（文章來源：教育新聞網）
? ? ?? Facebook的AI和機器學習部門Facebook AI Research(FAIR)今天詳細介紹了名為Blender的綜合AI聊天機器人框架的工作。FAIR聲稱，Blender是GitHub上最大的開放域聊天機器人，它是GitHub上開放源代碼最多的聊天機器人，其性能優于現有的生成對話的方式，同時“讓人感到更人性化”。FAIR說Blender是將同情心，知識和個性結合成一個系統的多年研究的高潮。為此，受益于改進的解碼和技能融合技術的基礎模型包含多達94億個參數(定義給定問題的技能的配置變量)，是以前系統的3.6倍。

Blender承諾在企業，工業或面向消費者的環境中，與對話式AI系統(如Alexa，Siri和Cortana)的交互將比以往更加自然。那是因為他們能夠提出并回答各種各樣的問題。顯示有關特定主題的知識;并根據情況表達同情，認真或好玩的情緒。為了實現Blender的最先進性能，FAIR的研究人員專注于兩個工程步驟：混合技巧和生成策略。

“混合技能”是指選擇性能優于缺少調整功能的較大模型的任務。正如FAIR研究人員在論文中指出的那樣，可以通過對數據模型進行微調(強調所需的對話技巧)來實現聊天機器人的改進。事實證明，調整還可以最大程度地減少從大數據集中學到的不良特性，例如毒性。關于生成策略，選擇解碼算法(用于從語言模型生成文本的算法)會對聊天機器人的響應產生巨大影響。由于漫游器響應的時間長度傾向于與人類對質量的判斷相對應，因此需要達到適當平衡的解碼器。響應時間過短通常會被認為是呆板或缺乏興趣，而響應時間過長則表示感到困惑或分心。

在這些工程步驟的過程中，研究人員測試了三種類型的模型體系結構，所有這些模型體系結構均以Transformers為基礎。變壓器-Google的一項創新-包含神經元(數學功能)，這些神經元以層狀排列，可以傳輸來自輸入數據的信號并調整每個連接的強度(權重)，就像所有深度神經網絡一樣。這就是他們提取特征并學習進行預測的方式，但是變形金剛也有注意的地方。這意味著每個輸出元素都連接到每個輸入元素，并且它們之間的權重是動態計算的。

首先是一個檢索器模型，該模型在輸入對話歷史(或上下文)作為輸入的情況下，通過對大量候選響應進行評分并輸出評分最高的一個來選擇下一個對話響應。FAIR研究人員采用了一種多編碼器體系結構，該體系使用每個候選響應所伴隨的表示對上下文的特征進行編碼，與跨編碼器等其他體系結構相比，他們說，這種性能提高了性能，同時保持了“易處理”的計算能力。第二個模型是生成器，它生成響應而不是從固定集中檢索響應。從大小上考慮了三個模型，范圍從9000萬個參數到27億個參數到94億個參數。

第三個模型試圖解決生成器的問題，即生成器合成重復響應和“使知識”“半透明”的趨勢。它采用了“檢索和精煉”(RetNRef)方法，其中上述檢索模型在提供對話歷史記錄時會產生響應，然后將其附加到生成器的輸入序列中。通過這種方式，生成器學習了何時復制來自檢索器的響應元素，何時不復制，從而可以輸出更有趣，引人入勝且“充滿活力”的響應。FAIR團隊將“向導生成”模型與另一個檢索器配對，一起確定了何時將知識納入聊天機器人的響應中。這兩個模型產生一組初始知識候選者，然后對這些候選者進行排名，然后選擇一個句子并將其用于條件響應的生成。分類器根據對話選擇是否執行檢索，從而避免在不需要時提供知識。

對于生成模型，FAIR研究人員使用波束搜索解碼器方法來生成對給定對話上下文的響應。波束搜索維護一組稱為假設的部分解碼序列，這些序列被附加以形成序列，然后進行評分，因此最佳序列冒泡到頂部。為了控制聊天機器人的響應長度，FAIR團隊考慮了兩種方法：對最小生成長度的硬約束和預測響應長度并將最小生成長度約束設置為其相應預測的分類器。后者更為復雜，但導致對問題的回答的長度可變，從而確保聊天機器人在看起來適當時可以提供較長的回答。

為了準備組成Blender的各種模型，研究人員首先進行了預訓練，這是針對特定任務調節機器學習模型的步驟。他們使用了Facebook自己的Fairseq，該工具包支持自定義語言模型的訓練，其Reddit語料庫中的數據樣本包含15億條評論(其中兩套360,000條評論分別用于驗證和測試)，并為已知的非英語bot修剪。 subreddit，已刪除的評論，帶有URL的評論以及一定長度的評論。

