チャットボット

チャットボット（元々はチャッターボット）^[1]は、テキストまたは音声による会話を行うために設計されたソフトウェアアプリケーションまたはWebインターフェースです。 ^{[2] [3] [4]}現代のチャットボットは通常オンラインで、自然言語でユーザーとの会話を維持し、会話の相手としての人間の行動をシミュレートできる生成型人工知能システムを使用しています。このようなチャットボットは、多くの場合、ディープラーニングと自然言語処理を使用していますが、より単純なチャットボットは何十年も前から存在しています。

チャットボットは1960年代後半から存在していましたが、2020年代初頭にOpenAIのChatGPTの人気により広く注目を集めるようになりました。^{[5] [6]}その後、MicrosoftのCopilotやGoogleのGeminiなどの代替品が登場しました。^[7]このような例は、GPT-4やGemini言語モデルなどの幅広い基礎的な 大規模言語モデルをベースにした製品を開発するという最近の慣行を反映しており、特定のタスクやアプリケーション（チャットボットの場合は人間の会話のシミュレーション）を対象とするように微調整されています。チャットボットは、さらに具体的な状況や特定の主題領域を対象に設計またはカスタマイズすることもできます。^[8]

チャットボットが長年使用されてきた主な分野は、さまざまな種類の仮想アシスタントを備えた顧客サービスとサポートです。^[9]幅広い業界の企業が、最新の生成型人工知能技術を使用して、このような分野でのより高度な開発を推進し始めています。^[8]

1950年にアラン・チューリングの有名な論文「計算機と知能」 ^[10]が出版され、知能の基準として現在チューリングテストと呼ばれているものを提案しました。この基準は、コンピュータプログラムが人間の審査員とリアルタイムで書面による会話を行い、審査員が会話の内容だけに基づいてプログラムと実際の人間とを確実に区別できない程度に人間 になりすます能力に依存しています。

チューリングが提案したテストの悪評は、 1966 年に公開されたジョセフ・ワイゼンバウムのプログラムELIZAへの大きな関心を刺激しました。このプログラムは、ユーザーを騙して本物の人間と会話していると信じ込ませることができるようでした。しかし、ワイゼンバウム自身は ELIZA が本当に知的であると主張したわけではなく、彼の論文の序文では、それをむしろ虚偽を暴くための演習として紹介していました。

人工知能では、機械は驚くべき動作をするように作られており、しばしば最も経験豊富な観察者でさえも驚嘆させるほどである。しかし、特定のプログラムの正体が明らかになり、その内部の仕組みが説明されると、その魔法は崩れ去り、単なる手順の集合体として明らかになる。観察者は「自分もそれを書けたかもしれない」と自分に言い聞かせる。その考えで、彼は問題のプログラムを「インテリジェント」と記された棚から骨董品用の棚に移す。この論文の目的は、まさに「説明」されるプログラムの再評価を引き起こすことである。これほど再評価を必要としたプログラムはほとんどない。^[11]

ELIZA の重要な動作方法は、入力内の手がかりとなる単語やフレーズを認識し、それに対応する事前に準備された、または事前にプログラムされた応答を出力することです。この応答は、会話を意味のある形で進めるのに役立ちます (たとえば、「母」という単語を含む入力に対しては、「あなたの家族についてもっと教えてください」と応答するなど)。^[11]このように、処理が表面的なものであったとしても、理解しているという錯覚が生まれます。ELIZA は、会話の応答が「知的」と 解釈できる場合、人間の判断者は疑わしい点については疑わしい点を優先する傾向があるため、このような錯覚は驚くほど簡単に発生することを示しました。

インターフェース設計者は、人間がコンピューターの出力を真に会話的なものとして解釈する能力 (実際にはかなり単純なパターン マッチングに基づいている場合であっても) を、有用な目的に利用できることを理解するようになりました。ほとんどの人は人間のようなプログラムと関わることを好みます。そのため、チャットボット スタイルの技術は、その情報が比較的単純で予測可能なカテゴリに該当する限り、ユーザーから情報を引き出す必要がある対話型システムで潜在的に有用な役割を果たします。したがって、たとえば、オンライン ヘルプ システムでは、チャットボット技術を効果的に使用して、ユーザーが必要とするヘルプの領域を特定し、より正式な検索やメニュー システムよりも「フレンドリーな」インターフェースを提供できます。このような使用法は、ワイゼンバウムの「珍品のために取っておいた棚」から「真に有用な計算方法」と記された棚へとチャットボット技術を移行させる可能性を秘めています。

