論文の概要: An Explainable Collaborative Dialogue System using a Theory of Mind
- arxiv url: http://arxiv.org/abs/2302.09646v3
- Date: Thu, 20 Jun 2024 18:18:05 GMT
- ステータス: 処理完了
- システム内更新日: 2024-06-24 20:47:12.393532
- Title: An Explainable Collaborative Dialogue System using a Theory of Mind
- Title（参考訳）: 心の理論を用いた説明可能な協調対話システム
- Authors: Philip R. Cohen, Lucian Galescu, Maayan Shvo,
- Abstract要約: Evaは、ニューロシンボリックドメインに依存しない多モード協調対話システムである。
タスク指向対話の目的は、ユーザを支援することである。
意図や計画を推測し、成功への障害を検出し、それらを乗り越えるか、より高い目標を達成する計画を見つけ、ユーザーがそれらの目標を達成するのを助けるために、スピーチ行為を含むその行動を計画する。
- 参考スコア（独自算出の注目度）: 5.13422222472898
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Eva is a neuro-symbolic domain-independent multimodal collaborative dialogue system that takes seriously that the purpose of task-oriented dialogue is to assist the user. To do this, the system collaborates by inferring their intentions and plans, detects obstacles to success, finds plans to overcome them or to achieve higher-level goals, and plans its actions, including speech acts, to help users accomplish those goals. In doing so, the system maintains and reasons with its own declaratively-specified beliefs, goals and intentions, and explicitly reasons about those of its user. Because Eva can track different users' mental states, it can engage multiple agents in multi-party dialogues. Reasoning is accomplished with a modal Horn-clause meta-interpreter that enables computable inference within the subset of logic implemented. The system employs both hierarchical and backward-chaining planning, operating over a rich modal logic-based knowledge and action representation. The planning and reasoning subsystems obey the principles of persistent goals and intentions including: 1) The formation and decomposition of intentions to perform complex actions, 2) the conditions under which persistent goals and intentions can be given up, and 3) persistent goal and intention revision using the relativizing formulas that are created during the planning process. The system treats its speech acts just like its other actions. This general approach enables Eva to plan a variety of speech acts, including requests, informs, questions, confirmations, offers, acceptances, and emotive expressions. Because the dialogue engine is a planner, as the dialogue proceeds, the system can flexibly generate, execute, and potentially repair its plans using physical, digital, and speech actions. Importantly, Eva can explain its utterances because it has created a plan that caused it to utter them.
- Abstract（参考訳）: Evaはニューロシンボリックなドメインに依存しない多モード協調対話システムであり、タスク指向対話の目的はユーザを支援することであると真剣に考えている。
これを実現するために、システムは、意図や計画を推測し、成功への障害を検出し、それらを克服したり、より高い目標を達成するための計画を見つけ、ユーザーがそれらの目標を達成するのを助けるために、音声行為を含むその行動を計画する。
そうすることで、システムは独自の宣言的に特定された信念、目標、意図、およびそのユーザの理由を明確に維持する。
Evaは、異なるユーザのメンタル状態を追跡することができるため、複数のエージェントをマルチパーティ対話で関与させることができる。
Reasoningは、実装されたロジックのサブセット内で計算可能な推論を可能にする、Hhorn-clauseメタインタープリタによって実現される。
このシステムは階層型と後方鎖型の両方の計画を採用し、リッチなモーダル論理に基づく知識とアクション表現を運用する。
計画と推論のサブシステムは、以下を含む永続的な目標と意図の原則に従う。
1)複雑な行動を行う意図の形成と分解。
2 永続的目標及び意図を放棄することができる条件
3 計画の過程で作成する関係式を用いて、永続的な目標と意図の見直しを行う。
このシステムは、他の行動と同じように、その言動を扱います。
この一般的なアプローチにより、Evaは、要求、通知、質問、確認、オファー、受け入れ、感情表現など、さまざまな音声行為を計画できる。
