دانشمندان عوامل هوش مصنوعی را مستحکم تر کردند – و آنها در وظایف استدلالی پیچیده بهتر عمل کردند
چه زمانی هوش مصنوعی دانشمندان دریافته‌اند که (AI) مجاز است بیشتر شبیه یک ارتباط‌دهنده انسانی رفتار کند، به یک شریک مناظره مؤثرتر تبدیل می‌شود که به نتایج دقیق‌تری می‌رسد.
ارتباطات انسانی پر از توقف و شروع، وقفه های پرشور، سکوت های نامطمئن و ابهام است. از سوی دیگر، هوش مصنوعی به سبک ارتباط رسمی رایانه‌ها – پردازش یک فرمان، فرمول‌بندی پاسخ، ارائه نتیجه و صبورانه منتظر دستور بعدی – پایبند است.
سی و همکارانش چارچوبی را پیشنهاد کردند که در آن مدل‌های زبان بزرگ (LLM) مجبور نبودند به ماهیت رفت و برگشت و منتظر نوبت شما ارتباط رایانه‌ای پایبند باشند. در عوض، ممکن است به LLM شخصیتی داده شود که به او اجازه دهد خارج از نوبت صحبت کند، سخنرانان دیگر را قطع کند یا ساکت بماند.
علاوه بر ایجاد روش‌های بیشتر شبیه انسان برای ارتباطات هوش مصنوعی، محققان دریافتند که چنین انعطاف‌پذیری منجر به دقت بالاتر در کارهای پیچیده در مقایسه با LLMهای استاندارد می‌شود.
شخصیت های متعدد
این تیم با ادغام ویژگی‌ها در LLM بر اساس «پنج بزرگ» تیپ شخصیتی روان‌شناسی کلاسیک-باز بودن، وظیفه‌شناسی، برون‌گرایی، توافق‌پذیری و روان رنجورخویی شروع به کار کرد.
مرحله بعدی برنامه ریزی مجدد LLM های مبتنی بر متن برای پردازش پاسخ ها به صورت جمله به جمله به جای ایجاد یک پاسخ کامل قبل از شروع پاسخ بعدی بود که به محققان این امکان را می داد تا جریان بحث را به دقت کنترل کنند. آنها همچنین نتایج را بین سه تنظیم صحبت مقایسه کردند – یک ترتیب گفتاری ثابت، یک ترتیب گفتاری پویا و یک ترتیب گفتاری پویا با فعال کردن وقفه. دومی به مدل اجازه داد تا یک «امتیاز فوریت» را محاسبه کند که به آنها اجازه می‌دهد مکالمه را در زمان واقعی درک و پردازش کنند.
ارزیابی فوریت در گفتگو به چند طریق بیان شد. اگر به این دلیل بالا رفت که مدل متوجه اشتباه یا نکته ای شده است که فکر می کند برای بحث مهم است، بدون در نظر گرفتن نوبت صحبت کردن چه کسی است، می توانند بلافاصله آن را مطرح کنند. اگر نمره اضطرار پایین بود، مدل این را به‌عنوان هیچ چیز مشخصی برای اضافه کردن تعبیر می‌کرد، که «به هم ریختگی» خود گفتگو را کاهش داد.
سی به لایو ساینس گفت که این تیم با استفاده از 1000 سوال، اثربخشی را ارزیابی کردند درک زبان چندوظیفه ای عظیم معیار (MMLU) – یک آزمون استدلال هوش مصنوعی که سوالاتی از زمینه‌های مختلف از جمله علوم و علوم انسانی را پوشش می‌دهد.
سی گفت: زمانی که یک نماینده در ابتدا پاسخ نادرستی می داد، دقت کلی در بحث سفارش ثابت 68.7 درصد، در ترتیب پویا 73.8 درصد و زمانی که وقفه مجاز بود 79.2 درصد بود. “در یک محیط دشوارتر که در آن دو عامل در ابتدا پاسخ‌های نادرست می‌دادند، دقت 37.2% با ترتیب ثابت، 43.7% با ترتیب پویا و 49.5% با وقفه فعال بود.”
سی با نشان دادن اینکه مدل های شخصیت محور دقیق تر از چت ربات های سنتی هوش مصنوعی هستند، اکنون می خواهد بررسی کند که چگونه می توان این یافته های جدید را عملی کرد. این تیم قصد دارد یافته‌های خود را در زمینه‌های مختلف شامل همکاری خلاقانه به کار گیرد تا پویایی‌های مربوط به چگونگی نقش «شخصیت‌های دیجیتال» در تصمیم‌گیری گروهی را درک کند.
سی گفت: “در آینده، عوامل هوش مصنوعی به طور فزاینده ای با یکدیگر و با انسان ها در محیط های مشترک تعامل خواهند داشت.” «یافته‌های ما نشان می‌دهد که بحث‌های شخصیت‌شکل، از جمله توانایی قطع کردن در مواقع ضروری، گاهی اوقات می‌تواند به نتایج بهتری نسبت به مبادلات با سرعت دقیق و به همان اندازه مودبانه منجر شود.»
