认识米娜：一个真正健谈的聊天机器人

人工智能驱动的聊天机器人已被寻求简化客户服务、提高生产力和增加收入的企业广泛采用。在电子商务平台上，聊天机器人可以将客户引导至推荐的产品，跟踪订单，解释如何打印退货运输标签等。

然而，这样的聊天机器人在脱靶或无关紧要的谈话方面做得并不好——例如，如果被要求评论最新的艺术或时尚趋势。“Meena”，谷歌人工智能的新生成聊天机器人，对此有一两句话要说。

作为新型开放域聊天机器人之一，Meena旨在参与任何主题的对话，其自由和自然的对话能力正在缩小人类表现的差距。

米娜与人类的对话

在Google AI最近的论文《走向类人开放域聊天机器人》中介绍，Meena的主要架构是带有进化变压器的seq2seq模型。它经过了从公共领域社交媒体对话中挖掘和过滤的341GB文本（40B单词）的训练。与OpenAI的语言模型GPT-2相比，Meena的模型容量大1.7倍，并且训练的数据增加了8倍。

根据研究团队的说法，最好的Meena模型具有2.6B参数，并根据10K BPE子词的词汇量实现了2.8的测试困惑度。

根据研究团队的说法，最佳Meena模型的参数为2.6B，基于8K个BPE子词的词汇表，测试困惑度为10.2。

交互式 SSA 与困惑。每个点都是不同的Meena模型版本。

Meena Sensibleness and Specificity Average（SSA）与Human Human，Mitsuku，Cleverbot，XiaoIce和DialoGPT相比。

为了评估Meena的表现，研究人员提出了一个简单的人类评估指标，称为敏感性和特异性平均（SSA），它考虑了人类对话的两个基本方面：有意义和具体。结果表明，完整版的Meena（具有过滤机制和调谐解码）的SSA得分为79%，绝对SSA比现有的SOTA聊天机器人（如Mitsuku，Cleverbot，XiaoIce和DialoGPT）高出整整23%。

Meena也在接近人类，其平均SSA得分为86%。在一个令人惊讶的发现中，研究人员观察到SSA和困惑之间存在很强的相关性 - 这是任何神经seq2seq模型都可以使用的自动指标。实验表明，Meena与其训练数据的拟合越好，其响应就越明智和具体。

研究人员承认，他们的方法仍然存在弱点——例如，静态评估数据集过于有限，无法捕捉人类对话的所有方面和细微差别。

在未来的研究中，研究人员将探索扩大人类相似性的指标，同时继续通过优化测试集的困惑度和改进算法、架构、数据和计算来优化可感知性。他们还将考虑其他属性，如个性和事实性，以及模型安全和偏见的其他关键重点领域。

论文《走向类人开放域聊天机器人》发表在arXiv上。与Meena的对话示例在GitHub上。