211service.com
Emotionel chattemaskine vurderer dine følelser og kopierer dem
Chatbots har en lang og ærværdig historie, der går tilbage til 1960'erne, og den berømte Eliza-bot, der narrede nogle mennesker til at tro, at de chattede med et rigtigt menneske. Siden da er computerprogrammer, der er i stand til at føre samtaler, blevet gradvist mere avancerede med større evne til at forstå indhold og reagere passende.
Og alligevel undgår evnen til at gengive menneskelig tale på overbevisende måde stadig chatbots. Tal med en i længere tid, og det bliver hurtigt klart, at det er en maskine.
En af grundene er, at computere ikke er i stand til at måle det følelsesmæssige indhold af samtaler og har empati i overensstemmelse hermed. Denne mangel på følelsesmæssig intelligens giver uundgåeligt chatbots væk.
I dag ser det ud til at ændre sig, takket være arbejdet fra Hao Zhou ved Tsinghua University i Beijing og et par venner, der har udviklet en chatbot, der er i stand til at vurdere det følelsesmæssige indhold af en samtale og reagere i overensstemmelse hermed.
Værket åbner døren til en ny generation af chatbots, der er følelsesmæssigt bevidste. Så vidt vi ved, er dette det første arbejde, der adresserer følelsesfaktoren i generering af samtaler i stor skala, siger Hao og co.
Psykologer klassificerer generelt følelser i seks grundlæggende kategorier: lykke, tristhed, afsky, vrede, overraskelse og frygt. Vi formidler disse følelser med skriftlig tale ved hjælp af ord, der har en specifik følelsesmæssig valens. Den måde, hvorpå denne valens ændrer sig gennem en samtale, er et mål for det følelsesmæssige indhold.
For eksempel er ord som grin og smil forbundet med lykke, deprimerende og gråd er forbundet med tristhed og så videre. Faktisk har psykologer lavet enorme tabeller, der viser ords følelsesmæssige valens.
Det er denne slags database, som visse apps bruger til at afgøre, om tweets er positive eller negative - en teknik kendt som sentimentanalyse. Faktisk kan samfundsforskere ved hjælp af en skydevindue-teknik studere, hvordan den følelsesmæssige ladning ændrer sig gennem hele romaner.
Nu har Hao og hans team brugt samme slags teknik til at analysere og kontrollere det følelsesmæssige indhold af samtaler. Denne opgave består af to dele. Den første er at analysere det følelsesmæssige indhold af den menneskelige brugers samtale ved hjælp af teknikker, der ligner følelsesanalyse.
Men den næste del er mere tricky. Det involverer at generere svar, der er både relevante og følelsesmæssigt passende.
Hao og virksomhedens metode er forholdsvis ligetil. De starter med et datasæt på 23.000 sætninger indsamlet fra den kinesiske blogtjeneste Weibo og manuelt annoteret med deres følelsesmæssige ladning – vrede, afsky, lykke, lide, tristhed eller en ekstra afgift forbundet med at kunne lide noget. (De ignorerer overraskelse og frygt, som er relativt sjældne.)
Holdet anvender dette datasæt til at træne en dyb-læringsalgoritme til at klassificere sætninger efter deres følelsesmæssige valens.
Endelig bruger de en almindelig chatbot-samtalegenerator til at producere svar, mens de bruger dyb-læringsalgoritmen til at sikre, at svaret har det korrekte følelsesmæssige indhold. De kalder deres system for Emotional Chatting Machine.
For eksempel for at svare på udtalelsen Værste dag nogensinde. Jeg ankom for sent på grund af trafikken, Emotional Chatting Machine kan generere forskellige svar, afhængigt af den påkrævede følelse.
For lykke, svarer den, Bliv ved med at smile! Tingene vil blive bedre. For tristhed, svarer det, Det er deprimerende. For afsky, siger den: Nogle gange stinker livet bare. For vrede, står der, Trafikken er for dårlig! Og for at udtrykke, at jeg kan lide, står der, at jeg altid er her for at støtte dig.
Dette er interessant arbejde, der kan have betydelig anvendelse. Evnen til at empati (eller synes at have empati) er en vigtig komponent i menneskelig kommunikation. Forskellige undersøgelser har vist, at mennesker er meget mere tilbøjelige til at have en positiv reaktion på en empatisk samtale. Og det ville helt sikkert være nyttigt i mange callcenter-lignende situationer.
Ref: arxiv.org/abs/1704.01074 : Følelsesmæssig chattemaskine: Følelsesmæssig samtalegenerering med intern og ekstern hukommelse