論文の概要: Multipurpose Intelligent Process Automation via Conversational Assistant
- arxiv url: http://arxiv.org/abs/2001.02284v2
- Date: Thu, 21 May 2020 12:10:49 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-13 20:07:45.632046
- Title: Multipurpose Intelligent Process Automation via Conversational Assistant
- Title(参考訳): 会話アシスタントによる多目的インテリジェントプロセス自動化
- Authors: Alena Moiseeva, Dietrich Trautmann, Michael Heimann, Hinrich Sch\"utze
- Abstract要約: Intelligent Process Automation (IPA) は,反復的,ルーチン的,低認知的なタスクの処理によって知識労働者を支援することを目的とした,新興技術である。
我々は、実世界の産業環境でIPA対話アシスタントを実装するという課題に、構造化されたトレーニングデータの不足を伴って取り組む。
提案システムには2つの大きなメリットがある。第一に、反復的かつ時間のかかるアクティビティを削減し、従って、労働者がよりインテリジェントなプロセスに集中できるようにする。
- 参考スコア(独自算出の注目度): 3.808063547958558
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Intelligent Process Automation (IPA) is an emerging technology with a primary
goal to assist the knowledge worker by taking care of repetitive, routine and
low-cognitive tasks. Conversational agents that can interact with users in a
natural language are potential application for IPA systems. Such intelligent
agents can assist the user by answering specific questions and executing
routine tasks that are ordinarily performed in a natural language (i.e.,
customer support). In this work, we tackle a challenge of implementing an IPA
conversational assistant in a real-world industrial setting with a lack of
structured training data. Our proposed system brings two significant benefits:
First, it reduces repetitive and time-consuming activities and, therefore,
allows workers to focus on more intelligent processes. Second, by interacting
with users, it augments the resources with structured and to some extent
labeled training data. We showcase the usage of the latter by re-implementing
several components of our system with Transfer Learning (TL) methods.
- Abstract(参考訳): Intelligent Process Automation (IPA) は,反復的,ルーチン的,低認知的なタスクの処理によって知識労働者を支援することを目的とする新興技術である。
自然言語でユーザと対話できる会話エージェントは、IPAシステムの潜在的応用である。
このようなインテリジェントエージェントは、特定の質問に答え、自然言語(すなわちカスタマーサポート)で通常実行されるルーチンタスクを実行することで、ユーザを支援することができる。
本研究では、実世界の産業環境でのIPA対話アシスタントの実装に、構造化されたトレーニングデータがない課題に取り組む。
提案システムには2つの大きなメリットがある。第一に、反復的かつ時間のかかるアクティビティを削減し、従って労働者がよりインテリジェントなプロセスに集中できるようにする。
第二に、ユーザと対話することで、構造化されたリソースとある程度のラベル付きトレーニングデータを強化します。
本稿では,Transfer Learning (TL) 手法を用いて,システムのいくつかのコンポーネントを再実装することで,後者の使用例を示す。
関連論文リスト
- The Foundations of Computational Management: A Systematic Approach to
Task Automation for the Integration of Artificial Intelligence into Existing
Workflows [55.2480439325792]
本稿では,タスク自動化の体系的アプローチである計算管理を紹介する。
この記事では、ワークフロー内でAIを実装するプロセスを開始するための、ステップバイステップの手順を3つ紹介する。
論文 参考訳(メタデータ) (2024-02-07T01:45:14Z) - Incremental procedural and sensorimotor learning in cognitive humanoid
robots [52.77024349608834]
本研究は,手順を段階的に学習する認知エージェントを提案する。
各サブステージで必要とされる認知機能と, エージェントが未解決の課題に, 新たな機能の追加がどう対処するかを示す。
結果は、このアプローチが複雑なタスクを段階的に解くことができることを示している。
