Onderzoekers van SUNY Binghamton, Cleveland State University en de University of Washington hebben onlangs een nieuw dialoogsysteem ontwikkeld dat de interactie tussen mens en robot kan verbeteren. Dit systeem, gepresenteerd in een paper dat vooraf is gepubliceerd op arXiv, is ontworpen om continu te leren van zijn dialoogervaringen, de kennisbasis en taalmogelijkheden in de loop van de tijd uitbreiden.

"In recente jaren, veel bedrijven en onderzoeksinstituten zijn gaan nadenken over het ontwerpen en gebruiken van robots in binnenomgevingen voor verschillende toepassingen, "Saeid Amiri, een van de onderzoekers die het onderzoek heeft uitgevoerd, vertelde TechXplore. "Voor een robot in een door mensen bewoonde omgeving, het vermogen om natuurlijke taal te gebruiken om met mensen te communiceren is van cruciaal belang. Echter, er zijn een paar uitdagingen om dit te bereiken. Een daarvan is dat de taal dubbelzinnig kan zijn, zelfs in een mens-mens gesprek. Ten tweede, in tegenstelling tot mensen, kennis van een robot van zijn omgeving (bijv. objecten en mensen eromheen) is vrij beperkt."

In hun studie hebben Amiri en zijn collega's probeerden de beperkingen van veel bestaande dialoogsystemen aan te pakken door een systeem te ontwikkelen dat van zijn omgeving kan leren en zo zijn mogelijkheden in de loop van de tijd kan perfectioneren. Hun algemene doel was om robots een taak met succes te laten voltooien, zoals het bezorgen van een pakket, terwijl ook nieuwe concepten over zijn omgeving worden verworven.

"In de communicatie tussen mens en robot als een mens verwijst naar een onbekend object, de robot zal het vaak moeilijk hebben om het te begrijpen, "Zei Amiri. "Om dit probleem aan te pakken, we kwamen op het idee van een dialoogsysteem dat verduidelijkingsvragen stelt (bijvoorbeeld:moet ik een pakket bezorgen? Is dit voor Bob?) zodra de mens er een taak aan toekent. Zulke vragen helpen de robot om te beseffen dat hij nieuwe woorden moet leren."

Het door Amiri en zijn collega's ontwikkelde dialoogsysteem heeft vier hoofdcomponenten:een taalbegripcomponent, een dialoogmanager, een kennismanager en een taalgeneratietool. De component voor het begrijpen van taal ontleedt zinnen die door mensen zijn gesproken in formele representaties en voert ze vervolgens naar de robot. Wanneer het dialoogsysteem wordt toegepast op een bezorgtaak, bijvoorbeeld, zoals die waarop de onderzoekers zich richtten in hun experimenten, de component taalbegrip stelt het systeem in staat om items te identificeren die door menselijke gebruikers worden genoemd of informatie met betrekking tot de ontvanger van een pakket.

De dialoogmanager component, anderzijds, bepaalt welke vragen de robot aan menselijke gebruikers moet stellen als hij instructies of zinnen niet volledig begrijpt. Op basis van het antwoord van een gebruiker op deze vragen, de robot actualiseert zijn mate van zekerheid over de betekenis van concepten waarnaar de gebruiker verwijst.

Vervolgens, de kennismanagercomponent van het dialoogsysteem bepaalt of de robot een nieuw concept moet leren of niet. Als een robot alle door een gebruiker beschreven sleutelconcepten al kent, bijvoorbeeld, het heeft geen zin om extra of onnodige woorden te leren.

Eindelijk, de taalgeneratiecomponent stelt de robot in staat om reacties te produceren en gebruikers direct te antwoorden. In hun studie hebben Amiri en zijn collega's besloten dit onderdeel zo eenvoudig mogelijk te houden, en dus een reeks eenvoudige, voorgedefinieerde teksten.

De onderzoekers evalueerden hun systeem in zowel simulaties als experimenten met menselijke deelnemers, die werden geworven via Amazon Mechanical Turk en andere platforms. Hun bevindingen waren veelbelovend, waarbij hun systeem beter presteert dan andere dialoogagenten in mens-robotinteracties, zowel in termen van efficiëntie als nauwkeurigheid. In hun testen, het systeem kreeg een goed begrip van de vragen van gebruikers, terwijl het ook zijn kennis en taalmogelijkheden in de loop van de tijd voortdurend bijwerkte.

"Tijdens onze studie we vroegen een paar menselijke deelnemers om onze robot te gebruiken en de robot was in staat om zijn kennis te vergroten door de dialoog met de gebruikers, "Zei Amiri. "Een robot die zelf kan weten wanneer hij nieuwe kennis moet leren, was een geweldige prestatie. Dat zou betekenen dat je in principe een robot kunt bezitten die stapsgewijs nieuwe concepten leert door interactie en dialoog met mensen."

In de toekomst, het door Amiri en zijn collega's ontwikkelde dialoogsysteem zou kunnen worden gebruikt om de interactiemogelijkheden van zowel bestaande als nieuwe robots te verbeteren. In de tussentijd, de onderzoekers zijn van plan om aan hun systeem te blijven werken om de prestaties ervan verder te verbeteren, werkzaamheid, en toepasbaarheid.

"Hoewel we ons doel met dit onderzoek hebben bereikt, er is nog een lange weg om de robot net zo natuurlijk te laten handelen als een mens, "Zei Amiri. "Ik zou nu ons dialoogsysteem willen verbeteren, zodat een robot minder vaak zal praten, anders zouden mensen zich gefrustreerd kunnen voelen en het vertrouwen in de robot verliezen. Ook, als een mens nonchalante taal gebruikt in de communicatie, de robot kan momenteel moeite hebben om zijn/haar verzoek te begrijpen, dat is iets anders waar ik aan zou willen werken."

© 2019 Wetenschap X Netwerk