論文の概要: Introducing Brain-like Concepts to Embodied Hand-crafted Dialog Management System

• arxiv url: http://arxiv.org/abs/2406.08996v1
• Date: Thu, 13 Jun 2024 10:54:03 GMT
• ステータス: 処理完了
• システム内更新日: 2024-06-14 18:24:52.073837
• Title: Introducing Brain-like Concepts to Embodied Hand-crafted Dialog Management System
• Title（参考訳）: 身体的手作りダイアログ管理システムにおける脳様概念の導入
• Authors: Frank Joublin, Antonello Ceravola, Cristian Sandu,
• Abstract要約: 本稿では,グラフィカル言語を用いた手作りモデルに基づく混合イニシアティブダイアログとアクション生成を実現するニューラル・ビヘイビア・エンジンを提案する。 このような脳のようなアーキテクチャのユーザビリティのデモは、セミパブリック空間で動作する仮想レセプタリストアプリケーションを通じて記述される。
• 参考スコア（独自算出の注目度）: 1.178527785547223
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Along with the development of chatbot, language models and speech technologies, there is a growing possibility and interest of creating systems able to interface with humans seamlessly through natural language or directly via speech. In this paper, we want to demonstrate that placing the research on dialog system in the broader context of embodied intelligence allows to introduce concepts taken from neurobiology and neuropsychology to define behavior architecture that reconcile hand-crafted design and artificial neural network and open the gate to future new learning approaches like imitation or learning by instruction. To do so, this paper presents a neural behavior engine that allows creation of mixed initiative dialog and action generation based on hand-crafted models using a graphical language. A demonstration of the usability of such brain-like inspired architecture together with a graphical dialog model is described through a virtual receptionist application running on a semi-public space.
• Abstract（参考訳）: チャットボット、言語モデル、音声技術の開発とともに、自然言語や音声を介して人間とシームレスに対話できるシステムを構築する可能性と関心が高まっている。 本稿では,より広義のインテリジェンスにダイアログシステムの研究を組み込むことによって,手作りデザインと人工ニューラルネットワークを調合し,模倣や指導による学習といった新たな学習アプローチへの門戸を開く行動アーキテクチャを,神経生物学や神経心理学から取り入れることができることを実証したい。 そこで本稿では,グラフィカル言語を用いた手作りモデルに基づく混合イニシアティブダイアログとアクション生成を実現するニューラルビヘイビアエンジンを提案する。 このような脳のようなインスパイアされたアーキテクチャとグラフィカルなダイアログモデルの使用性のデモは、セミパブリック空間で動作する仮想レセプティストアプリケーションを通して記述される。

