Este enfoque recuerda a una técnica inicialmente aplicada por IBM Watson denominada desambiguación. Se trata de responder a una entrada ambigua del usuario con cinco o menos opciones entre las que elegir. De este modo, el usuario puede realizar la desambiguación por sí mismo y el sistema aprende de ella.
Este enfoque también resuelve el problema del lienzo en blanco, en el que el usuario no sabe cuál es el ámbito de la interfaz y acaba haciendo preguntas exploratorias ambiguas.
Así, en lugar de obligar al usuario a refinar continuamente sus preguntas mientras recibe respuestas inadecuadas, la interfaz de usuario conversacional toma la iniciativa de desambiguar la conversación.
El generador está diseñado para generar preguntas sugeridas que el agente puede responder, guiado por la consulta inicial del usuario (Fuente).
Tabla de contenidos
Framework propuesto
- El framework identifica los pasajes apropiados (contextos recuperados dinámicamente) basándose en la entrada inicial del usuario.
- El proceso está asistido por preguntas, respuestas y preguntas de sugerencia (generadas mediante few-shot dinámicos).
- Las preguntas de sugerencia se generan a partir de un contexto dinámico compuesto por contextos recuperados dinámicamente y ejemplos dinámicos.
- Al proporcionar preguntas de desambiguación por sugerencia, se alivia a los usuarios de la carga cognitiva que supone la formulación de preguntas.
- El objetivo fundamental de esta investigación es establecer la verdadera intención del usuario durante la interacción.
- Lo atractivo de esta solución es que se trata de un enfoque de bajos recursos.
Diálogos orientados a tareas
En la siguiente imagen se aborda un ejemplo de búsqueda de información orientada a una tarea. Un usuario necesita buscar información relacionada con una tarea concreta. Debido a la ambigüedad de la entrada y el perfil del usuario, el sistema de diálogo orientado a tareas debe hacer preguntas de aclaración/desambiguación para aclarar la intención del usuario y el perfil del usuario basándose en el conocimiento de la tarea para proporcionar la respuesta.
A continuación, el paradigma System Ask orientado a tareas:
En conclusión
El objetivo de este estudio es reducir las respuestas de disculpa de la interfaz de usuario conversacional y mejorar la experiencia del usuario proporcionando sugerencias informadas del sistema.
Los Contextos Dinámicos generan preguntas de sugerencia contestables por el agente a través de:
- Ejemplos dinámicos de pocas tomas y
- Contextos recuperados dinámicamente.
A diferencia de las sugerencias tradicionales de pocos disparos, los ejemplos dinámicos de pocos disparos seleccionan dinámicamente tripletas contextualmente relevantes en función de las consultas del usuario, dando cabida a diversos formatos y estructuras de preguntas.
Sígueme en LinkedIn para estar al día sobre la IA conversacional
Actualmente soy el Evangelista Jefe @ HumanFirst. Exploro y escribo sobre todas las cosas en la intersección de la IA y el lenguaje; que van desde LLMs, Chatbots, Voicebots, marcos de desarrollo, espacios latentes centrados en datos y más.