对话式AI新方法：对话即数据流( 三 )
文章插图
在这里 ， 第一次事件搜索的条件（包含Megan的名为coffee的事件）被替换为新的条件（指定名为company retreat的事件） 。
查看论文了解更多细节：。
4. 事情会出错在任何复杂的对话中 ， 事情的发生都有许多意想不到的方式 。 与 Megan 预约会议的请求可能会失败 ， 因为用户的联系人列表中没有叫 Megan 的人；因为有许多人都叫 Megan；因为没有空开会；甚或因为网络已断开 ， 对话代理无法与服务器取得联系 。 每种情况都需要不同的响应 ， 而现有的对话系统通常使用复杂的硬编码逻辑来从错误中恢复 。
我们通过从数据流图的某个节点抛出异常来处理所有这些故障 。 我们的对话代理会响应这个失败的“结果” ， 为用户生成一个适当的警告或问题 。 用户可以随意响应 ， 也许是通过纠正问题；例如 ， 在这个上下文中 ， “我指的是 Megan Bowen”将被解释为改进原始请求的修订 。 这种方法允许系统和用户在出现错误时根据上下文灵活地、模块化地、协作地处理错误 。
5. 语言生成依赖于对话语境要成为一名有用的团队合作伙伴 ， 对话 AI 系统需要能够生成语言 ， 而不仅仅是解释它 。 大多数现有的对话方法要么是硬编码生成规则（导致输出听起来像机器人 ， 不会因上下文不同而改变） ， 要么是非结构化的神经语言模型（有时不说实话！）在我们的方法中 ， 语言生成被建模为一个神经引导的合成程序转换过程 ， 在这个过程中 ， 代理会轮流扩展数据流图 。 代理可以讨论图表中出现的任何内容 ， 而不仅仅是它计算得出的最后结果 。 它甚至可以向图中添加新的计算和结果 ， 用户可以在以后的对话中随意引用：
文章插图
代码、数据和新一轮竞争我们相信 ， 这种方法是迈向新一代自动对话代理的第一步 ， 它可以像人与人之间那样与人交互 。 然而 ， 解决这个问题需要整个社会的共同努力 。 为了促进基于数据流的对话代理的开放研究 ， 我们发布了迄今为止最大、最复杂的面向任务的对话数据集 SMCalFlow。 该数据集具有 41517 个标注了数据流程序的对话 。 这个数据集来自于人类之间探讨日历、天气、人和地点的开放式对话 。 与现有的对话数据集相比 ， 我们收集对话不是基于预先指定的脚本 ， 参与者不受限制 ， 他们什么都可以问 ， 他们可以按自己的方式完成他们的任务 。 因此 ， SMCalFlow 与现有的对话数据集有本质上的不同 ， 它有关于代理能力、多轮错误恢复和复杂目标的具体论述 。
数据集、代码和排行榜都可以在我们的 GitHub 页面上找到 。 我们期待看到自然语言处理社区如何使用这个新资源 。
英文原文：
关注我并转发此篇文章 ， 私信我“领取资料” ， 即可免费获得InfoQ价值4999元迷你书 ， 点击文末「了解更多」 ， 即可移步InfoQ官网 ， 获取最新资讯～
推荐阅读
- 对话今年爆火的外骨骼机器人创始人，从民房起步连续创业的追梦者
- 挺进云端AI训练&推理双赛道！独家对话燧原科技COO张亚林：揭秘超高效率背后的“内功”
- 对话Graphcore中国高管：新IPU性能大幅超NV A100，中短期内冲市场第二
- 对话惠普范子军：立足用户需求 助力年轻人实现自我价值
- 中马青年以“数据新时代，携手创未来”为主题举行云端对话
- 对话五位英伟达技术专家：解析GTC China大会不容错过的技术干货
- 南财对话丨专访闵万里：人工智能，离无所不能还有多远？
- 罗振宇对话罗永浩：如果锤子倒闭了你会加入谁
- 对话｜蜂巢能源即将量产无钴电池，杨红新：靠降维打击超越对手
- 对话戴尔科技集团刘志洪 聊一聊非结构化数据存储的那些事儿