211service.com
De virtuele Cyborg-assistent van Facebook leert van zijn trainers
Eind vorige maand kregen een paar honderd gelukkige gebruikers van de mobiele berichten-app van Facebook een ongebruikelijk nieuw contact om mee te praten: M, een virtuele assistent aangedreven door een combinatie van algoritmen en menselijke operators.
Dat cyborg-ontwerp maakt M in staat om veel complexere verzoeken te verwerken dan de mobiele app-assistenten die Apple, Microsoft en Google bieden in hun smartphonesoftware. Siri, Cortana en de zoek-app van Google kunnen eenvoudige opdrachten of feitelijke vragen interpreteren, zoals Wat is de weersvoorspelling voor Londen? Maar ze kunnen geen complexere vragen beantwoorden, zoals Waar kan ik een goede burger krijgen in Chicago? Ze kunnen geen heen-en-weer gesprek aangaan of een hotel boeken.
M kan die dingen doen omdat de software dingen doorgeeft die het niet kan doen aan menselijke operators, ook wel trainers genoemd. Soms moet een trainer al het werk doen, maar M is ook in staat om vragen die hij herkent, maar niet kan verwerken, te verwerken in gemakkelijk te verwerken samenvattingen die het werk van een trainer efficiënter maken.
Op dit moment is dit model niet efficiënt genoeg om M meer te laten zijn dan alleen een experiment, omdat er te veel menselijke werkers voor nodig zijn. Maar Alex Lebrun, die het team leidt dat aan de assistent van Facebook werkt, zegt dat het een echt product kan worden omdat het werk van de menselijke trainers de software geleidelijk leert hoe een groter deel van het werk kan worden gedaan. LeBrun en zijn team kwamen bij Facebook toen het sociale netwerk de startup overnam die hij medeoprichter was, Wit.ai (zie Making the Internet of Things Understand Your Voice ). Hij ontmoette onlangs met MIT Technologie Review. Wat volgt is een bewerkte transcriptie van het gesprek.
Geautomatiseerde virtuele assistenten zoals Siri worden al een tijdje aangeboden. Waarom een assistent maken waar mensen een deel van het werk doen?
Virtuele assistenten op de markt, zoals Siri en Cortana, zijn als zoeken: je kunt een vraag stellen en een antwoord krijgen, maar het is beperkt. Mensen zijn altijd gefrustreerd geweest. Mensen die Siri elke dag of week gebruiken, gebruiken het gemiddeld maar voor drie of vier vragen. Het is omdat ze zijn verbrand. Gebruikers stoppen het te gebruiken, of gebruiken de dingen waarvan ze weten dat ze werken.
We wilden ons concentreren op taken die geen enkele AI ter wereld kan doen. Om dat te doen, moet je begrijpen wat mensen willen, maar ook een plan maken om het te vervullen. Niemand heeft de gegevens om machine learning daarvoor te trainen. We besloten om AI en mensen samen te laten werken. De AI helpt de mensen en op hun beurt trainen zij de AI.
Kun je me een voorbeeld geven van waar mensen het voor gebruiken?
Sommige mensen zeggen: Stuur me elke ochtend om 7 uur een melding als het gaat regenen. Dat valt nog steeds buiten het bereik van Siri.
Ik gebruik M veel om weekenden te plannen. Ik kies een stad om een weekend door te brengen en vraag M om een hotel te boeken en suggesties te doen voor dingen die ik kan doen met mijn drie- en eenjarige kinderen. M zal zoek- of Facebook-pagina's gebruiken om een lijst te genereren en deze aan een trainer te tonen. Als de AI iets fout heeft gedaan, zal de trainer enkele suggesties elimineren. M komt terug en zegt: Hier is je hotel, en ik raad je aan dit 's ochtends te doen en' s middags naar dit museum te gaan. U kunt dit doen met Google, maar het vergt veel browsen. In plaats van je een lijst met 50 suggesties te sturen, zal M de lijst snoeien en prioriteren, waarbij hij de top drie of vijf dingen stuurt. Dat is het soort dingen dat een goede menselijke executive assistant doet. Als je M eenmaal begint te gebruiken, is het erg verslavend.
Kan dit een echt product worden dat iedereen kan gebruiken?
Facebook test een virtuele assistent, M genaamd, die complexere vragen aankan dan bestaande apps zoals Siri.
Ik weet zeker dat we het kunnen opschalen naar een algemeen verkrijgbaar product. We hebben enkele tientallen trainers. Dat is een hoge verhouding [tot het aantal gebruikers], maar we leren veel nieuwe dingen. Er zijn veel eisen die steeds weer terugkomen, en die kunnen we leren. We hebben nog steeds trainers nodig voor de lange staart.
De onderzoeksgroep voor kunstmatige intelligentie van Facebook probeert software te maken die dialogen zoals die van M's kan uitvoeren zonder menselijke tussenkomst (zie Machines leren om ons te begrijpen ). Werk je met hen samen?
Wij hebben een nauwe relatie met FAIR. We werken met hen aan enkele modules voor M. Het is een goede gelegenheid voor hen om te laten zien wat ze doen. De modules zijn allemaal gebouwd op machine learning. Uit ervaring weten we dat als je begint met hard-coded regels, je tegen een muur aanloopt; dat willen we vermijden.
Kunnen de gegevens van M FAIR helpen bij het maken van software die zelf een dialoog kan voeren?
Ze zijn erg hongerig naar alle gegevens. Voor het beantwoorden van vragen zijn er niet veel gegevens, en het zijn eenvoudige feitelijke vragen die u Wikipedia kunt gebruiken om te beantwoorden. Vanwege hun beperkingen bieden assistenten zoals Siri geen erg goede gegevens. Hier hebben we de volledige dialoog met een doel en uitvoering. De enige manier om deze dataset op te bouwen, is door echte gebruikers echte vragen te laten stellen.