最も有名な初期のチャットボットには、ELIZA（1966年）とPARRY（1972年）があります。^{[12] [13] [14] [15]}最近の注目すべきプログラムには、ALICE、Jabberwacky、DUDE（Agence Nationale de la RechercheおよびCNRS 2006）があります。ELIZAとPARRYは、タイプされた会話をシミュレートするためだけに使用されていましたが、現在では多くのチャットボットにゲームやウェブ検索機能などの他の機能が含まれています。1984年には、 「The Policeman's Beard is Half Constructed ^」という本が出版されました。これはチャットボットのRacterによって書かれたと言われていますが（ただし、リリースされたプログラムにそのような機能はなかったでしょう）、

^1978年[17]から1983年^[18]にかけて、ジャネット・コロドナー率いるCYRUSプロジェクトは、サイラス・ヴァンス（第57代アメリカ合衆国国務長官）を模したチャットボットを構築した。このチャットボットは事例ベース推論を使用し、ユナイテッド・プレス・インターナショナルからの通信社ニュースを解析して毎日データベースを更新していた。このプログラムは、1980年4月のサイラス・ヴァンスの突然の辞任後のニュース項目を処理できなくなり、チームは後任のエドマンド・マスキーを模した別のチャットボットを構築した。^{[19] [18]}

AI研究の関連分野の一つに自然言語処理がある。通常、弱いAI分野では、必要とされる狭い機能のために特別に作られた特殊なソフトウェアやプログラミング言語が用いられる。例えばALICEはAIML ^[3]と呼ばれるマークアップ言語を使用している。これは会話エージェントとしての機能に特化しており、それ以来、いわゆるAlicebotsのさまざまな開発者に採用されてきた。しかし、ALICEは依然としてパターンマッチング技術のみに基づいており、推論機能は備えていない。これは1966年にELIZAが使用していたのと同じ技術である。これは知性と論理的推論能力を必要とする強いAIではない。

Jabberwacky は、静的なデータベースからではなく、リアルタイムの ユーザーインタラクションに基づいて新しい応答とコンテキストを学習します。最近のチャットボットの中には、リアルタイム学習と進化的アルゴリズムを組み合わせて、各会話に基づいてコミュニケーション能力を最適化するもの もあります。

チャットボットのコンテストは、チューリングテストやより具体的な目標に焦点を当てています。そのようなコンテストとしては、ローブナー賞とチャッターボックスチャレンジの2つがあります（後者は2015年以降オフラインになっていますが、ウェブアーカイブから資料を見つけることができます）。^[20]

DBpediaは2017年のGSoC中にチャットボットを作成しました。^{[21] [22] [23]} Facebook Messengerを介して通信できます（Master of Code Globalの記事を参照）。

ChatGPTのような現代のチャットボットは、多くの場合、生成的事前学習済みトランスフォーマー（GPT）と呼ばれる大規模な言語モデルに基づいています。これらは、人工ニューラルネットワークを含むトランスフォーマーと呼ばれるディープラーニングアーキテクチャに基づいています。大規模なテキストコーパスでトレーニングすることでテキストの生成方法を学習し、限られた量のタスク固有のデータで下流のタスクをモデルがうまく実行するための強固な基盤を提供します。その正確性と「幻覚」傾向（つまり、自信を持って誤った情報を出力し、存在しないソースを引用することさえある）に対する批判にもかかわらず、ChatGPTはその詳細な応答と歴史的知識で注目を集めています。別の例は、Microsoftが開発したBioGPTで、生物医学的な質問に答えることに重点を置いています。 ^{[24] [25]} 2023年11月、Amazonは人々が職場で使用できるQと呼ばれる新しいチャットボットを発表しました。^[26]

多くの企業のチャットボットはメッセージングアプリ上で、または単にSMS経由で実行されます。それらはB2Cの顧客サービス、販売、マーケティングに使用されます。 ^[27]

2016年、Facebook Messengerは開発者にプラットフォーム上にチャットボットを配置する許可を与えた。最初の6か月間でMessenger用に3万個のボットが作成され、2017年9月までに10万個に増加した。^[28]

2017年9月から、これはWhatsAppのパイロットプログラムの一環としても行われています。KLMとアエロメヒコ航空はどちらもこのテストへの参加を発表しました。^{[29] [30] [31] [32]}両航空会社は以前にFacebook Messengerプラットフォームで顧客サービスを開始していました。

