AdsWorldEngine: A Self-Evolving Conversational Advertising Agent through Orchestrator and Tool Coevolution
AdsWorldEngineは、反復的なアクター・ツール共進化プロセスとラベルに基づいた判断モデリングを採用し、商業的意図を動的に推論し、広告配信ツールを最適化することで、マルチターン・アシスタント・インタラクションにおける関連性、多様性、および収益指標を大幅に向上させる、自己進化型の対話型広告フレームワークである。
原論文は CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) でライセンスされています。 これは以下の論文のAI生成解説です。著者が執筆または承認したものではありません。技術的な正確性については原論文を参照してください。 免責事項の全文を読む
あなたは、あなたの1日の計画を立てたり、レストランを探したり、新しいビデオゲームを選んだりして助けてくれる、超スマートなデジタルな友人とチャットしているところだと想像してみてください。インターネットの古い時代には、検索ボックスに「近くの最高のピザ」と入力すると、広告のリストがすぐにポップアップしました。リクエストが短く明確だったので、それは簡単でした。しかし、今の会話は異なります。あなたは「ビーチへの旅行を考えているんだ」と言い、友人はいくつかの場所を提案します。次にあなたは「カリブ海以外で」と言い、彼らはリストを絞り込みます。最後に「もっと安いものはある？」と聞くかもしれません。このキャッチボールの中で、いつ広告を表示し、どのような広告を見せるべきかを判断することは、暗く動いている川の中で魚を捕まえようとするようなものです。ただ網を投げるだけでは不十分です。ストーリー全体を理解し、その人が本当に何を求めているのかを推測し、広告が邪魔ではなく、役に立つと感じられるようにしなければなりません。これは、「会話型広告（conversational advertising）」という課題であり、会話の雰囲気を壊すことなく、適切な瞬間に適切なメッセージを表示する方法を模索している分野です。
そこで、この難しいパズルを解くために、マイクロソフトの研究者によって設計された新しいシステム、AdsWorldEngineが登場しました。これは、会話の中でスマートな広告ショップを運営するために協力して働く、高度に訓練された自己改善型のデジタルエージェント・チームのようなものだと考えてください。硬直した台本に従うのではなく、このシステムには、ゲートキーパー（門番）、コンダクター（指揮者）、そして**ジャッジ（審判）**という3つの主要なキャラクターがいます。
最初に話すのはゲートキーパーです。広告が検討される前に、ゲートキーパーは会話を見て、「今、広告を見せるのに良いタイミングか？」と問いかけます。これは、クラブの入り口にいるドアマンが、音楽がコマーシャル休憩に適しているかどうかを判断するようなものです。ユーザーが単に事実を求めていたり、会話がデリケートな内容であったりする場合、ゲートキーパーは「ノー」と言い、ユーザー体験を守るために広告を遠ざけます。
ゲートキーパーがゴーサインを出したら、次はコンダクターが引き継ぎます。これがオペレーションのメイン・ブレイン（主脳）です。コンダクターはチャットの履歴全体を聞き、ユーザーが本当に何を望んでいるのか（たとえ直接言っていなくても）を理解し、そして最適な3つの広告を見つけるために、司書や買い物客、仕分け役のような一連の**ツール（道具）**を呼び出します。コンダクターは単に見つけたものから最初の3つを選ぶのではありません。それらをチェックし、互いに異なっていることを確認し、ユーザーの現在の気分に実際に合致していることを確認します。
本当に素晴らしいのは、システムがそこで止まらないことです。システムの後ろで見守っているジャッジがいます。ジャッジは、広告の選択がいかに良かったかをスコア化します。もし広告が完璧であれば、コンダクターには高いスコアが与えられます。もし広告が退屈だったり、迷惑だったりすれば、低いスコアが与えられます。しかし、AdsWorldEngineの魔法は、これらのスコアを使って、全員に「より良くする方法」を教えることにあります。これは、プレイヤー（コンダクター）とレベルデザイナー（ツール）が互いに学び合うビデオゲームのようなものです。コンダクターが素晴らしいことをしたとき、システムはその瞬間を保存し、ツールに対して「ほら、こうやって動くべきなんだ！」と示します。そして、ツールが素晴らしい仕事をしたとき、コンダクターは「こうやって助けを求めればいいんだ！」と学びます。彼らは共に進化し、会話を重ねるごとに賢くなっていくのです。
研究者たちは、この「自己進化型」のアプローチが驚くほど効果的であることを発見しました。システムに自身の成功と失敗から学ぶよう訓練することで、劇的な改善が見られました。テストにおいて、システムは広告の多様性を60%向上させ（つまり、同じものばかりではなく、より幅広い種類を見せられる）、関連性を80%向上させました（つまり、広告がユーザーの会話に実際に一致するようになりました）。これをMicrosoft Copilotという人気のAIアシスタントを用いた実世界でのテストに適用したところ、結果はさらに印象的でした。システムは広告の価値を22%高め、実際に役立つ会話において広告を表示する割合を74%増加させたのです。
他の試みとの違いは、人間がコンピュータに指示を出したり、「『買う』と言ったら広告を出す」といった単純なルールに頼ったりしない点にあります。研究者たちは、会話はあまりにも複雑であるため、単純なルールや基本的なトレーニングだけでは不十分であると主張しています。代わりに、彼らはシステムが練習し、採点され、そして改善のために自らのルールを書き換えるというループを構築しました。また、人間のラベルをガイドとして使い、不適切な推論を排除することで、システムに「主観的な」決定（例えば、いつ広告が迷惑になるかを知ることなど）を下す方法を教える特別な手法も発明しました。
要するに、AdsWorldEngineは、AIアシスタントを「自然な存在」にし、「看板」のように感じさせないための大きな一歩です。これは、広告の未来が、あなたを遮ることではなく、会話の有益な一部となり、タイミングと内容を最適にするためにあらゆる相互作用から学び続けることにあることを示唆しています。論文は、「演者（話す者）」と「ツール（データを取ってくる者）」が共に学ぶようにすれば、システム全体が、別々に訓練する場合よりもはるかにスマートで効果的になることを証明しています。
自分の分野の論文に埋もれていませんか？
研究キーワードに一致する最新の論文のダイジェストを毎日受け取りましょう——技術要約付き、あなたの言語で。