Yang Diyi の新作: 社会は救われるかもしれない AI の大型モデルが 1 対 1 でチャットし、人々が e 人になるのを支援します。

社会活動においては、大規模な言語モデルがパートナーにも指導者にもなります。

人間の社会活動において、仕事や生活において他者とより効果的にコミュニケーションをとるためには、紛争解決などの特定の社会的スキルが必要です。

#しかし、ソーシャルスキルを実践できる環境は、ほとんどの人にとって手の届かないものであることがよくあります。特に専門家によるこれらのスキルのトレーニングは、多くの場合、時間と費用がかかり、利用できるものは限られています。既存の実践とフィードバックのメカニズムは専門家の監督に大きく依存しているため、トレーニングを拡張することが困難です。さらに、専門的な訓練を受けたコーチが不足しており、カスタマイズされたフィードバックを提供できるコーチのほとんどは、困っている多くの人々を助けることができません。

最近、スタンフォード大学助教授ヤン・ディイー氏との共著「大規模言語モデルによるソーシャルスキルトレーニング」という論文で、研究者らは大規模言語モデルの助けを借りて次のように考えています。ソーシャル スキル トレーニングをより簡単、安全、より魅力的なものにし、現実および仮想の練習空間でカスタマイズされたフィードバックを提供します。

論文アドレス: https://arxiv.org/pdf/2404.04204.pdf

具体的には、研究者は次のことを行っています。は、次の 2 つのソーシャルスキルトレーニングのフレームワークを提案しました。

最初のトレーニング フレームワークは AI Partner です。これは、シミュレーション演習による体験型トレーニングのためのスケーラブルなソリューションを提供します。これまでの研究では、人間のロールプレイングがコミュニケーション、コラボレーション、リーダーシップのスキルを効果的に教えることができることが示されています。シミュレーションにより、学習者は実地訓練よりも少ないリスクと機会コストを負担することができます。そして、AI Partner はシミュレーションを通じて、プロフェッショナルの世界への参入に対する社会経済的障壁を軽減します。

2 番目の補完的なトレーニング フレームワークは AI メンター で、ドメインの専門知識と事実の知識に基づいてパーソナライズされたフィードバックを提供します。

両方のトレーニング フレームワーク (総称して APAM と呼ばれます) は、経験的な学習と実際の実践およびカスタマイズされたフィードバックを組み合わせています。研究者たちは、APAM の広範な影響に対処するために学際的なイノベーションを求めています。

この論文の著者であるヤン・ディイー氏は次のように述べています。「ソーシャルスキルの学習は、ほとんどの人にとって手の届かないところにあります。どうすればソーシャルスキルトレーニングをよりアクセスしやすくできるでしょうか？これに基づいて、LLM を使用して、実際の実践とカスタマイズされたフィードバックを通じてソーシャル スキル トレーニングを実施する APAM を立ち上げました!」

彼女は続けて、「APAM では、ユーザーが望むときに、新しいソーシャル スキルを学ぶために、AI パートナーは、シミュレーションされた会話を通じて関連するシナリオの練習を支援できます。AI メンターは、シミュレーションの重要な瞬間に知識ベースのフィードバックを提供できます。」

APAM アーキテクチャの概要

この研究では、AI パートナーと AI メンター (両方とも APAM と呼ばれる) を含む、ソーシャル スキル トレーニングに特化した一般的なフレームワークを提案します。 、この2つが重要です。ユーザーが新しいソーシャル スキルを学びたい場合、AI パートナーは、模擬会話を通じて関連シナリオの練習を支援します。 AI Mentor は、シミュレーションの重要な瞬間に知識ベースのフィードバックを提供できます。

ただし、AI パートナーの構築と導入は簡単ではなく、たとえば、シミュレートされたキャラクターのスタイル、行動、感情的特徴の一貫性を維持することは困難です。 AI Mentor の開発は、ドメインの専門知識、状況認識、フィードバックの効率などの要素に大きく依存します。

上記の問題を解決するために、研究者らは、LLM によるソーシャル スキル トレーニングの一般的な方法を提案しました。これは 4 つのステップで完了します。

##問題スキルを解決する方法を理解する (対立の解決など);

1. AI パートナーを設計して、学習者が会話をシミュレートできるようにする(つまり、ユーザー) ターゲットのプロセスと実践に連絡します;
2. フィードバックを提供する AI メンターを作成します;
3. これら 2 つのエージェントを統合しますユーザーが学習できるように、シミュレーション環境に導入します。

APAM フレームワークの理想的な対象者は初心者ですが、経験豊富な人も APAM システムを使用して知識を更新できると研究者らは述べています。

APAM は、さまざまな分野で学習者のスキルを向上させることができます。表 1 に、聞き方、メンタルヘルス カウンセリングなどのいくつかの応用シナリオを示します。ただし、APAM フレームワークはこれらの典型的な例に限定されず、この文書のセクション 6 でさらに詳しく説明します。

LLM は、一貫した自然なテキストを生成できるため、ソーシャル スキル トレーニング ツールとして大きな可能性を秘めています。ただし、この柔軟性には制御性の制限が伴うことがよくあります。

セキュリティ上の理由から、APAM フレームワークは AI を適用するための一連の手段を提供し、使用プロセスを AI パートナー連続体と AI メンター連続体という連続体に分割します。 . ボディでは、各連続体は 3 つのモデルによって完成されます (図 1 を参照)。

評価結果

AIパートナーとAIメンターの評価が大きな課題APAM ベースのツールには、複雑なコンピューティング システムと、さまざまなニーズや背景を持つユーザーとの対話が含まれます。

これらのトレーニング ツールを分野として開発するには、評価尺度が自然言語処理における従来の指標を超え、複数の関連分野や関係者からのデータを採用する必要があります。 。学際的な視点を取り入れることは、そのようなシステムの経験的なパフォーマンス、ユーザーの観点からの使いやすさ、ユーザーやコミュニティへの長期的な影響を評価するのに役立ちます。

現在、テキスト生成に関する研究は主に本質的な評価、つまり、事前に定義されたルールや対話を通じて出力の品質を評価することに焦点を当てています。

以下の表 2 では、研究者は主に完全自動評価とユーザー主導の評価に分かれています。パープレキシティやカルバック・ライブラー発散などの参照ベースのメトリクスは、シンプルであり、デモンストレーションを通じて望ましい動作を詳細に定義できるため、自動システム品質評価によく使用されます。

#表 2 は、以前の研究で APAM システムに適用された内部評価手順と外部評価手順を詳しく示しています。現在、自然言語処理の専門家は主にシステムの本質的な評価に関心を持っています。この記事では、研究者らは、APAM システムを評価するために確立された教育成果の尺度を使用することの重要性を強調しています。

詳細については、元の論文を参照してください。

以上がYang Diyi の新作: 社会は救われるかもしれない AI の大型モデルが 1 対 1 でチャットし、人々が e 人になるのを支援します。の詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。