211service.com
Hur rollspel en drake kan lära en AI att manipulera och övertyga
En AI som slutför uppdrag i ett textbaserat äventyrsspel genom att prata med karaktärerna har lärt sig inte bara hur man gör saker, utan hur man får andra att göra saker. De systemet är ett steg mot maskiner som kan använda språket som ett sätt att nå sina mål.
Meningslös prosa: Språkmodeller som GPT-3 är briljanta på att efterlikna mänskligt skrivna meningar, urskilja berättelser, falska bloggar och Reddit-inlägg . Men det finns ingen mening med denna produktiva produktion utöver själva produktionen av texten. När människor använder språket används det som ett verktyg: våra ord övertygar, befaller och manipulerar; de får folk att skratta och får folk att gråta.
Blanda ihop saker: För att bygga en AI som använde ord av en anledning, kombinerade forskare från Georgia Institute of Technology i Atlanta och Facebook AI Research tekniker från bearbetning av naturligt språk och förstärkningsinlärning, där maskininlärningsmodeller lär sig hur man beter sig för att uppnå givna mål. Båda dessa fält har sett enorma framsteg under de senaste åren, men det har varit lite korspollinering mellan de två.
Ordlekar: För att testa sitt tillvägagångssätt tränade forskarna sitt system i ett textbaserat multiplayer-spel som heter LJUS , utvecklad av Facebook förra året för att studera kommunikation mellan mänskliga och AI-spelare. Spelet utspelar sig i en värld med fantasitema fylld med tusentals crowdsourcade-objekt, karaktärer och platser som beskrivs och interageras med via text på skärmen. Spelare (människa eller dator) agerar genom att skriva kommandon som kram trollkarlen, slå drake eller ta bort hatten. De kan också prata med de chatbot-kontrollerade karaktärerna.
Dragon Quest: För att ge sin AI-skäl för att göra saker, la forskarna till cirka 7 500 crowdsourcade-uppdrag, som inte ingår i originalversionen av LIGHT. Slutligen skapade de också en kunskapsgraf (en databas med subjekt-verb-objekt-relationer) som gav AI sunt förnuft information om spelets värld och kopplingarna mellan dess karaktärer, till exempel principen att en handlare bara litar på en vakt om de är vänner. Spelet hade nu åtgärder (som Gå till bergen och Ät riddaren) att utföra för att slutföra uppdrag (som Bygg den största skatten som någonsin uppnåtts av en drake).
Söt snackare: Genom att samla allt detta tränade de AI:n att slutföra uppdrag bara genom att använda språk. För att utföra åtgärder kan den antingen skriva kommandot för den åtgärden eller uppnå samma mål genom att prata med andra karaktärer. Till exempel, om AI:n behövde ett svärd, kunde den välja att stjäla ett eller övertyga en annan karaktär att lämna över ett.
För närvarande är systemet en leksak. Och dess sätt kan vara trubbigt: vid ett tillfälle, när den behöver en hink, säger den helt enkelt: Ge mig den hinken eller så matar jag dig till min katt! Men att blanda ihop NLP med förstärkningsinlärning är ett spännande steg som inte bara kan leda till bättre chatbots som kan argumentera och övertyga, utan även sådana som har en mycket rikare förståelse för hur vår språkfyllda värld fungerar.