Loading article…
対話システム、または会話エージェント( CA ) は、人間と会話することを目的としたコンピュータ システムです。対話システムは、入力チャネルと出力チャネルの両方で、テキスト、音声、グラフィックス、触覚、ジェスチャ、その他の通信モードの 1 つ以上を採用します。
対話システムの要素は、このアイデアが研究中であるため定義されていませんが、[引用が必要] 、チャットボットとは異なります。[1]一般的なGUI ウィザードは、ある種の対話を行いますが、一般的な対話システム コンポーネントはほとんど含まれておらず、対話の状態は単純です。
背景
1960年代初頭から書かれたテキスト処理のみに基づいた対話システムが登場した後、[2]最初の音声対話システムは、 1977年に米国のDARPAプロジェクトによって発表されました。 [3]この5年間のプロジェクトの終了後、いくつかのヨーロッパのプロジェクトは、多くの言語（フランス語、ドイツ語、イタリア語も含む）を話すことができる最初の対話システムを発表しました。[4]これらの最初のシステムは、自動化されたアジェンダや電車の表サービスなど、特定の分野で電話のさまざまなサービスを提供するために通信業界で使用されました。
コンポーネント
対話システムにはどのようなコンポーネントセットが含まれており、それらのコンポーネントがどのように責任を分担するかはシステムによって異なります。あらゆる対話システムの基本は対話マネージャであり、これは対話の状態と対話戦略を管理するコンポーネントです。対話システムの典型的なアクティビティサイクルには、次のフェーズが含まれます。[5]
- ユーザーが話すと、その入力はシステムの入力認識装置/デコーダーによってプレーンテキストに変換されます。これには次のものが含まれます。
- 自動音声認識装置(ASR)
- ジェスチャー認識装置
- 手書き認識装置
- テキストは自然言語理解(NLU) ユニットによって分析されます。これには次のものが含まれる場合があります。
- セマンティック情報は、ダイアログの履歴と状態を保持し、会話の全体的な流れを管理するダイアログ マネージャによって分析されます。
- 通常、ダイアログ マネージャーは、特定のタスク ドメインに関する知識を持つ1 つ以上のタスク マネージャーに接続します。
- ダイアログ マネージャーは、出力ジェネレーターを使用して出力を生成します。出力ジェネレーターには、次のものが含まれます
。
- 自然言語ジェネレータ
- ジェスチャージェネレーター
- レイアウトマネージャー
- 最後に、出力レンダラーを使用して出力がレンダリングされます。出力レンダラーには次のものが含まれます。
テキストのみのインターフェース (テキストベースのチャットなど) に基づく対話システムには、ステージ 2 ～ 5 のみが含まれます。
システムの種類
ダイアログ システムは次のカテゴリに分類されます。ここでは、いくつかの側面に沿ってリストされています。カテゴリの多くは重複しており、区別が明確になっていない場合があります。
- モダリティ別
- デバイス別
- スタイル別
- 主導権によって
- システムイニシアチブ
- ユーザーの自発性
- 混合イニシアチブ
自然な対話システム
「自然な対話システムとは、人間の行動を模倣することで、ユーザビリティとユーザ満足度の向上を目指す対話システムの形態である」 [6] (Berg, 2014)。これは、人間同士の対話の特徴 (サブダイアログやトピックの変更など) に対処し、それらを人間と機械のインタラクションのための対話システムに統合することを目指しています。多くの場合、(音声) 対話システムでは、システムが理解できる語彙が非常に限られており、トピックの変更に反応できず、ユーザが対話の流れに影響を与えることができないため、ユーザがシステムに適応する必要があります。混合主導型は、ユーザが質問に答えるだけでなく、対話に積極的に参加できるようにする方法です。ただし、混合主導型が存在するだけでは、自然な対話システムとして分類するには不十分です。その他の重要な側面は次のとおりです。[6]
- システムの適応性
- 暗黙の確認のサポート
- 確認質問の使用
- すでに提供された情報を修正する可能性
- 過剰な情報提供（求められた以上の情報を提供する）
- 否定を支持する
- 談話と照応を分析して参照を理解する
- 単調で繰り返しの多いプロンプトを防ぐための自然言語生成
- 適応性と状況認識性を備えた処方
- 社交的な振る舞い（挨拶、ユーザーと同じレベルのフォーマルさ、礼儀正しさ）
- 音声認識と合成の品質
これらの側面のほとんどは多くの異なる研究プロジェクトの課題ですが、これらのトピックに対処する対話システムの開発をサポートするツールが不足しています。[7]対話型音声応答システムに焦点を当て、業界の多くの音声対話システム（顧客サポートアプリケーション）の基礎となっているVoiceXMLと、 ALICEチャットボットで有名なAIMLを除けば、これらのいずれも対話行為や言語生成などの言語機能を統合していません。そのため、NADIA（研究プロトタイプ）は、そのギャップを埋める方法のアイデアを提供し、自然言語生成、適応型定式化、サブダイアログなど、前述の側面のいくつかを組み合わせています。