論文 参考訳(メタデータ) (2023-04-30T22:51:31Z) - Improving Grounded Language Understanding in a Collaborative Environment
by Interacting with Agents Through Help Feedback [42.19685958922537]
我々は、人間とAIのコラボレーションは対話的であり、人間がAIエージェントの作業を監視し、エージェントが理解し活用できるフィードバックを提供するべきだと論じている。
本研究では, IGLUコンペティションによって定義された課題である, マイニングクラフトのような世界における対話型言語理解タスクを用いて, これらの方向を探索する。
論文 参考訳(メタデータ) (2023-04-21T05:37:59Z) - Task-Attentive Transformer Architecture for Continual Learning of
Vision-and-Language Tasks Using Knowledge Distillation [18.345183818638475]
連続学習(CL)は、逐次到着するタスク間で知識伝達を可能にすることで、治療の役割を果たす。
バイモーダル・ビジョン・アンド・ランゲージ・タスクを学習するためのトランスフォーマーベースのCLアーキテクチャを開発した。
私たちのアプローチは、メモリと時間のオーバーヘッドが少ないため、多数のタスクにスケーラブルに学習するものです。
論文 参考訳(メタデータ) (2023-03-25T10:16:53Z) - Collecting Interactive Multi-modal Datasets for Grounded Language
Understanding [66.30648042100123]
自然言語タスクを用いた協調型エンボディエージェントの定式化を行った。
広範かつスケーラブルなデータ収集ツールを開発しました。
対話型基底言語理解のための最初のデータセットを収集した。
論文 参考訳(メタデータ) (2022-11-12T02:36:32Z) - Autonomous Open-Ended Learning of Tasks with Non-Stationary
Interdependencies [64.0476282000118]
固有のモチベーションは、目標間のトレーニング時間を適切に割り当てるタスクに依存しないシグナルを生成することが証明されている。
内在的に動機付けられたオープンエンドラーニングの分野におけるほとんどの研究は、目標が互いに独立しているシナリオに焦点を当てているが、相互依存タスクの自律的な獲得を研究するのはごくわずかである。
特に,タスク間の関係に関する情報をアーキテクチャのより高レベルなレベルで組み込むことの重要性を示す。
そして、自律的に取得したシーケンスを格納する新しい学習層を追加することで、前者を拡張する新しいシステムであるH-GRAILを紹介する。
論文 参考訳(メタデータ) (2022-05-16T10:43:01Z) - Asking for Knowledge: Training RL Agents to Query External Knowledge
Using Language [121.56329458876655]
グリッドワールドベースのQ-BabyAIとテキストベースのQ-TextWorldの2つの新しい環境を紹介した。
本稿では,意味のある知識を問うための言語コマンドを生成する「知識の探索(AFK)」エージェントを提案する。
論文 参考訳(メタデータ) (2022-05-12T14:20:31Z) - KETOD: Knowledge-Enriched Task-Oriented Dialogue [77.59814785157877]
対話システム研究における既存の研究は、主にタスク指向の対話とチャットを独立したドメインとして扱う。
本研究では,タスク指向対話と知識ベースチップチャットを一つのモデルに効果的に統合する方法について検討する。
論文 参考訳(メタデータ) (2022-05-11T16:01:03Z) - Skill-based Multi-objective Reinforcement Learning of Industrial Robot
Tasks with Planning and Knowledge Integration [0.4949816699298335]
本稿では,タスクレベルの計画と,スキルベースシステムにおけるシナリオ固有のパラメータの学習を併用する手法を提案する。
2つの異なる接触豊富なタスクのスキルパラメータを学習することで、アプローチの有効性と汎用性を実証する。
論文 参考訳(メタデータ) (2022-03-18T16:03:27Z) - Can I Be of Further Assistance? Using Unstructured Knowledge Access to
Improve Task-oriented Conversational Modeling [39.60614611655266]
この研究は、外部の非構造化の知識ソースを組み込むことによって、APIをカバーしていないユーザターンに応答することに焦点を当てている。
最初の2つのステップで新たなデータ拡張手法を導入し、対話コンテキストから抽出した情報を使用することで、知識選択とエンドツーエンドのパフォーマンスが向上することを示す。
論文 参考訳(メタデータ) (2021-06-16T23:31:42Z) - A Unified Conversational Assistant Framework for Business Process
Automation [9.818380332602622]
ビジネスプロセスの自動化は、労働者の皿からメンタルタスクを取り除くことを約束する数十億ドル規模の産業のブームだ。
銀行、保険、小売、その他の分野におけるそのようなエージェントの採用を促進するためには、学習曲線の低いシンプルでユーザフレンドリーなインターフェースが必要である。
本稿では,エージェントを構成するスキルの種類やエージェントのオーケストレーション方法について議論し,プロアクティブなチャットボットを開発するためのマルチエージェントオーケストレーションフレームワークを提案する。
論文 参考訳(メタデータ) (2020-01-07T22:30:05Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。