisen ja tietokoneen vuorovaikutuksesta, kun kapteeni Picard puhui “tietokoneelle” ja sai merkityksellisiä vastauksia.

Yksi viimeisimmistä projekteistasi oli rakentaa chatbot-rajapinta museolle, joka voisi ennakoida, mitä vierailijat kysyvät. Voitko kertoa, miten tiimisi lähestyi tätä?

Jotta voimme integroida kysymys-vastaus-toiminnallisuuden museon chatbotiin, keräsimme ensin paljon kysymyksiä ja käytimme niitä parantamaan järjestelmän kysymys-vastaus-ominaisuuksia. Tämä tehtiin luokittelemalla kysymykset sekä vastaamateriaalia, jonka saimme projektipartneriltamme Linon Medienilta, joka on erikoistunut puheen ja tekstin sisällön tuottamiseen näyttelyihin.

Tiimisi löysi myös, että sisällön tyyppi-annotaatiot voivat parantaa tarkkuutta, mitä tarkkuuseroja annotaatioista nähdään?

Sisällön tyyppi-annotaatiot paransivat chatbotin luonnollisen kielen ymmärtämisen tarkkuutta. Tämä tarkoittaa, että annotaatioiden ansiosta järjestelmä pystyi antamaan oikeampia vastauksia.

Mitkä ovat keskustelutekoälyn rakentamisen keskeiset haasteet?

Ilman tätä dataa voidaan useimmissa tapauksissa tarjota vain käsikirjoitettuja kokemuksia, jotka jäljittelevät keskustelua ihmisten välillä, mutta ovat statisia ja siten epäluonnollisia. Toinen haaste on, että keskustelutekoälyrajapinnan kehittämisprosessi vaatii erityistä asiantuntemusta alueella, jossa järjestelmää tullaan käyttämään. Keskustelun suunnittelun asiantuntijoiden ja alueen asiantuntijoiden välisen tarvittavan tiedon jakaminen vaatii toisinaan apuasiantuntijoita käyttäjäkeskeisten suunnittelumenetelmien parissa.

Mikä on lähestymistapani käyttäjäystävällisen chatbotin ja keskustelurajapinnan rakentamiseen?

Seuraamme tiukasti käyttäjäkeskeisen suunnittelun paradigman. Tämä tarkoittaa, että olemme mukana asiakkaiden ja käyttäjien kanssa varhaisissa projektitiloissa, kun järjestelmää ei vielä ole saatavilla. Aloitan fokusryhmillä ja datan keräämisellä ja saan sidosryhmien tarkastella järjestelmän variantteja varhaisissa kehitysvaiheissa.

Mitkä ovat näkemyksesi ChatGPT:stä ja GPT-4:stä, onko jotain, mitä tekisit toisin?

Käytämme tällä hetkellä ChatGPT:tä ja GPT-4:ää työkaluina datan generoimiseen. Yleensä yritämme kuitenkin välttää tukemasta näiden tuotteiden suljettua luonnetta tutkimushankkeissamme. Odotamme, että vastaavat avoimen lähdekoodin mallit tulevat saataville lähitulevaisuudessa.

Puhut tulevassa Future of Chatbots & Conversational AI Summit -tapahtumassa, järjestäjänä Group futurista, mitä sinä tulet puhumaan?

Puhun käyttökokemuksen ja keskustelutekoälyn yhteyksistä. Tarkastelen käyttäjäkeskeistä suunnittelua, dataohjattua käyttäjäkeskeistä toteutusta ja keskustelurajapintojen arviointia.

Kiitos haastattelusta, lukijat, jotka haluavat kuulla Stefan Schafferin puhuvan, osallistukaa Future of Chatbots & Conversational AI Summit -tapahtumaan, järjestäjänä Group futurista.