211service.com
Jak odgrywanie ról smoka może nauczyć sztuczną inteligencję manipulowania i przekonywania?
Sztuczna inteligencja, która wykonuje zadania w tekstowej grze przygodowej, rozmawiając z postaciami, nauczyła się nie tylko robić rzeczy, ale także zdobywać inni robić rzeczy. ten system to krok w kierunku maszyn, które mogą używać języka jako sposobu na osiągnięcie swoich celów.
Bezsensowna proza: Modele językowe, takie jak GPT-3 są świetni w naśladowaniu ludzkich zdań, snuciu opowieści, fałszywe blogi i posty na Reddicie . Ale nie ma większego sensu w tej płodnej pracy poza produkcją samego tekstu. Kiedy ludzie używają języka, używa się go jak narzędzia: nasze słowa przekonują, nakazują i manipulują; sprawiają, że ludzie się śmieją i płaczą.
Mieszanie rzeczy: Aby zbudować sztuczną inteligencję, która nie bez powodu używa słów, naukowcy z Georgia Institute of Technology w Atlancie i Facebook AI Research połączyli techniki przetwarzania języka naturalnego i uczenia się ze wzmocnieniem, gdzie modele uczenia maszynowego uczą się, jak zachowywać się, aby osiągnąć określone cele. Obie te dziedziny odnotowały ogromny postęp w ciągu ostatnich kilku lat, ale zapylenie krzyżowe między nimi jest niewielkie.
Gry słowne: Aby przetestować swoje podejście, naukowcy przeszkolili swój system w tekstowej grze wieloosobowej o nazwie ŚWIATŁO , opracowany przez Facebooka w zeszłym roku w celu zbadania komunikacji między ludźmi a graczami AI. Akcja gry toczy się w świecie fantasy, wypełnionym tysiącami obiektów, postaci i lokalizacji pochodzących z crowdsourcingu, które są opisane i wchodzące w interakcje za pomocą tekstu na ekranie. Gracze (człowiek lub komputer) działają, wpisując polecenia, takie jak uścisk czarodzieja, uderzenie smoka lub zdjęcie kapelusza. Mogą również rozmawiać z postaciami kontrolowanymi przez chatbota.
Zadanie smoka: Aby dać powody AI do robienia rzeczy, naukowcy dodali około 7500 zadań crowdsourcingowych, które nie zostały uwzględnione w oryginalnej wersji LIGHT. Wreszcie stworzyli również wykres wiedzy (baza danych relacji podmiot-czasownik-obiekt), która dostarcza sztucznej inteligencji zdroworozsądkowe informacje o świecie gry i powiązaniach między jej postaciami, takie jak zasada, że kupiec będzie ufał strażnikowi tylko wtedy, gdy jest przyjacielem. Gra zawierała teraz akcje (takie jak Idź w góry i Zjedz rycerza) do wykonania w celu wykonania zadań (takich jak Zbuduj największy skarbiec, jaki kiedykolwiek zdobył smok).
Słodki rozmówca: Łącząc to wszystko razem, wyszkolili sztuczną inteligencję do wykonywania zadań tylko za pomocą języka. Aby wykonać akcje, może albo wpisać polecenie dla tej akcji, albo osiągnąć ten sam cel, rozmawiając z innymi postaciami. Na przykład, jeśli sztuczna inteligencja potrzebowała miecza, mogłaby ukraść jeden lub przekonać inną postać do przekazania jednego.
Na razie system jest zabawką. A jego maniery mogą być dosadne: w pewnym momencie, potrzebując wiadra, po prostu mówi: Daj mi to wiadro albo nakarmię cię kotem! Ale mieszanie NLP z uczeniem się przez wzmacnianie jest ekscytującym krokiem, który może prowadzić nie tylko do lepszych chatbotów, które potrafią kłócić się i przekonywać, ale także takich, które mają znacznie głębsze zrozumienie tego, jak działa nasz wypełniony językiem świat.