Stefan Schaffer, seniorforsker, Tysk forskningssenter for kunstig intelligens (DFKI) – Intervju-serie

Stefan Schaffer er en seniorforsker og gruppeleder ved avdelingen for kognitive assistenter ved Tysk forskningssenter for kunstig intelligens (DFKI). Hans arbeid har resultert i flere konversasjonelle grensesnitt for domener som mobilitet, bilindustri, skatteinformasjon, kundeservice osv. For tiden arbeider han med AI-chatbots for verdikjeder og hybridarrangementer. Før han begynte ved DFKI, arbeidet Stefan som produktmanager ved Linon Medien. Han studerte kommunikasjonsvitenskap og datavitenskap og tok sin doktorgrad ved Technische Universität Berlin i feltet multimodal menneske-maskin-interaksjon.

Hva var det som først tiltalte deg til maskinlæring?

Allerede under studietiden hadde jeg stor interesse for talegjenkjenning og tok kurs der vi bygde talegjenkjenningssystemer fra bunnen av.

Hva var det som først tiltalte deg til talegjenkjenning?

Jeg var allerede fascinert av talebasert menneske-maskin-interaksjon da kaptein Picard snakket til “datamaskinen” og fikk meningsfulle svar.

En av dine nyeste prosjekter var å bygge et chatbot-grensesnitt for et museum som skulle forutsi hva besøkende ville spørre. Kan du diskutere hvordan ditt team tilnærmet seg dette?

For å integrere spørsmålsbesvarelsesfunksjonaliteten i museets chatbot, samlet vi først inn mange spørsmål og brukte dem til å forbedre systemets spørsmålsbesvarelsesevner. Dette ble gjort ved å kategorisere spørsmålene samt svarene vi fikk fra vårt prosjektpartner Linon Medien, et selskap som spesialiserer seg på produksjon av tale- og tekstinnhold for utstillinger.

Ditt team oppdaget også at innholdstypenoteringer kan forbedre nøyaktigheten, hva slags nøyaktighetsforskjeller sees fra noteringer?

Innholdstypenoteringene forbedret den totale nøyaktigheten til chatboten i naturlig språkforståelse. Dette betyr at på grunn av de ekstra noteringene, kunne systemet gi mer korrekte svar.

Hva er noen av de viktigste utfordringene bak å bygge en konversasjonskunstig intelligens?

Uten denne dataen, kan man vanligvis bare tilby skriptede opplevelser som ligner på samtaler mellom virkelige mennesker, men er statiske og derfor svært unnaturlige. En annen utfordring er at prosessen med å utvikle et konversasjonelt kunstig intelligens-grensesnitt krever spesialkompetanse i det spesifikke området hvor systemet skal brukes. Å dele den nødvendige informasjonen mellom konversasjonsdesign-eksperter og domene-eksperter, kan noen ganger være en vanskelig prosess som krever støtte fra ytterligere eksperter i bruker-sentrert design-metoder.

Hva er din tilnærming til å bygge en brukervennlig chatbot og konversasjonelt grensesnitt?

Vi følger strengt paradigmet for bruker-sentrert design. Dette betyr at vi engasjerer oss med våre kunder og brukere i tidlige prosjektfaser, når et system ennå ikke er tilgjengelig. Vi starter med fokusgrupper og datainnsamling og lar interessenter gjennomgå systemvarianter i tidlige utviklingsfaser.

Hva er dine synspunkter på ChatGPT og GPT-4, er det noe du ville gjøre annerledes?

For tiden bruker vi ChatGPT og GPT4 som verktøy for data-generering. Imidlertid prøver vi vanligvis å unngå å støtte den lukkede naturen til disse produktene gjennom vår bruk i våre forskningsprosjekter. Vi forventer at sammenlignbare åpne kilde-modeller vil bli tilgjengelige i nær fremtid.

Du skal snakke på den kommende Future of Chatbots & Conversational AI Summit arrangert av Group futurista, hva vil du diskutere?

Jeg skal snakke om sammenhenger mellom brukeropplevelse og konversasjonell kunstig intelligens. Jeg vil ha fokus på bruker-sentrert design, data-drevet bruker-sentrert implementering og evaluering av konversasjonelle grensesnitt.

Takk for det flotte intervjuet, lesere som ønsker å høre Stefan Schaffer snakke, bør delta på Future of Chatbots & Conversational AI Summit arrangert av Group futurista.