パフォーマンス
一部の研究者は、文のモデルを比較することで、完全に正しい文の割合で対話システムのパフォーマンスを測定します（この指標は、概念文精度[8]または文理解[4]と呼ばれます）。
アプリケーション
対話システムは、企業、教育、政府、医療、エンターテイメントなど幅広いアプリケーションをサポートできます。[9]例えば：
- 会社のウェブサイトやイントラネットポータルを通じて、製品やサービスに関する顧客の質問に回答する
- カスタマーサービスエージェントのナレッジベース: エージェントが顧客の質問を入力し、回答を案内できるようにします。
- ガイド付き販売: 特に初心者の顧客に販売される複雑な製品の場合、販売プロセスで回答とガイダンスを提供することで取引を促進します。
- ヘルプデスク: 社内従業員の質問への対応、例: 人事に関する質問への対応
- ウェブサイトナビゲーション: 複雑なウェブサイトの関連部分に顧客を誘導するウェブサイトコンシェルジュ
- テクニカルサポート: 製品やデバイスの問題の診断など、技術的な問題への対応
- パーソナライズされたサービス: 会話エージェントは、内部および外部のデータベースを活用して、口座残高に関する質問に答えたり、ポートフォリオ情報を提供したり、マイレージや会員情報を提供したりといった対話をパーソナライズすることができます。
- トレーニングまたは教育: ユーザーが学習する間に問題解決のアドバイスを提供することができます
- シンプルなダイアログ システムは、コール センターの人的作業負荷を軽減するために広く使用されています。このアプリケーションやその他の産業用電話アプリケーションでは、ダイアログ システムによって提供される機能は、対話型音声応答(IVR)として知られています。
- ゲノミクスなどのデータ操作および分析タスクにおいて科学者をサポートします。[10]
場合によっては、会話エージェントは人工キャラクターを使用してユーザーと対話することができます。このようなエージェントは、具現化エージェントと呼ばれます。
ツールキットとアーキテクチャ
対話システムを定義するための現在のフレームワーク、言語、テクノロジーの調査。
参照
参考文献
- ^ Klüwer, Tina. 「チャットボットからダイアログシステムへ」会話エージェントと自然言語インタラクション: テクニックと効果的な実践。IGI Global、2011 年、1-22 ページ。
- ^ McTear, Michael, Zoraida Callejas、David Griol、「会話型インターフェース：スマートデバイスとの会話」、Springer、2016年。
- ^ Giancarlo Pirani (編)、音声理解のための高度なアルゴリズムとアーキテクチャ、第1巻。Springer Science & Business Media、2013年。
- ^ ab Alberto Ciaramella、「プロトタイプの性能評価レポート」、Sundial 作業パッケージ 8000 (1993)。
- ^ Jurafsky & Martin (2009)、音声と言語処理。ピアソン国際版、ISBN 978-0-13-504196-3、第24章
- ^ ab Berg、Markus M. (2014)、音声ベースの情報および制御システムのコンテキストにおける自然対話のモデリング、Akademische Verlagsgesellschaft AKA、ISBN 978-3-89838-508-4
- ^ Berg, Markus M. (2015)、「NADIA: 自然対話システムの開発に向けた簡略化されたアプローチ」、自然言語処理と情報システム、コンピュータサイエンスの講義ノート、vol. 9103、pp. 144–150、doi :10.1007/978-3-319-19581-0_12、ISBN 978-3-319-19580-3
- ^ Bangalore、Srinivas、Michael Johnston。「マルチモーダルインターフェースにおける堅牢な理解」計算言語学 35.3 (2009): 345-397。
- ^ Lester, J.; Branting, K.; Mott, B. (2004)、「会話エージェント」(PDF)、インターネットコンピューティング実用ハンドブック、Chapman & Hall
- ^ Crovari、Pidò、Pinoli、Bernasconi、Canakoglu、Garzotto、Ceri (2021)、「GeCoAgent: ゲノムデータの抽出と分析を強化する会話エージェント」、ACM Transactions on Computing for Healthcare、3、ACM New York、NY: 1–29、doi :10.1145/3464383、hdl : 11311/1192262、S2CID 245855725
さらに読む
- ウィル、トーマス (2007)。動的なスピーチダイアログの作成。VDM Verlag ミュラー博士。ISBN 978-3-8364-4990-8。