Искусственный интеллект в речевых экспертных системах развивается в направлении чат-ботов. Бесспорно, это понятное всем направление развития. Проблем, при его формировании, безусловно, много, это видно из презентаций разработчиков. Они неплохо рассказывают о своих достижениях, о тех проблемах, которые им удалось решить, но хотелось бы и увидеть проблемы, которые им не удалось решить.
Посмотрим на все эти проблемы с теории информации. Информация — сведения, воспринимаемые человеком и (или) специальными устройствами как отражение фактов материального или духовного мира в процессе коммуникации (ГОСТ 7.0-99).
Основные функции при работе с информацией:
- Поиск новой информации;
- Сохранение информации;
- Передача информации.
По первой функции. Можно разделить на несколько уровней. Локальный уровень где, в принципе, задачи выполняются достаточно эффективно. Примером может быть вопрос пользователя: «Где ближайшая АЗС?», ответ на него системы дают достаточно надежно. Тут, на мой взгляд, следует определить термин «локальный уровень поиска новой информации», как возможность получение новой информации пользователем из источника, который существует в конкуренции с другими источниками, не связанные с ИИ. Представленный пример хорош тем, что естественно понятно, что пользователь информацию, о ближайшей АЗС, может получить от окружающих, карт, то есть из других источников. И выбор источника определяется только издержками пользователя.
Задачи, которые невозможно пользователю решить на основе локальной информации, можно отнести к внешнему (верхнему) уровню, то есть к уровню, который имеет размерность выше, чем доступная пользователю. Примером является задача построения оптимального маршрута движения из А в Б, с учетом внешней ситуации (пробок и т.п.) и критериев эффективности пользователя (потраченного времени и т.п.). Мы видим, что решение этих задач, сейчас, реализуется удовлетворительно.
Задачи, которые требуют выхода за пределы знаний общества, обозначим этот уровень — глобальным, и проигнорируем его. Так как, одного края этих задач — прогнозирование, а с другой стороны, класса этих задач, существует теорема Геделя о неполноте.
По функции сохранения информации. Предполагаю, что данные системы, делают это на уровне, который достижим в настоящее время.
Третья функция – это передача информации. В настоящий момент, теоретически, любая система может передать необходимую информацию в различных формах. Примем, что уровень развития для этого аспекта удовлетворительный.
Посмотрим, с высказанной здесь, точки зрения на развитие таких экспертных систем. Обратимся к принципам, используемых разработчиком: «К счастью, у нас есть вся мощь поисковой машины Яндекса, которая каждый день сталкивается с миллионами запросов, ищет миллионы ответов и учится понимать, какие из них хорошие, а какие – нет». То есть, по сути, физическая схема поиска решения, сводится к простой схеме:
Запрос пользователя -> поиск состоятельного ответа в базе данных -> вывод ответаКак видим ответ представляется, как один из зафиксированных, то есть уже существующих результатов, либо преобразованных и/или согласованных в единый от нескольких зафиксированных результатов. Либо от редакторских баз: «Мы же хотим, чтобы персональный помощник представлял собой целостную личность со вполне определенным набором качеств. Здесь на помощь приходят наши редакторские тексты. Их особенность в том, что они изначально написаны от лица той личности, которую мы хотим воссоздать в Алисе. Получается, что можно продолжать обучать Алису на миллионах строк случайных текстов, но отвечать она будет с оглядкой на эталон поведения, заложенный в редакторских ответах. И это то, над чем мы уже работаем».
По сути получается, что чат-бот это посредник между пользователем и неопределенным кругом лиц (юридическая формулировка). И считаю, что при таком взгляде на эти системы можно структурировать задачи и проблемы, детализировать их и определять новые цели.
Что такое беседа. Это процесс передачи информации от одного субъекта к другому в одном сеансе. Он используется в различных обстоятельствах. При равноправных субъектах, для согласования действий, при неравноправности субъектов, для определения действий подчиненного субъекта.
Тогда виды задач беседы формируются от их типа.
По количеству участников:
- Монолог;
- Диалог;
- Коллективная беседа (конференция);
- Общение с неопределенным кругом лиц.
При такой кластеризации, с учетом отношения к «локальному уровню поиска новой информации», можно увидеть, что поиск задач для ИИ идет, в основном, при использовании ИИ для четвертого типа задач «Общения с неопределенным кругом лиц».
Посмотрим на остальные типы.
Монолог – здесь будем считать монологом попытку субъектом систематизировать результаты проведенного анализа, фиксации полученных результатов. Так как по М.Твену: «Любое упоминание в прессе, даже самое негативное, кроме некролога, это реклама». В чем ИИ может посодействовать человеку, если он обратился к нему с монологом. Класс ответов достаточно очевиден – подыскать аналогичные монологи из своей базы. Тут же возникает аспект, что по своей сути, и, любое научное исследование, до опубликования является монологом одного или нескольких авторов. Посильная ли эта задача для ИИ, подыскать аналогичные исследования, на сегодняшний день. Ответ очевиден – да.
Диалог. Возьмем пример из соцсетей, на основе известной песенки:
— А ты меня любишь?
— Ага.
— С ты со мной будешь?
— Ага
— Так будем мы вместе, так будем мы рядом, с тобою всегда!
Анализируем этот пример. Может ли ИИ чем-то посодействовать пользователю на локальном уровне. Предполагаю, что незначительно, так как на локальном уровне собеседник, для ведущих диалог, имеет приоритетный вес. Но, с точки зрения задач верхнего уровня, тут уже помощь ИИ, а значит и задачи для него есть. Первая – это определение, не с ботом ли разговаривает субъект. Вторая — валидность ответов. А далее, еще огромное количество задач: троллинг, степень заинтересованности, скрытые цели и т.д.
Увеличивая степень важности диалога. Можно увидеть, как использовать мощности ИИ в различных сферах:
А) прием на работу;
Б) ведение переговоров;
В) Судебные процессы.
И список задач возникает огромный.
Представим понятную модель на примере приема на работу.
Сторона А (работодатель). Представление вакансии. ИИ анализирует представленные резюме и представляет список подходящих кандидатов. ЭйчАр проанализировал и всем отказал, ИИ дает совет, что необходимо, в представлении вакансии изменить, дополнить и т.п. Если, ему (HR) не удалось найти сотрудника, то пусть подумает о своем соответствии и, о соразмерности требований и вознаграждений. (Это от меня подзатыльник всем HR).
Сторона Б (соискатель). Написание резюме. Составление ИИ, подсказок, оценок, сопоставительных результатов. Ну и претенденту возможность критически посмотреть на свои возможности.
Конференция. Для этого типа общения, составляя аналогию для диалога, также видно множество задач, в которых ИИ способен принести пользу. От текущих подсказок, до сигнализации об уровне вовлеченности в тему беседы всех ее участников. Влияние каждого участника на результат, к которому пришла конференция. Поиск и подключение внешних специалистов в текущем режиме. Для неравноправных субъектов — это инструкции по использованию оборудования. И многое другое.
Общение с неопределенным кругом лиц. В этом типе общения, примеров использования ИИ уже огромное количество, от создания рекламных текстов до создания речи на генассамблеи ООН.
Здесь на суд публики представлена попытка систематизации задач перед ИИ. Так же представлена идея критерия сопоставления различных ИИ. В основном, этот материал сварился, по результатам проб навыков Алисы, которые попытались реализовать различные разработчики.
Автор: Александр Еськов