接下來，FAIR團隊使用另一個Facebook開發的套件ParlAI對模型進行了微調，該套件旨在訓練和測試對話模型。選擇的一個訓練語料庫是ConvAI2，其中包含140,000言語，其中成對的志愿者通過提問和回答友善問題相互認識。另一個是“善解人意的對話”，其中包含5萬種基于情感情境的眾包話語。另一個數據集-維基百科向導-包含1,250個主題的194,000個語音，其中每個對話都從隨機選擇的主題開始，目標是展示專家知識。

第四個微調數據集-混合技能討論-旨在融合前三組(ConvAI2，同理心對話和維基百科向導)，以在對話期間結合各自的技能。在這里，有76,000條話語是由有指導和無指導的人類說話者收集的，在這種情況下，有指導者可以選擇受機器人訓練的話語，這些機器人根據三個獨立的數據集進行訓練。

培訓后，研究人員通過將Blender的性能與Google最新的Meenachatbot(具有26億個參數的機器學習模型)進行比較來評估其性能。人類志愿者的任務是回答兩個問題：“您想和誰進行長時間的交談?”和“哪個說話者聽起來更人性化?”—給出了100條來自Meena的公開發布和隨機日志，以及Blender生成的日志數量相同。在每種情況下，向志愿者展示了人類與各自的聊天機器人配對進行的一系列對話。

對話的主題從烹飪，音樂，電影和寵物到瑜伽，素食主義者，樂器和購物中心不等-Blender模型經常在被詢問時詳細介紹并命名相關商店，樂隊，電影，演員，寵物種類和寵物名稱。在一個示例中，Blender向Bach與Justin Beiber進行了比較的問題提供了一個細微的答案，同時要求Blender寫一首歌確實產生了歌詞-盡管沒有什么特別詩意。

當有顯示Meena動作的聊天和顯示Blender動作的聊天時，67%的評估者表示，性能最佳的Blender支持的聊天機器人-一種生成模型，其中包含在Blended Skill Talk語料庫中預先訓練的94億個參數-聽起來更人類。大約75%的人表示，他們寧愿與27億參數的微調模型進行長時間的交談，也不愿與Meena進行長時間的交談。在人與人之間以及人與Blender對話之間的A / B比較中，志愿者表達了對49%的時間通過混合技能對話進行微調的模型的偏愛，而僅對公共領域對話進行訓練的模型是僅在36%的時間里喜歡。

有問題的是，進一步的實驗表明，Blender有時會從訓練語料庫(通常是Reddit評論)中以冒犯性樣本的方式做出回應。FAIR研究人員表示，微調“混合技能對話”數據集可以在一定程度上緩解這種情況，但是要全面解決該問題，則需要使用不安全的單詞過濾器和一種安全分類器。當然，FAIR研究人員并沒有聲稱已經解決了開放域對話的問題。實際上，它們概述了Blender的幾個主要限制：詞匯用法：即使是最好的Blender模型，也傾向于過于頻繁地生成常用短語，例如“您喜歡”，“很多樂趣”和“有任何愛好”。

非平凡的重復：模型經常重復對他們說的話。例如，如果對話伙伴提到寵物狗，他們會說他們有一只寵物狗，或者說他們喜歡與與之交談的人相同的樂隊。矛盾和健忘：Blender模型相互矛盾，盡管在較大的模型中矛盾程度較小。他們也沒有做出邏輯上的聯系，即他們不應該提出之前已經提出的問題(以避免出現“遺忘”)。知識和事實正確性：Blender模型容易出錯，特別是在深入探討主題時，這相對容易。對話的長度和記憶力：FAIR研究人員說，在幾天或幾周的對話過程中，Blender對話可能會變得乏味而重復，尤其是考慮到Blender不能記住較早的對話。

更深入的理解：Blender模型缺乏通過進一步對話來學習概念的能力，并且它們無法扎根于現實世界中的實體，動作和體驗。要解決所有這些問題，可能需要新的模型架構，FAIR團隊表示正在探索。它還著重于建立更強大的分類器，以過濾掉對話中的有害語言，以及減少聊天機器人中性別偏見的技術。Facebook在博客中寫道：“我們對改善開放域聊天機器人所取得的進展感到興奮，”“但是，建立一個像人一樣可以聊天的真正智能的對話代理仍然是當今AI面臨的最大挑戰之一……在該領域的真正進步取決于可復制性-利用最佳技術的機會。我們認為，發布模型對于全面，可靠地洞察其功能至關重要。”

GitHub上提供了經過預訓練和經過微調的Blender模型，其中包含9000萬個參數，27億個參數和94億個參數，以及用于與機器人進行交互的腳本(內置安全過濾器)。ParAI中提供了所有用于模型評估和微調的代碼，包括數據集本身。
? ? ? （責任編輯：fqj）