AIは人間理解をどう深めるか？核心は質問によるコミュニケーションの強化です

カスタマーサービスやチームでの協力を経験したことのある人なら、各人が持つ独自の好みや時には理解し難い要求について理解しています。個々の好みを把握することは難しいですが、AIモデルにとってはさまざまな背景や体験がないため、ますます複雑です。では、AIはどのようにしてユーザーの本当のニーズを把握できるのでしょうか？

GATE：AI理解への新しいアプローチ

著名な大学とスタートアップ企業Anthropic（チャットボットClaude 2の開発者）の研究チームがこの課題に取り組んでいます。彼らはAIがユーザーに尋ねることを通じて、真の好みを見つけ出すというシンプルな解決策を提案しています。

最近、Anthropicの研究者アレックス・タムキンとMITおよびスタンフォード大学の同僚たちは「生成的アクティブタスク挿入法」（GATE）を導入しました。彼らの目的は明確です：大規模言語モデル（LLM）を活用して、人間の好みを自動的な意思決定システムに変換することです。

GATEは、LLMが初回の対話時にユーザーと会話を交わすことを可能にします。モデルはテキストを生成・分析するだけでなく、ユーザーからの応答をリアルタイムで取り入れ、その入力や関連概念に基づいてユーザーの欲求を推測します。研究者たちは、「言語モデルがテキストを理解し生成する能力は、ユーザーの好みを効果的に引き出し理解することができることを示唆しています」と述べています。

GATEの三つの方法

GATEのアプローチは、以下の方法で実施されることがあります：

1. 生成的アクティブ学習：この手法では、LLMが例として応答を生成し、ユーザーからのフィードバックを求めます。たとえば、「アート・オブ・フュージョン料理：文化と風味の融合についての記事に興味がありますか？」と尋ねます。ユーザーの反応に基づいて、LLMは提供するコンテンツのタイプを調整します。

2. はい/いいえ質問生成：このシンプルな方法では、「健康とウェルネスについての記事を読むことが好きですか？」のような二択の質問が使用されます。LLMはユーザーの「はい」または「いいえ」に応じて応答を適応させ、否定的な反応を受けたトピックは省きます。

3. オープンエンド質問：この幅広い方法は、より細かい情報を引き出すことを目的としています。LLMは「自由な時間に楽しんでいる趣味は何で、それについて何が魅力的ですか？」と尋ねることがあります。

GATE試験によるポジティブな結果

研究者たちは、GATEの手法をコンテンツ推奨、倫理的判断、電子メールの検証の三つの分野でテストしました。OpenAIのGPT-4を微調整し、388人の参加者を巻き込むことで、GATEが従来の基準よりも高い精度を持つモデルを生成し、ユーザーの認知的負担を同程度または少なく保つことを発見しました。

特に、GATEで微調整されたGPT-4モデルは、ユーザーの好みを正確に予測する能力が大幅に向上し、応答のカスタマイズ能力において顕著な改善が見られました。この研究は、言語モデルがGATEを実装することで、既存の方法よりも人間の好みをより正確かつ効率的に引き出すことができることを示しています。

この進展により、顧客や従業員とのインタラクションにおけるLLM搭載のチャットボットの開発が大幅にスムーズになる可能性があります。既存のデータセットに依存して好みを推測するのではなく、Q&Aプロセスに参加するよう設定されたモデルによって、より関連性のある有益なインタラクションが実現されるでしょう。

したがって、あなたの好みのAIチャットボットが近日中にあなたの好みについて尋ねてきた場合、それはGATEの手法を使用してよりカスタマイズされた満足のいく応答を提供している可能性があります。