Stefan Schaffer, senior forskare, Tyska forskningscentret för AI (DFKI) – Intervjuserie

Stefan Schaffer är en senior forskare och gruppchef vid avdelningen för kognitiva assistenter vid det Tyska forskningscentret för artificiell intelligens (DFKI). Hans arbeten har resulterat i flera konversationsgränssnitt för områden som mobilitet, automotive, skatteinformation, kundservice med mera. För närvarande arbetar han med AI-chattbotar för värdekedjor och hybridhändelser. Innan han gick med i DFKI arbetade Stefan som produktchef på Linon Medien. Han studerade kommunikationsvetenskap och datavetenskap och avlade sin doktorsexamen vid Tekniska universitetet i Berlin inom området multimodalt människa-datorinteraktion.

Vad var det som initialt drog dig till maskinlärning?

Redan under mina studier hade jag ett stort intresse för taligenkänning och tog kurser där vi byggde taligenkännare från scratch.

Vad var det som initialt drog dig till taligenkänning?

Jag var redan fascinerad av talbaserad människa-datorinteraktion när kapten Picard talade till “datorn” och fick meningsfulla svar.

En av dina senaste projekt var att bygga ett chattgränssnitt för ett museum som skulle förutse vad besökarna skulle fråga. Kan du diskutera hur ditt team angrep detta?

För att integrera frågesvarsfunktionen i museets chattbot samlade vi först in många frågor och använde dem för att förbättra systemets frågesvarsförmåga. Detta gjordes genom att kategorisera frågorna samt svaret som vi fick från vår projektpartner Linon Medien, ett företag som specialiserar sig på produktion av tal- och textinnehåll för utställningar.

Ditt team upptäckte också att innehållstypannoteringar kan förbättra noggrannheten, vilka noggrannhetsskillnader ses från annoteringar?

Innehållstypannoteringarna förbättrade den övergripande noggrannheten i chattboten för naturligt språkförståelse. Detta innebär att på grund av de ytterligare annoteringarna kunde systemet ge fler korrekta svar.

Vilka är några av de kärnutmaningarna bakom att bygga en konversations-AI?

Utan denna data kan man i de flesta fall bara erbjuda skriptade upplevelser som imiterar samtal mellan riktiga människor, men är statiska och därmed mycket onaturliga. En annan utmaning är att processen att utveckla en konversations-AI-gränssnitt kräver specialiserad expertis inom det specifika område där systemet kommer att användas. Att dela den nödvändiga informationen mellan konversationsdesignexperter och domänexperter kan ibland vara en svår process som kräver stöd från ytterligare experter inom användarcentrerade designmetoder.

Vad är din tillvägagångssätt för att bygga en användarvänlig chattbot och konversationsgränssnitt?

Vi följer strikt paradigm för användarcentrerad design. Detta innebär att vi engagerar oss med våra kunder och användare i tidiga projektfaser, när ett system ännu inte är tillgängligt. Vi börjar med fokusgrupper och datainsamling och låter intressenter granska systemvarianter i tidiga utvecklingsfaser.

Vad är din syn på ChatGPT och GPT-4, finns det något du skulle göra annorlunda?

För närvarande använder vi ChatGPT och GPT4 som verktyg för datagenerering. Men vi försöker vanligtvis att undvika att stödja den slutna naturen hos dessa produkter genom vår användning i våra forskningsprojekt. Vi förväntar oss att jämförbara öppen källkodsmodeller kommer att bli tillgängliga inom den närmaste framtiden.

Du kommer att tala på den kommande Future of Chatbots & Conversational AI Summit som arrangeras av Group futurista, vad kommer du att diskutera?

Jag kommer att tala om sambanden mellan användarupplevelse och konversations-AI. Jag kommer att fokusera på användarcentrerad design, datastyrd användarcentrerad implementering och utvärdering av konversationsgränssnitt.

Tack för den underbara intervjun, läsare som vill höra Stefan Schaffer tala bör delta i Future of Chatbots & Conversational AI Summit som arrangeras av Group futurista.