PersonaKit (PK): A Plug-and-Play Platform for User Testing Diverse Roles in Full-Duplex Dialogue
PersonaKit एक ओपन-सोर्स, लो-लेटेंसी वेब प्लेटफॉर्म है जो शोधकर्ताओं को सहज JSON कॉन्फ़िगरेशन और स्वचालित A/B टेस्टिंग के माध्यम से फुल-डुप्लेक्स स्पोकन डायलॉग सिस्टम्स में विविध, पर्सोना-विशिष्ट टर्न-टेकिंग रणनीतियों को तेजी से प्रोटोटाइप करने और मूल्यांकन करने में सक्षम बनाता है।
मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें
कल्पना कीजिए कि आप एक रोबोट से बात कर रहे हैं। पुराने दिनों में, ये रोबोट विनम्र लाइब्रेरियन की तरह होते थे: आपको उनके बोलने के खत्म होने का इंतज़ार करना पड़ता था, तभी आप एक शब्द भी बोल सकते थे। यदि आप उन्हें बीच में टोकने की कोशिश करते, तो वे तुरंत रुक जाते और सुनने लगते। इसे "हाफ-डुप्लेक्स" (half-duplex) संचार कहा जाता है।
लेकिन असल ज़िंदगी अव्यवस्थित होती है। एक वास्तविक बातचीत में, लोग एक-दूसरे की बात काटते हैं। एक ड्रिल सार्जेंट आपको चुप करा सकता है यदि आप उसे बीच में टोकते हैं, जबकि एक मिलनसार टूर गाइड आपको सवाल पूछने के लिए बीच में बोलने की अनुमति दे सकता है। यह "फुल-डुपलेक्स" (full-duplex) संचार है।
समस्या यह है कि अधिकांश आधुनिक एआई (AI) रोबोट अभी भी "विनम्र लाइब्रेरियन" बनकर रह गए हैं। वे हमेशा अपनी बारी छोड़ देते हैं, भले ही उन्हें एक गुस्सैल बॉस या एक विचलित शेफ बनना हो। यह उस भ्रम को तोड़ देता है कि रोबोट का एक वास्तविक व्यक्तित्व है।
पेश है पर्सोनाकिट (PersonaKit - PK)।
पर्सोनाकिट को वॉयस बॉट्स के लिए एक "पर्सनैलिटी स्विचबोर्ड" के रूप में समझें। यह एक मुफ्त, ओपन-सोर्स टूल है जो शोधकर्ताओं को बिना किसी कोडिंग विशेषज्ञ बने, यह आसानी से परीक्षण करने की अनुमति देता है कि विभिन्न रोबोटों को बीच में टोकने पर कैसे व्यवहार करना चाहिए।
यह कैसे काम करता है, यहाँ कुछ सरल रूपकों (metaphors) का उपयोग किया गया है:
1. द "रेसिपी बुक" (JSON कॉन्फ़िगरेशन)
आमतौर पर, एक रोबोट के व्यवहार को बदलने के लिए उसके पूरे दिमाग (कोड) को फिर से लिखने की आवश्यकता होती है। पर्सोनाकिट खेल बदल देता है। कोडिंग करने के बजाय, शोधकर्ता बस एक सरल टेक्स्ट फ़ाइल (जैसे कि रेसिपी कार्ड) को संपादित करते हैं।
- द पर्सोना कार्ड: आप लिखते हैं कि रोबोट कौन है (जैसे, "गुस्सैल सराय का मालिक")।
- द इंटरप्शन मेनू: आप रोबोट को बताते हैं कि यदि आप उसे बीच में टोकते हैं तो उसे कैसे प्रतिक्रिया देनी चाहिए। आप संभावनाओं (probabilities) को सेट कर सकते हैं, जैसे कि पासा फेंकना:
- 50% संभावना: "मैं बॉस हूँ, बोलते रहो!" (अपनी बात पर अड़े रहना/Hold the floor)
- 25% संभावना: "ठीक है, मैं सुनता हूँ, लेकिन फिर मैं अपना वाक्य पूरा करूँगा।" (ब्रिज/Bridge)
- 25% संभावना: "माफ़ करें, आगे बढ़िए।" (बात छोड़ देना/Yield)
2. द "ट्रैफिक कोप" (टर्न-टेकिंग मैनेजर)
जब आप रोबोट की बात काटते हैं, तो पर्सोनाकिट एक ट्रैफिक पुलिस की तरह काम करता है।
- चरण 1: यह सुनता है कि आपने क्या कहा। क्या आपने विषय बदलने की कोशिश की? क्या आपने सिर्फ "हाँ" या "हूँ" कहा? क्या आपने बहस करने की कोशिश की?