関連論文リスト

• Prompt2DeModel: Declarative Neuro-Symbolic Modeling with Natural Language [18.00674366843745]
  本稿では,自然言語による複雑なニューロシンボリックモデルのためのドメイン知識構築のためのパイプラインを提案する。 提案するパイプラインは,動的なコンテキスト内実演検索,シンボル可視化からのフィードバックに基づくモデル改良,ユーザインタラクションなどの手法を利用する。 このアプローチによって、ML/AIに精通していないドメイン専門家でさえ、自身の知識をカスタマイズされたニューラルモデルに組み込むように正式に宣言することが可能になる。
  論文  参考訳（メタデータ） (2024-07-30T03:10:30Z)
• Prompt-to-OS (P2OS): Revolutionizing Operating Systems and Human-Computer Interaction with Integrated AI Generative Models [10.892991111926573]
  本稿では,従来のオペレーティングシステムの概念に革命をもたらす,人間とコンピュータのインタラクションのためのパラダイムを提案する。 この革新的なフレームワークでは、マシンに発行されるユーザリクエストは、生成AIモデルの相互接続エコシステムによって処理される。 このビジョンの概念は、プライバシ、セキュリティ、信頼性、生成モデルの倫理的利用など、重要な課題を提起する。
  論文  参考訳（メタデータ） (2023-10-07T17:16:34Z)
• ChatPLUG: Open-Domain Generative Dialogue System with Internet-Augmented Instruction Tuning for Digital Human [76.62897301298699]
  ChatPLUGは、デジタルヒューマンアプリケーションのための中国のオープンドメイン対話システムである。 モデルネームは, 自動評価と人的評価の両方において, 最先端の中国語対話システムより優れていることを示す。 高速な推論でスマートスピーカーやインスタントメッセージアプリケーションのような実世界のアプリケーションにモデルネームをデプロイします。
  論文  参考訳（メタデータ） (2023-04-16T18:16:35Z)
• PK-Chat: Pointer Network Guided Knowledge Driven Generative Dialogue Model [79.64376762489164]
  PK-Chatは、知識グラフ上のポインタネットワークと、事前訓練された言語モデルを組み合わせた、ポインタネットワーク誘導生成対話モデルである。 PK-Chatが対話で生成した単語は、単語リストの予測と外部知識グラフ知識の直接予測から導かれる。 PK-Chatに基づく対話システムは、地球科学の学術シナリオ向けに構築されている。
  論文  参考訳（メタデータ） (2023-04-02T18:23:13Z)
• Emotion Recognition in Conversation using Probabilistic Soft Logic [17.62924003652853]
  会話における感情認識(英: emotion recognition in conversation、ERC)とは、2つ以上の発話を含む会話に焦点を当てた感情認識のサブフィールドである。 我々は,宣言的テンプレート言語である確率的ソフト論理(PSL)にアプローチを実装した。 PSLは、ニューラルモデルからPSLモデルへの結果の取り込みのための機能を提供する。 提案手法を最先端の純粋ニューラルネットワークERCシステムと比較した結果,約20%の改善が得られた。
  論文  参考訳（メタデータ） (2022-07-14T23:59:06Z)
• SYNERGY: Building Task Bots at Scale Using Symbolic Knowledge and Machine Teaching [75.87418236410296]
  SynERGYは、タスクボットを2つのステップで開発するハイブリッド学習フレームワークである。 トレーニング済みのニューラルダイアログモデルであるSOLOISTは、シミュレーションダイアログ上で微調整され、タスクのためのボットを構築する。 微調整されたニューラルダイアログモデルは、機械教育を通じて、いくつかの実際のタスク固有のダイアログによって継続的に洗練される。
  論文  参考訳（メタデータ） (2021-10-21T23:13:04Z)
• LOA: Logical Optimal Actions for Text-based Interaction Games [63.003353499732434]
  本稿では、強化学習アプリケーションの行動決定アーキテクチャである論理的最適行動(LOA)を提案する。 LOAは、自然言語インタラクションゲームのためのニューラルネットワークとシンボリック知識獲得アプローチの組み合わせである。
  論文  参考訳（メタデータ） (2021-10-21T08:36:11Z)
• Discovering Dialog Structure Graph for Open-Domain Dialog Generation [51.29286279366361]
  chitchat corporaの対話構造を無監督で発見します。 次に、下流システムでのダイアログ生成を容易にするために利用します。 本稿では,グラフニューラルネットワーク(DVAE-GNN)を用いた離散変分自動エンコーダを提案する。
  論文  参考訳（メタデータ） (2020-12-31T10:58:37Z)
• Interactive Teaching for Conversational AI [2.5259192787433706]
  現在の会話型AIシステムは、事前設計された要求のセットを理解し、関連するアクションを実行することを目的としている。 子どもが大人と対話する最初の言語を学習する方法に触発された本論文では、新しいTeachable AIシステムについて述べる。 インタラクティブな授業セッションを使ってエンドユーザーから直接、概念と呼ばれる新しい言語ナゲットを学ぶことができる。
  論文  参考訳（メタデータ） (2020-12-02T04:08:49Z)
• Structured Attention for Unsupervised Dialogue Structure Induction [110.12561786644122]
  本稿では、構造化された注意層を離散潜在状態を持つ変化型リカレントニューラルネットワーク(VRNN)モデルに組み込んで、教師なしの方法で対話構造を学ぶことを提案する。 バニラVRNNと比較して、構造化された注意は、構造的帰納バイアスを強制しながら、ソース文の埋め込みの異なる部分にフォーカスすることができる。
  論文  参考訳（メタデータ） (2020-09-17T23:07:03Z)
• Chat as Expected: Learning to Manipulate Black-box Neural Dialogue Models [44.952436901380416]
  我々は,ブラックボックス型ニューラルダイアログモデルが操作される結果となる入力文を作成できるかどうかを検討する。 本稿では,そのような入力を自動的に生成できる強化学習モデルを提案する。 私たちの研究は、操作すべきニューラルダイアログモデルの可能性を明らかにし、それらを守るための戦略の開発に刺激を与え、開放する。
  論文  参考訳（メタデータ） (2020-05-27T05:34:12Z)

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。