対話エンジンはプランナーなので、対話が進むにつれて、システムは物理的、デジタル、およびスピーチアクションを使用して、柔軟に計画を生成し、実行し、潜在的に修復することができる。
重要なことは、Evaが発声を説明できるのは、発声を誘発する計画を作成したからだ。
関連論文リスト
- Dialogue Action Tokens: Steering Language Models in Goal-Directed Dialogue with a Multi-Turn Planner [51.77263363285369]
本稿では,対話行動トークンと呼ばれる言語モデルエージェントを用いて,目標指向の対話を計画する手法を提案する。
中心となる考え方は、各発話をアクションとして扱うことで、強化学習のような既存のアプローチを適用することができるゲームに対話を変換することである。
論文 参考訳（メタデータ） (2024-06-17T18:01:32Z) - Symbolic Planning and Code Generation for Grounded Dialogue [78.48668501764385]
大規模言語モデル(LLM)は、テキストとコードの両方の処理と生成に優れる。
本稿では,LLMをシンボリックプランナと接地コード実行で構成することで,欠点に対処する,モジュール型で解釈可能な接地対話システムを提案する。
我々のシステムは、人間の評価におけるタスク成功率を最も困難な環境で56%から69%に改善するなど、従来の最先端技術よりも大幅に優れています。
論文 参考訳（メタデータ） (2023-10-26T04:22:23Z) - Enhancing Large Language Model Induced Task-Oriented Dialogue Systems
Through Look-Forward Motivated Goals [76.69419538047813]
ProToDアプローチは、将来の対話行動を予測し、ToDシステムを強化するためにゴール指向の報酬シグナルを組み込む。
本稿では,目標駆動型対話シミュレーションに基づくToDシステム評価手法を提案する。
また,MultiWoZ 2.1データセットを用いた実験により,データの10%しか利用せず,優れた性能が得られることを示した。
論文 参考訳（メタデータ） (2023-09-16T10:56:00Z) - Towards a Progression-Aware Autonomous Dialogue Agent [14.09591070450606]
本稿では,対話エージェントが対話の進行を望ましい結果から遠ざかることができる枠組みを提案する。
本フレームワークは,(1)「グローバル」対話状態(GDS)の概念,(2)会話の軌跡から計算したタスク固有進行関数(PF),(3)エージェントが進行信号を使用して次の応答を選択する対話ロールアウトに基づく計画機構の3つの重要な要素から構成される。
論文 参考訳（メタデータ） (2022-05-07T17:37:43Z) - Towards Large-Scale Interpretable Knowledge Graph Reasoning for Dialogue
Systems [109.16553492049441]
よりスケーラブルで一般化可能な対話システムに知識推論機能を組み込む新しい手法を提案する。
我々の知識を最大限に活用するために、変圧器モデルが微分可能な知識グラフを解析して応答を生成するのは、これが初めてである。
論文 参考訳（メタデータ） (2022-03-20T17:51:49Z) - Rethinking Explainability as a Dialogue: A Practitioner's Perspective [57.87089539718344]
医師、医療専門家、政策立案者に対して、説明を求めるニーズと欲求について尋ねる。
本研究は, 自然言語対話の形での対話的説明を, 意思決定者が強く好むことを示唆する。
これらのニーズを考慮して、インタラクティブな説明を設計する際に、研究者が従うべき5つの原則を概説する。
論文 参考訳（メタデータ） (2022-02-03T22:17:21Z) - UniDS: A Unified Dialogue System for Chit-Chat and Task-oriented
Dialogues [59.499965460525694]
上記の2つのスキルを備えた統合対話システム(UniDS)を提案する。
我々は、チャットとタスク指向の対話の両方に対応可能な統合対話データスキーマを設計する。
我々は、事前訓練されたチャット対話モデルから混合対話データでUniDSを訓練する。
論文 参考訳（メタデータ） (2021-10-15T11:56:47Z) - Argument Schemes and Dialogue for Explainable Planning [3.2741749231824904]
本論文では,AI計画の領域で説明を行うための議論スキームに基づくアプローチを提案する。
計画とその鍵となる要素を説明するための新たな議論スキームを提案する。
また、対話型方言説明のための議論スキームとクリティカルな質問を用いた新しい対話システムも提示する。
論文 参考訳（メタデータ） (2021-01-07T17:43:12Z) - Learning to Plan and Realize Separately for Open-Ended Dialogue Systems [7.790365778349838]
生成を、計画と実現の2つのフェーズに分離します。
プロセスから計画と実現への分離は、エンドツーエンドのアプローチよりも優れていることを実証します。
論文 参考訳（メタデータ） (2020-09-26T02:31:42Z) - Distributed Structured Actor-Critic Reinforcement Learning for Universal
Dialogue Management [29.57382819573169]
我々は,ユーザに対応する対話行動を選択するポリシーの策定に重点を置いている。
逐次的なシステム決定プロセスは、部分的に観察可能なマルコフ決定プロセスに抽象化することができる。
過去数年間、ニューラルネットワーク(NN)を関数近似器として利用するディープ強化学習(DRL)アルゴリズムが数多く存在する。
論文 参考訳（メタデータ） (2020-09-22T05:39:31Z) - Policy-Driven Neural Response Generation for Knowledge-Grounded Dialogue
Systems [18.375851346138155]
Seq2seqのニューラルレスポンス生成アプローチは、生成されたレスポンスの内容やスタイルを制御するための明確なメカニズムを持っていない。
本稿では、対話ポリシーを用いて、アクションプランの形式でターゲット応答の内容とスタイルを計画する。
文レベルで動作させる基本対話ポリシーは,ターンレベル生成よりも応答性がよいことを示す。
論文 参考訳（メタデータ） (2020-05-26T06:09:57Z)
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。