A Survey on Recent Advances in Conversational Data Generation
تقدم هذه الورقة مسحاً شاملاً للتطورات الأخيرة في توليد البيانات الحوارية الاصطناعية، حيث تستعرض بشكل منهجي طرق إنشاء حوارات متعددة الأدوار عبر الأنظمة ذات النطاق المفتوح، والأنظمة الموجهة نحو المهام، والأنظمة الباحثة عن المعلومات، مع تحديد إطار عمل عام، ومقاييس التقييم، والتحديات الراهنة، واتجاهات البحث المستقبلية.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل
تخيل أنك تحاول تعليم روبوت كيف يجري محادثة طبيعية تشبه محادثات البشر. لا يمكنك ببساطة أن تقول له "كن لطيفاً"، بل تحتاج إلى إظهار آلاف الأمثلة للمحادثات الجيدة له. هذا هو جوهر المشكلة التي تعالجها هذه الورقة البحثية: كيف نحصل على قدر كافٍ من بيانات المحادثة عالية الجودة لتدريب هذه الروبوتات دون الحاجة لتوظيف جيش من البشر لكتابة كل سطر؟
إليك تفصيل لأفكار الورقة البحثية باستخدام تشبيهات بسيطة.
المشكلة: "عنق الزجاجة" المتمثل في الكاتب البشري
تقليدياً، للحصول على بيانات المحادثة، كان الباحثون يستأجرون مجموعات من الناس (مثل منصة Amazon Mechanical Turk) للجلوس والدردشة مع بعضهم البعض.
- التشبيه: تخيل أنك تحاول بناء مكتبة عبر الطلب من شخص واحد أن يكتب كل كتاب بيده. هذا الأمر بطيء للغاية، ومكلف للغاية، ولا يمكنك كتابة سوى عدد محدود من الكتب قبل أن ينفد الوقت والمال.
- نقطة الورقة البحثية: هذه الطريقة بطيئة ومكلفة للغاية، خاصة في المواضيع المتخصصة (مثل النصائح الطبية المتخصصة) أو اللغات التي لا يوجد لها الكثير من المتحدثين.
الحل: "الطاهي الاصطناعي"
بدلاً من استئجار بشر لكتابة كل سطر، تستعرض الورقة البحثية طرقاً تقوم فيها الحواسيب بتوليد المحادثات بنفسها. فكر في الأمر كـ طاهٍ اصطناعي يمكنه طهي وجبات لا حصر لها (محادثات) باستخدام كتاب وصفات.
تنظم الورقة هؤلاء "الطهاة" في ثلاث مطابخ رئيسية، اعتماداً على نوع الوجبة التي يطهونها:
1. مطبخ المهام الموجهة (TOD)
- ما هو: محادثات يكون للروبوت فيها مهمة محددة للقيام بها، مثل حجز رحلة طيران أو حجز طاولة.
- التحدي: لا يمكن للروبوت أن يقول فقط "بالتأكيد، سأحجزها". يجب أن يعرف الحقائق الدقيقة: هل الرحلة متاحة؟ في أي وقت؟ ما هو السعر؟ إذا قام الروبوت بتأليف رقم رحلة وهمي، فقد يتضرر المستخدم.
- كيف يفعلون ذلك:
- المخطط الهيكلي: يبدأون بـ "مخطط هيكلي" صارم (قاعدة بيانات أو رسم بياني معرفي) يحتوي على حقائق حقيقية (مثلاً: "القطار E123 يغادر في الساعة 3 مساءً").
- العملية: يأخذ الكمبيوتر هذه الحقائق ويغلفها بلغة طبيعية. الأمر يشبه قيام روبوت بملء نموذج "الكلمات المفقودة" (Mad Libs) ولكن مع جعله يبدو بشرياً.
- شبكة الأمان: بما أن الحقائق تأتي من قاعدة بيانات حقيقية، فإن احتمال كذب الروبوت يكون أقل. وتشير الورقة إلى أن الطرق الأحدث تستخدم "النماذج اللغوية الكبيرة" (LLMs) لجعل اللغة تبدو أقل آلية، لكنها لا تزال تتحقق من الحقائق مقابل قاعدة البيانات.
2. مطبخ المحادثات مفتوحة المجال (ODD)
- ما هي: دردشة عفوية. لا يوجد هدف محدد. مجرد "مرحباً، كيف حالك؟" "أنا بخير، ماذا عنك؟"
- التحدي: يجب أن تكون هذه المحادثات ممتعة، متنوعة، وغير مكررة. إذا قال الروبوت "لا أعرف" في كل مرة، فسيكون الأمر مملاً.
