人工智慧如何加深對人類的理解？關鍵在於：透過提問與我們互動

Home AI新聞人工智慧如何加深對人類的理解？關鍵在於：透過提問與我們互動

任何曾在客戶服務角色或與團隊合作的人，都知道每個人都有獨特且有時讓人困惑的偏好。雖然人類理解個人偏好可能具有挑戰性，但對於缺乏個人經驗和上下文的人工智慧模型來說，這變得更為複雜。那么，人工智慧該如何有效理解用戶的真正需求呢？

引入GATE：人工智慧理解的新方法

來自多所頂尖大學以及創建聊天機器人Claude 2的初創公司Anthropic的研究團隊正在解決這一挑戰。他們提出了一個簡單的解決方案：訓練人工智慧模型向用戶提出更多問題，以發現他們的真正偏好。

在最近的一項研究中，Anthropic的研究人員Alex Tamkin與來自MIT和史丹福大學的同事們介紹了“生成主動任務引導”（GATE）。他們的目標很明確：利用大型語言模型（LLM）將人類偏好轉化為自動化決策系統。

簡而言之，GATE能讓LLM在用戶的首次互動中進行對話。該模型不僅生成和分析文本，還能即時整合用戶的反饋，從而基於其輸入和資料庫中的相關概念推斷用戶的需求。正如研究人員所言：“語言模型在理解和生成文本方面的有效性，表明它們能有效引導和理解用戶偏好。”

GATE的三種方法

GATE方法可以通過幾種方式實施：

1. 生成主動學習：在這種方法中，LLM生成示例回應並請用戶提供反饋。舉例來說，它可能會詢問：“你對這篇文章感興趣嗎：融合料理的藝術：文化與風味的結合？”根據用戶反饋，LLM將調整提供的內容類型。

2. 是/否問題生成：這一直接方法涉及二元問題，例如：“你喜歡閱讀有關健康與養生的文章嗎？”LLM將根據用戶的“是”或“否”回答調整其回應，剔除未獲得正面反饋的主題。

3. 開放式問題：這一更廣泛的方法旨在引導出更細微的信息。LLM可能會問：“你在空閒時間有哪些愛好，為什麼這些愛好吸引你？”

GATE實驗的正面結果

研究人員在三個領域測試了GATE方法：內容推薦、道德推理和電子郵件驗證。通過微調OpenAI的GPT-4並參與388名參與者，他們發現GATE通常產生的模型在準確性上超過傳統基準，同時用戶的認知努力相似或更少。

具體而言，經過GATE微調的GPT-4模型在準確預測用戶偏好方面表現顯著提升，顯示出在定制回應方面的顯著改進。研究強調，語言模型能成功實施GATE，更準確高效地引導人類偏好，超越現有方法。

這一進展有望顯著簡化基於LLM的聊天機器人開發，特別是在客戶或員工互動中。與僅依賴現有數據集推斷偏好的方式相對，微調模型以進行問答過程，可以提升用戶體驗，確保更多相關和有用的互動。

因此，如果你偏好的AI聊天機器人開始詢問你的偏好，這可能是它正在運用GATE方法，以提供更量身定制且令人滿意的回應。

Aethir 旨在通過去中心化雲解決方案加速遊戲與人工智慧發展

Canva推出創新的AI工具，提升教育質量

Most people like

NsfwGPT.AI

256.8K

在當今迅速發展的數位環境中，人工智慧（AI）與沉浸式體驗的交匯正吸引著越來越多的觀眾。隨著科技的進步，AI社群正利用創新的工具改變我們與環境互動的方式，提升娛樂和學習的體驗。探索這種動態的結合，不僅彰顯了AI的潛力，還展示了它在創造與用戶產生共鳴的引人入勝、沉浸式體驗中的重要角色。讓我們一起探討AI如何革新我們對周圍世界的理解與參與。

人工智慧技術 NSFW

Fine - AI Agents for Software Development

11.4K

精簡化的人工智慧代理改變軟體開發。

人工智慧驅動 Writing Assistants

ContentFries

145.6K

使用ContentFries應用程式，將您的視頻轉換為引人入勝的內容，旨在提高觀眾互動和增強品牌曝光率。

內容重用 AI Repurpose Assistant

Pitch N Hire

99.8K

Pitch N Hire是一款創新的人工智慧驅動軟體，旨在透過先進的工具和功能優化招聘過程。憑藉其智能自動化，Pitch N Hire簡化了招聘流程，提升了候選人評估的準確性，並提高了雇主的整體效率。

應徵者追蹤系統 AI Recruiting

Find AI tools in YBX