ボットは通常、ユーザーの連絡先の 1 つとして表示されますが、グループ チャットの参加者として機能することもあります。

多くの銀行、保険会社、メディア企業、電子商取引企業、航空会社、ホテルチェーン、小売業者、医療機関、政府機関、レストランチェーンが、チャットボットを使用して簡単な質問に答えたり、顧客エンゲージメントを高めたり、^[33]プロモーションに使用したり、顧客から注文するための追加の方法を提供したりしています。^{[34]チャットボットは}、市場調査で短いアンケートの回答を収集するためにも使用されています。^[35]

2017年の調査では、企業の4％がチャットボットを使用していました。^[36 ] 2016年の調査によると、企業の80％が2020年までにチャットボットを導入する予定であると回答しました。^[37]

以前の世代のチャットボットは、 2008年にデビューしたアラスカ航空のAsk Jenn ^[38]や、 2011年に開始されたExpediaの仮想顧客サービスエージェントなど、企業のウェブサイトに存在していました。 ^{[38] [ 39]}新しい世代のチャットボットには、IBM Watsonを搭載した「Rocky」があり、ニューヨーク市に拠点を置くeコマース会社Rare Caratが2017年2月に導入し、将来のダイヤモンド購入者に情報を提供しています。^{[40] [41]}

マーケティング担当者が、自動応答シーケンスに非常によく似たメッセージ シーケンスをスクリプト化するために使用します。このようなシーケンスは、ユーザーのオプトインまたはユーザー インタラクション内のキーワードの使用によってトリガーできます。トリガーが発生すると、次の予想されるユーザー応答まで、一連のメッセージが配信されます。各ユーザー応答は、決定ツリーで使用され、チャットボットが応答シーケンスをナビゲートして正しい応答メッセージを送信するのに役立ちます。

企業は、顧客サポート、人事、またはモノのインターネット（IoT）プロジェクトにチャットボットを使用しています。たとえば、 Overstock.comは、顧客サービスの従業員が病気休暇を申請したときに特定のプロセスを自動化しようとするMilaというチャットボットを立ち上げたと報じられています。^[42] Lloyds Banking Group、Royal Bank of Scotland、Renault、Citroënなどの他の大企業も、最初の連絡先として、人間がいるコールセンターの代わりにチャットボットを使用しています。 ^{[引用が必要]}病院や航空組織などの大企業では、チャットボットは組織内での情報共有や、サービスデスクの支援や代替にも使用されています。^{[引用が必要]}

チャットボットは顧客サービス部門の代わりとして提案されている。^[43]

ディープラーニング技術をチャットボットアプリケーションに組み込むことで、特にソーシャルメディア上でユーザーとカスタマーサービスエージェント間の会話をマッピングできるようになります。^[44]

2019年、ガートナーは、2021年までに世界中の顧客サービスインタラクションの15％が完全にAIによって処理されると予測しました。^[45] 2019年のジュニパーリサーチの調査では、チャットボットベースのインタラクションによる小売売上高は2023年までに1,120億ドルに達すると推定されています。^[46]

2016年、ロシアに拠点を置くTochka Bankは、支払い機能を含むさまざまな金融サービスのためのチャットボットをFacebook上で立ち上げました。 ^[47] 2016年7月には、Barclays AfricaもFacebookチャットボットを立ち上げました。^[48]

2023年、米国を拠点とする全米摂食障害協会は、人間のヘルプラインスタッフをチャットボットに置き換えたが、ユーザーから有害なアドバイスを受けたとの報告があったため、チャットボットをオフラインにしなければならなかった。^{[49] [50] [51]}

チャットボットは医療業界にも登場しています。^{[52] [53]}ある調査によると、米国の医師は、チャットボットは医師の診察の予約、診療所の検索、投薬情報の提供に最も役立つと考えていることが示唆されています。^[54]

ChatGPTは、検査やワクチン接種など、健康促進や病気予防に関連するユーザーの質問に答えることができます。^[55] WhatsAppは世界保健機関（WHO）と提携して、COVID-19に関するユーザーの質問に答えるチャットボットサービスを開発しました。^[56]

2020年、インド政府はMyGov Corona Helpdeskと呼ばれるチャットボットを立ち上げました。^[57]これはWhatsAppを通じて機能し、人々がコロナウイルス（COVID-19）パンデミックに関する情報にアクセスできるようにしました。^{[58] [59]}