- كيف يفعلون ذلك:
- البذرة: بدلاً من قاعدة بيانات، يبدأون بـ "بذرة". قد تكون حقيقة عشوائية من رسم بياني معرفي (مثلاً: "مادلين خطت خطوة أقرب إلى هدفها") أو ملف تعريف مستخدم (مثلاً: "أنا أحب موسيقى الجاز وأكره المطر").
- العملية: يغذون هذه البذرة لذكاء اصطناوي قوي (مثل GPT-3) ويقولون له: "اكتب محادثة بين شخصين حول هذا الموضوع".
- شبكة الأمان: بما أنه لا توجد قاعدة بيانات صارمة، فقد يقوم الذكاء الاصطناعي بتأليف أشياء. لذا، يستخدم الباحثون "مرشحات" لاستبعاد المحادثات المسيئة، أو المكررة، أو التي لا معنى لها.
3. مطبخ البحث عن المعلومات (CIS)
- ما هو: محادثة يبحث فيها المستخدم عن معلومات محددة، مثل سؤال أمين مكتبة للمساعدة في العثور على كتاب أو سؤال طبيب عن أعراض مرضية.
- التحدي: يجب أن تتدفق المحادثة بشكل منطقي. قد يطرح المستخدم سؤالاً غامضاً، فيطلب الروبوت توضيحاً، ثم يعطي المستخدم مزيداً من التفاصيل، وفي النهاية يقدم الروبوت الإجابة.
- كيف يفعلون ذلك:
- السيناريو: غالباً ما يبدأون بوثيقة حقيقية (مثل مقال ويكيبيديا).
- العملية: يعاملون الوثيقة كأنها نص مسرحي. قد يقومون بـ "إخفاء" أجزاء من النص ويطلبون من الذكاء الاصطناعي كتابة الأسئلة التي تؤدي إلى تلك الإجابات. أو يحاكيون طالباً يسأل معلماً أسئلة حول موضوع ما.
- شبكة الأمان: يتحققون من أن إجابة الروبوت تطابق بالفعل المصدر. إذا قال الروبوت "عاصمة فرنسا هي لندن"، فإن النظام يستبعد تلك المحادثة.
كيف نعرف إذا كان العمل جيداً؟ (اختبار التذوق)
بمجرد أن يولد الكمبيوتر هذه المحادثات، كيف نعرف ما إذا كانت جيدة؟ تشرح الورقة طريقتين:
- اختبار تذوق الروبوت (آلي): تقارن الحواسيب المحادثة الجديدة بمحادثة "المعيار الذهبي". يتحققون مما إذا كانت الكلمات متطابقة أو إذا كان المعنى متشابهاً. كما يتحققون من التنوع (هل يكرر الروبوت نفسه؟) والتماسك (هل الكلام منطقي؟).
- اختبار تذوق البشر (تقييم بشري): يقرأ البشر المحادثات ويقيمونها. "هل كان هذا ممتعاً؟" "هل بدا وكأنه شخص حقيقي؟" تشير الورقة إلى أنه بينما يعد البشر هم أفضل الحكام، إلا أنهم بطيئون ومكلفون، لذا يحاول الباحثون استخدام الروبوتات للقيام بالفرز الأولي.
الصورة الكبيرة
تخلص الورقة إلى أنه بينما يمكننا الآن توليد كميات هائلة من بيانات المحادثة تلقائياً، إلا أن الأمر ليس مثالياً بعد.
- مشكلة "الحلقة المفرغة": إذا دربنا الروبوتات على بيانات صنعتها الروبوتات، ثم استخدمنا الروبوتات للحكم على تلك البيانات، فقد يبدأون فقط في الاتفاق مع بعضهم البعض ويصبحون مملين أو منحازين.
- المستقبل: الهدف هو جعل هذه المحادثات الاصطناعية جيدة للغاية وقابلة للتحكم بحيث يمكنها استبدال أو تعزيز البيانات المكتوبة بشرياً بشكل كبير، خاصة للمهام الصعبة مثل التدريس الشخصي أو الاستشارات الطبية المعقدة.
باخت-صار: هذه الورقة هي خريطة لكيفية تعليم الباحثين للحواسيب كيفية كتابة أدلة التدريب الخاصة بها للمحادثة، والانتقال من "ملء الفراغات" إلى "طهي وجبات كاملة" مع محاولة التأكد من أن الطعام لا طعم له كالبلاستيك.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.