به گزارش کارگروه فناوری اطلاعات سایبربان؛ دستیاران مبتنی بر هوش مصنوعی در دنیای مدرن به شدت مورد توجه قرار گرفته‌اند. دستیاران هوش مصنوعی مانند الکسا (Alexa) و سیری (Siri) برای تعامل مؤثر کاربران باید رفتار اجتماعی مناسبی از خود نشان دهند. با الهام از این مسئله، محققان اوبر (Uber) و کارنگی ملون (Carnegie Mellon) برای معرفی زبان اجتماعی به پاسخ‌های دستیار یک مدل یادگیری ماشینی توسعه دادند.
این تحقیق در حوزه خدمات به مشتری متمرکز بود ، معمولاً یک مورد یکبار مصرف متمرکز بود. در این حالت، چند راننده با یک ارائه دهنده اشتراک سواری مانند اوبر ثبت‌نام کردند. محققان ابتدا رابطه بین استفاده از زبان دوستانه نماینده خدمات مشتری به پاسخ رانندگان و پایان اولین سفر خود را بررسی کردند. علاوه بر این، آنها یک مدل یادگیری ماشین را برای یک دستیار توسعه دادند تا یک مؤلفه درک زبان اجتماعی و تولید زبان را در آن بگنجاند.
براساس مجموعه داده‌های به دست آمده پس از آموزش مدل روی تقریباً 233 هزار پیام، پاسخ‌ها دارای پارامترهایی نشان دهنده میزان ادب بررسی شده به‌وسیله تحلیلگران انسانی بودند. علاوه بر این، محققان از روش‌های خودکار و انسان محور برای ارزیابی ادب و مثبت بودن پیام‌های مدل خود استفاده کردند. آنها به این نتیجه رسیدند که یک مدل با وجود این که می‌تواند معنای مورد نظر پیام را حفظ کند و سطح ادب پاسخ‌ها را تغییر دهد، اما در حفظ مثبت بودن کلی موفقیت کمتری داشت. محققان گمان می‌کنند که این مسئله شاید به دلیل تفاوت بین عقیده آنها برای اندازه‌گیری و ارزیابی و اندازه‌گیری و ارزیابی واقعی تحلیل شده باشد.
کارشناسان بر این باورند که این مدل می‌تواند به نمایندگان خدمات مشتری کمک کند تا سریع پاسخ دهند و هنگام پاسخگویی به بهترین روش‌ها پایبند باشند. این مدل گام دیگری به جلو در جهتی است که بسیاری از سازمان‌ها ربات‌های گفتگوی اینترنتی را در مقایسه با صدای انسان ترجیح می دهند.