- चरण 2: यह रोबोट के "रेसिपी कार्ड" को देखता है कि उस विशिष्ट चरित्र को कैसे प्रतिक्रिया देनी चाहिए।
- चरण 3: यह रोबोट के दिमाग (एआई) को ठीक-ठीक बताता है कि क्या करना है: "अपना वाक्य पूरा करें," "रुकें और सुनें," या "उपयोगकर्ता को अनदेखा करें और चलते रहें।"
3. द "लाइव लैब" (यूजर टेस्टिंग)
पेपर में एक छोटा प्रयोग वर्णित है जहाँ 5 लोगों ने 8 अलग-अलग प्रकार के रोबोट्स (ड्रिल सार्जेंट से लेकर लाइब्रेरियन तक) से बात की। उन्होंने इस बात के तीन अलग-अलग "नियमों" का परीक्षण किया कि रोबोट बाधाओं (interruptions) को कैसे संभालते हैं:
- नियम A (द डोरमैट - द दबी हुई शख्सियत): हमेशा तुरंत रुकना और सुनना।
- नियम B (द एक्टर - अभिनेता): "रेसिपी कार्ड" के आधार पर प्रतिक्रिया देना (कभी अपनी बात पर अड़े रहना, कभी बात छोड़ देना)।
- नियम C (द इम्प्रोव - तात्कालिकता): एआई को मौके पर निर्णय लेने दें कि क्या करना है।
उन्हें क्या पता चला?
- उच्च-दर्जे के पात्र (जैसे ड्रिल सार्जेंट): लोगों को यह सबसे ज्यादा पसंद आया जब रोबोट ने तुरंत रुकना नहीं सीखा। जब ड्रिल सार्जेंट ने बाधा को अनदेखा किया और चिल्लाना जारी रखा, तो यह अधिक वास्तविक और स्वाभाविक लगा।
- निम्न-दर्जे के पात्र (जैसे लाइब्रेरियन): लोग चाहते थे कि रोबोट तुरंत रुक जाए और सुने।
- "ग्रंपी" (गुस्सैल) फैक्टर: एक परीक्षण में, एक "सराय के मालिक" को बीच में टोका गया। क्योंकि सिस्टम ने रोबोट को "अपनी बात पर अड़े रहने" की अनुमति दी, वह बीच में काटे जाने के बाद भी अपना वाक्य ("...फिर से!") पूरा करने में सफल रहा। यह एक वास्तविक इंसान की तरह लगा जो लड़खड़ाने के बाद खुद को संभालता है, जबकि "डोरमैट" रोबमा केवल शांत हो जाता।
यह क्यों मायने रखता है?
लेखकों ने यह टूल इसलिए बनाया क्योंकि इन "सामाजिक कौशलों" का परीक्षण करना पहले अविश्वसनीय रूप से कठिन और महंगा था। आपको हर परीक्षण के लिए एक कस्टम वॉयस सिस्टम बनाने के लिए इंजीनियरों की एक टीम की आवश्यकता होती थी।
पर्सोनाकिट शोधकर्ताओं के लिए एक "प्लग-एंड-प्ले वीडियो गेम कंसोल" की तरह है। आप अपने चरित्र की सेटिंग्स डालते हैं, "स्टार्ट" दबाते हैं, और सिस्टम जटिल ऑडियो इंजीनियरिंग, टाइमिंग और सर्वेक्षणों को स्वचालित रूप से संभाल लेता है।
संक्षेप में: पर्सोनाकिट यह साबित करता है कि एक रोबोट को वास्तव में मानवीय महसूस करने के लिए, उसे यह जानना आवश्यक है कि आपको कब टोकना है और आपको कब बोलने देना है। और अब, शोधकर्ता इन सामाजिक नियमों का परीक्षण करने के लिए आसानी से इनका उपयोग कर सकते हैं ताकि देख सकें कि कौन से नियम सबसे अच्छे पात्र बनाते हैं।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।