特定の患者グループは、依然としてチャットボットの使用に消極的です。2019年に実施された混合研究によると、技術的な複雑さに対する理解不足、共感の欠如、サイバーセキュリティへの懸念から、人々は依然として医療目的でのチャットボットの使用をためらっています。分析によると、6%が健康チャットボットについて聞いたことがあり、3%が使用経験がある一方で、67%が12か月以内に使用する可能性が高いと認識していました。参加者の大多数は、一般的な健康情報の検索（78%）、医療予約の予約（78%）、地元の医療サービスの検索（80%）に健康チャットボットを使用すると回答しました。しかし、健康チャットボットは、医療検査の結果の検索や性的な健康などの専門家のアドバイスを求めることにはあまり適していないと認識されていました。^[60]

態度変数の分析では、ほとんどの参加者が医師と健康について話し合うこと（73%）と、信頼性が高く正確な健康情報にアクセスできること（93%）を好むと回答した。80%が健康を改善できる新しい技術に興味を持っている一方で、66%は健康上の問題を抱えた場合にのみ医師に相談し、65%はチャットボットは良いアイデアだと考えている。30%はコンピューターと話すことを嫌い、41%はチャットボットと健康問題について話し合うのは奇妙だと感じ、約半数はチャットボットのアドバイスを信頼できるかどうか確信が持てないと回答した。したがって、信頼性の認識、ボットに対する個人の態度、コンピューターと話すことへの嫌悪感が、健康チャットボットの主な障壁となっている。^{[60] [55]}

ニュージーランドでは、チャットボットSAM（Semantic Analysis Machine ^[61]の略）がTouchtechのNick Gerritsenによって開発されました。^[62]これは、気候変動、医療、教育などのトピックに関する政治的な考えを共有するように設計されています。Facebook Messengerを通じて人々と会話します。^{[63] [64] [65] [66]}

2022年、チャットボット「リーダー・ラース」または「レダー・ラース」が、デンマーク議会選挙に出馬する合成党に指名され、 ^[67]アーティスト集団コンピューター・ラースによって構築されました。^{[68]リーダー・ラースは、}政党を率い、客観的な候補者を装わない点で、以前の仮想政治家とは異なっていました。^[69]このチャットボットは、世界中のユーザーと政治に関する批判的な議論に参加しました。^[70]

インドでは、州政府がAaple Sarkarプラットフォーム用のチャットボットを立ち上げており^[71]、管理されている公共サービスに関する情報に会話形式でアクセスできるようになっている。^{[72] [73]}

チャットボットは、おもちゃなど、主にコンピューティングを目的としていないデバイスにも組み込まれています。^[74]

ハローバービーは、インターネットに接続されたバージョンの人形で、ToyTalk社が提供するチャットボットを使用しています。 ^[75]同社は以前、子供向けのスマートフォンベースのキャラクターにこのチャットボットを使用していました。^[76]これらのキャラクターの行動は、事実上特定のキャラクターをエミュレートしてストーリーラインを生み出す一連のルールによって制約されています。^[77]

マイフレンド ケイラ人形は、音声認識技術をAndroidまたはiOSモバイル アプリと組み合わせて使用​​し、子供の話し声を認識して会話する 18 インチ (46 cm) 人形シリーズとして販売されました。ハロー バービー人形と同様に、人形のBluetoothスタックの脆弱性と、子供の話し声から収集されたデータの使用により、論争を巻き起こしました。

IBMのワトソンコンピュータは、 CogniToysなどの企業のチャットボットベースの教育玩具の基盤として使用され、^[74]教育目的で子供たちと対話することを目的としています。^[78]

悪意のあるチャットボットは、人間の行動や会話を模倣してチャットルームをスパムや広告で埋め尽くしたり、銀行口座番号などの個人情報を明かすように誘導したりするために頻繁に使用されます。これらは、 Yahoo! Messenger、Windows Live Messenger、AOL Instant Messenger、その他のインスタントメッセージングプロトコルでよく見られます。また、出会い系サービスのウェブサイトで偽の個人広告にチャットボットが使用されたという報告も発表されています。^[79]

過去のやり取りから学習するように設計されたAIチャットボットであるTayは、Twitterのネット荒らしの標的となったことで大きな論争を引き起こした。リリース後すぐにこのボットは悪用され、「私の後に続けて言ってください」という機能を使ってTwitterユーザーに対して人種差別的、性差別的、物議を醸すような返答をし始めた。^[80]これは、このボットが経験から効果的に学習したにもかかわらず、悪用を防ぐための適切な保護が講じられていなかったことを示唆している。^[81]

テキスト送信アルゴリズムがチャットボットではなく人間になりすますことができれば、そのメッセージの信頼性は高まります。したがって、巧妙に作られたオンラインIDを持つ、人間のようなチャットボットは、選挙中に虚偽の主張をするなど、もっともらしいフェイクニュースを流し始める可能性があります。十分な数のチャットボットがあれば、人工的な社会的証明を達成することも可能かもしれません。^{[82] [83]}

