Il nuovo chatbot Meena di Google può tenere conversazioni sensibili e specifiche su quasi tutto

Per quanto impressionanti e utili siano gli assistenti virtuali come Siri, Alexa e Google Assistant, le loro capacità di conversazione sono in genere limitate alla ricezione di determinati comandi e alla fornitura di risposte predefinite. Aziende come Google e Amazon hanno perseguito metodi di formazione e sviluppo dell'IA che possono rendere i chatbot di intelligenza artificiale più robusti e flessibili, in grado di portare avanti conversazioni con gli utenti in modo molto più naturale. Come riportato da DigitalTrends, Google ha recentemente pubblicato un documento dimostrando le capacità del suo nuovo chatbot, soprannominato "Meena". Secondo un post sul blog dai ricercatori, Meena può conversare con i suoi utenti praticamente su qualsiasi argomento.

Meena è un chatbot a dominio aperto, il che significa che risponde al contesto della conversazione fino a quel momento e si adatta agli input per fornire risposte più naturali. La maggior parte degli altri chatbot sono a dominio chiuso, il che significa che le loro risposte sono incentrate su determinate idee e limitate allo svolgimento di attività specifiche.

Secondo il rapporto di Google, la flessibilità di Meena era il risultato di un enorme set di dati di addestramento. Meena è stata addestrata su circa 40 miliardi di parole estratte dalle conversazioni sui social media e filtrate per le parole più rilevanti e rappresentative. Google mirava ad affrontare alcuni dei problemi che si riscontrano nella maggior parte degli assistenti vocali, come la capacità di gestire argomenti e comandi che si svolgono in più turni della conversazione, con l'utente che fornisce input aggiuntivi dopo che il bot ha risposto a un input. Ciò significa che i chatbot man non sono in grado di richiedere chiarimenti all'utente e quando c'è una query che non può essere interpretata spesso si limitano a visualizzare automaticamente i risultati web.

Per far fronte a questo particolare problema, i ricercatori di Google hanno permesso ai suoi algoritmi di tenere traccia del contesto della conversazione, il che significa che può generare risposte specifiche. Il modello ha utilizzato un codificatore che elabora ciò che è già stato detto nella conversazione e un decodificatore che crea una risposta in base al contesto. Il modello è stato addestrato su dati specifici e non specifici. I dati specifici sono parole strettamente correlate alla dichiarazione del procedimento. Come ha spiegato il post di Google:

“Ad esempio, se A dice 'Amo il tennis' e B risponde 'Bello', allora l'espressione dovrebbe essere contrassegnata con 'non specifico'. Quella risposta potrebbe essere usata in dozzine di contesti diversi. Ma se B risponde: "Anch'io, non ne ho mai abbastanza di Roger Federer!", allora viene contrassegnato come "specifico" poiché è strettamente correlato a ciò di cui si sta discutendo.

I dati utilizzati per addestrare il modello consistevano in sette "turni" nella conversazione. Durante l'addestramento, il modello aveva 2.6 miliardi di parametri che esaminavano 341 GB di dati di testo per modelli, un set di dati circa 8.5 volte più grande del set di dati utilizzato per addestrare il modello GPT-2 creato da OpenAI.

Google ha riportato come Meena si è comportato con la metrica Sensibleness and Specificity Average (SSA). L'SSA è una metrica progettata dai ricercatori di Google e ha lo scopo di quantificare la capacità di un'entità conversazionale di rispondere con risposte specifiche e pertinenti durante la conversazione.

I punteggi SSA vengono calcolati testando un modello rispetto a un numero fisso di prompt e viene monitorato il numero di risposte sensate fornite dal modello. Il punteggio del modello è derivato in base alla percentuale di risposte sensate/specifiche che il modello è stato in grado di fornire rispetto ai prompt. Le risposte generiche sono penalizzate. Secondo Google, una persona media ottiene un punteggio di circa l'86% nell'SSA, mentre Meena è stata in grado di ottenere un punteggio del 79%. Un altro famoso modello di intelligenza artificiale, un agente creato da Robot Pandora, ha vinto il Premio Loebner in riconoscimento del fatto che i loro robot di intelligenza artificiale hanno raggiunto una sofisticata comunicazione simile a quella umana. L'agente Pandora Bots ha ottenuto circa il 56% nel test SSA.

Microsoft e Amazon stanno anche cercando di creare chatbot più flessibili e naturali. Microsoft ha tentato di creare dialoghi multigiro nei chatbot per due anni, acquisizione di macchine semantiche, una startup AI, per migliorare Cortana. Amazon ha recentemente eseguito il file Sfida Premio Alexa, che ha spinto i partecipanti a progettare un bot in grado di conversare per circa 20 minuti.