脸书改进AI聊天机器人使其更具个性

脸书为建构更具吸引力以及个性的人工智能聊天机器人，使用新的资料集、算法及模型，改进聊天机器人普遍存在的一致性、特殊性和同理心等5大弱点，经脸书改进的对话机器人，现在除了会在回应中表现喜好之外，还能自然地在回应中加入额外的知识，提升对话品质。

脸书提到，对话研究是建构下一代智慧代理人很关键的部分，虽然现在聊天机器人可以在单个领域的对话，表现得很好，但是还远无法跟人类进行跨多主题的开放领域对话。脸书想让智慧代理人执行播放歌曲或是预定等任务时，还可以跟人类自然地就日常生活交谈，以提升使用体验，但要在对话中产生连贯且引人入胜的回应并不容易，人工智能需要学习细微的对话技巧，包括语言理解和推理能力。

为此脸书针对目前5个人工智能聊天机器人常见的弱点进行强化，包括一致性、特殊性、同理心、知识性和多模式理解。脸书表示，聊天机器人的对话普遍缺乏前后一致性，前面对话说自己有养两只猫，但是后面问他猫的名字时，可能又会说自己没有养猫，为此脸书与纽约大学合作，开发自然语言推理（Natural Language Inference，NLI）技术，并创建对话NLI资料集。

对话NLI资料集会将对话中的两个语句当作前提和假设，并标记前提和假设的关系，是相关、矛盾还是中性的，模型使用对话NLI资料集训练后，经过3个测试资料集的实验，证实有效降低聊天机器人3倍的对话矛盾。

聊天机器人倾向回应保守且安全的句子，像是我不知道，而经过实验，人们更偏好特别的回答，脸书透过控制多个对话属性，调整机器人回应的特殊性。当人类问聊天机器人的职业时，脸书新模型所产生的答案，不只回答自己是建筑工人，还会进一步描述具体细节，回答自己正建造骨董屋和翻新房屋。

脸书也与华盛顿大学合作，开始研究让聊天机器人更具同情心，这能够解决因为人工智能无法正确感受人类的情绪，而做出不洽当的回应，现在当人类提到自己工作升迁时，聊天机器人可以先给予祝贺，而不是反问人类为什么能够获得升迁。

另外，人类谈话的时候，通常能够自然地将知识融入到对话中，但这点对于开放领域聊天机器人还难以办到。脸书解决这个问题的想法，是在模型中采用更直接的知识记忆机制，收集基于维基百科知识的对话资料集，并使用新的模型基础架构撷取与使用这些知识，改进对话模型展示知识的能力。

而在许多时机，对话会参杂图片，因此聊天机器人不只需要理解对话，还要能理解图像，脸书则努力使得聊天机器人对图片的回应更具人性，而非只是给出传统的图说。脸书收集了人类图像评论资料集，并建构名为TransResNet的检索架构，将图像、个性以及图说资讯投影到同一个空间，以产生综合的结果，脸书提到，在部分案例，新模型所产生的图片注解，已经接近人类的表现，而比起一般的图说，约有50％的人更喜欢新的图片评论。