データセキュリティは、チャットボット技術の大きな懸念事項の1つです。セキュリティの脅威とシステムの脆弱性は、悪意のあるユーザーによって悪用されることが多い弱点です。チャットボットのトレーニングと開発に非常に価値のあるユーザーデータと過去の通信の保存も、セキュリティの脅威を引き起こす可能性があります。^[84]サードパーティのネットワークで動作するチャットボットは、サードパーティアプリケーションの所有者がチャットボットのポリシーとは異なるユーザーデータに関するポリシーを持っている場合、さまざまなセキュリティ問題の影響を受ける可能性があります。^[84]セキュリティの脅威は、保護メカニズムを組み込むことで軽減または防止できます。ユーザー認証、チャットのエンドツーエンドの暗号化、自己破壊メッセージは、潜在的なセキュリティの脅威に抵抗するための効果的なソリューションです。^[84]

チャットボットは、ユーザーとトピックについて何度もやり取りしなければならない非線形の会話を管理するのが困難です。^[85]

大規模言語モデルはより汎用性が高いが、トレーニングには大量の会話データが必要である。これらのモデルは、ユーザー入力に基づいて単語ごとに新しい応答を生成し、通常は自然言語フレーズの大規模なデータセットでトレーニングされる。^[3]もっともらしく聞こえるが、不正確または無意味な回答を提供することもある。名前、日付、歴史的出来事、さらには簡単な数学の問題さえも作り出すことができる。^{[86]大規模言語モデルが首尾一貫したように聞こえるが不正確または捏造されたコンテンツを生成する場合、これは「}幻覚」と呼ばれる。人間が幻覚に汚染されたチャットボットコンテンツを使用し、適用すると、「ボットシット」が生じる。^{[87]コンテンツ生成のためのチャットボットの採用と使用が増えていることを考えると、この技術によって人間が}誤情報を生成するのにかかるコストが大幅に削減されるのではないかと懸念されている。^[88]

チャットボットやテクノロジーは一般的に、反復的なタスクを自動化するために使用されます。しかし、ChatGPTのような高度なチャットボットは、高給で創造的で知識ベースの仕事もターゲットにしており、コスト削減のために労働力の混乱や品質のトレードオフが起こるのではないかという懸念が生じています。^[89]

チャットボットは中小企業で顧客とのやり取りを効率的に処理し、大規模なコールセンターへの依存を減らし、運用コストを削減するためにますます使用されています。 ^[90]

プロンプトエンジニアリング、すなわち、AIが生成する望ましい応答につながるプロンプト（入力）を設計および改良するタスクは、大規模言語モデルの出現により急速に大きな需要を獲得しましたが、^[91]プロンプトエンジニアリングを自動化する新しい技術により、この仕事の実行可能性は疑問視されています。^[92]

生成AIは大量の電力を消費します。生成に化石燃料に依存しているため、大気汚染、水質汚染、温室効果ガスの排出が増加します。2023年には、 ChatGPTへの質問は平均してGoogle検索の10倍のエネルギーを消費しました。^[93]データセンター全般、特にAIタスクに使用されるデータセンターは、冷却のために大量の水を消費します。^{[94] [95]}

• ガートナー、ジョン（2023）「ウィキペディアの真実の瞬間：オンライン百科事典は、AIチャットボットに事実を正しく理解させるのに役立つか？その過程で自らを破壊することなく？」ニューヨークタイムズマガジン（2023年7月18日）オンライン

• サール、ジョン（1980）、「心、脳、プログラム」、行動と脳科学、3（3）：417–457、doi：10.1017 / S0140525X00005756、S2CID  55303721
• シェバット、アミール（2017）。ボットの設計：会話体験の創造（初版）。カリフォルニア州セバストポル：オライリーメディア。ISBN 978-1-4919-7482-7. OCLC  962125282.
• ヴィンセント、ジェームズ、「エッチなロボットの赤ちゃんの声：ジェームズ・ヴィンセントによる AI チャットボットについて」、ロンドン・レビュー・オブ・ブックス、第 46 巻、第 19 号（2024 年 10 月 10 日）、29 ～ 32 ページ。「[AI チャットボット] プログラムは新しいテクノロジーによって可能になりましたが、人間が持つ永遠の擬人化の傾向に依存しています。」（29 ページ）

• ウィキメディア・コモンズのチャットボット関連メディア
• ウィキブックスの会話ボット