XiaoMi-AI文件搜索系统
World File Search SystemConversational
对话式人工智能的最新进展
对话式人工智能是一个长期的研究课题。学术界和工业界都对这类系统表现出了浓厚的兴趣。对话式人工智能系统具有很大的商业价值，涉及自然语言处理、语音识别、知识库推理和人机交互设计等许多有趣的问题。目前已经建立了许多大规模的对话式人工智能系统，例如 Siri、Xiaoice、Alexa 和 Google Assistant。近年来，随着基于神经模型在各个领域的涌现[12, 19, 32, 35, 50, 58]，各种基于神经的对话式人工智能系统已经开发出来[2, 5, 11, 24, 60, 68]。研究者采用的主要技术有三类：实体的分布式表示、序列到序列模型和强化学习框架。采用分布式表示来表示内部状态、用户话语和外部知识，以便更方便地检索和处理。采用序列到序列模型来生成高
迈向多智能体对话式 AI
市场上商业化的对话代理 (CA) 数量不断增加，导致用户不得不学习和采用多个代理来完成任务。尽管之前的研究已经探索了在单个代理的设计中支持多个领域，但由于所需功能的操作空间太大，交互体验会受到影响。为了解决这些问题，我们引入了一项新任务 BBAI：黑盒代理集成，重点是大规模组合多个黑盒 CA 的功能。我们探索了两种技术：问题代理配对和问题响应配对，旨在解决此任务。利用这些技术，我们设计了 One For All (OFA)，这是一个可扩展的系统，它提供了一个统一的界面来与多个 CA 交互。此外，我们引入了 MARS：多代理响应选择，这是一种用于问题响应配对的新型编码器模型，可联合编码用户问题和代理响应对。我们证明 OFA 能够自动准确地集成一组跨越不同领域的商用 CA。具体来说，使用 MARS 编码器，我们在 BBAI 任务上实现了最高准确度，超越了强大的基线。
对话式人工智能的含义
性别偏见 当对话式人工智能系统被赋予个性时，其拟人化程度就会被放大 [9, 4]。代理角色表情可以表明性别、年龄、种族、文化归属和阶级。许多公开的代理都以女性身份出现，包括 Siri、Alexa 和 Cortana 等流行助手。根据之前的文献，当人们接触到性别化的声音时，行为已经显示出差异 [7]。在讨论爱情和关系时，女性声音的对话式人工智能评分更高；而男性声音的对话式人工智能在讨论技术和逻辑时评分更高 [7]。性别化的人工智能系统可能反映了市场研究，但它们会永久地影响人们的性别。
使用对话式人工智能的药物聊天机器人
对话式人工智能系统是只需与计算机对话即可与之交互的计算机。借助对话式人工智能，我们可以解决当今时代的一个重大挑战，即不遵守药物规定。患者很难按照规定的剂量、时间、频率和方向跟踪他们的药物。本文提出了一种虚拟助手，它使用对话式人工智能来提醒人们按时按正确的剂量服药。虚拟助手提供了源源不断的渠道来增强医疗保健基础设施。主要目标是帮助人们提高对推荐的健康和保健治疗的依从性。这对患有慢性疾病的人非常有益。关键词：对话式人工智能、药物依从性、聊天机器人、数字医疗。1. 引言尽管近三分之二的美国人有处方，但其中约有一半没有按处方服药。不按医嘱服药现在每年导致 125,000 人死亡，造成 3000 亿美元的不必要医疗费用。大多数人不知道，不按医嘱服药导致的死亡风险比死于凶杀的风险高出约 10 倍，对于 50 岁以上的人来说，风险高出约 30 倍。根据美国医学协会的说法，“如果患者服用了 80% 的处方药，则被视为遵医嘱服药。如果患者服用的处方药少于 80%，则被视为不遵医嘱服药。”根据约翰霍普金斯大学的一项研究，医疗事故是继心脏病和癌症之后的第三大死亡原因。以下是患者不按医嘱服药的一些原因。
对话式推荐：一项重大的 AI 挑战
我们越来越习惯用自然语言与机器交互。我们让 Siri 帮我们找一家附近的意大利餐厅，我们让 Alexa 播放一些音乐，我们甚至与我们的汽车对话，指示它们将我们引导到目的地。我们中的许多人还与聊天机器人进行过互动，公司将聊天机器人用作客户服务的第一个接触点。能够与能够像人类一样交谈的机器互动长期以来一直是科幻电影中对未来的标志性愿景。随着自然语言处理 (NLP) 的最新进展、GPT-3 等大型预训练语言模型的出现以及机器学习的普遍进步，人们可能会认为我们已经接近实现这一愿景。仔细观察上述互动，我们发现与我们对话的设备通常善于对单个命令做出反应。然而，这些系统有时会在以下情况下达到极限：
对话式人工智能的双重人性和信任
这是一篇在接受后经过改进的文章的 PDF 文件，例如添加了封面和元数据，以及格式化以提高可读性，但它还不是最终的记录版本。此版本在以最终形式发布之前将经过额外的文字编辑、排版和审查，但我们提供此版本是为了让文章尽早可见。请注意，在制作过程中，可能会发现可能影响内容的错误，并且适用于期刊的所有法律免责声明均适用。
癌症与对话式人工智能
由于疾病的复杂性以及研究人员采用的多种方法，解决癌症机制具有挑战性。在本研究中，对 40 篇肿瘤学论文进行了信息检索，以获得作者关于肿瘤免疫微环境 (TIME) 或器官特异性研究的方法。合并并分析了 20 篇 TIME 摘要，以产生关于基于研究的论文如何补充来自评论论文的信息的宝贵见解，使用大型语言模型 (LLM) 上下文比较，然后生成代码以在知识图中说明每位作者的方法。接下来，获得了 20 篇影响历史论文的组合器官特异性新兴论文，作为更新 Zhang, Y., et al. 机制的数据源，该机制进一步由 LLM 转换为代码。新的信号通路结合了另外四位作者的癌症研究领域，随后它们可以对原始的 Zhang, Y., et al. 产生益处。途径。研究中 40 篇论文超过 600,000 字，重点关注特定领域，总计约 17,000 字，由 Clau-3Opus 提供详细且可重复的报告。ChatGPT o1 基于这些作者的方法提供了高级推理，具有广泛的相关性和引用。ChatGPT o1 生成的 Python 或 LaTeX 代码添加了可视化对话式 AI 发现的方法，以更好地理解癌症研究的复杂性。
用于处理错误信息的对话式人工智能系统
Covid-19 给公众带来了大量信息，几乎在所有平台上都有真有假。对于个人来说，从海量信息中筛选出可靠、准确的事实是一项艰巨的任务，也可能令人不快。这很重要，因为从根本上说，控制疫情依赖于个人对公共卫生措施的遵守及其对必要性的理解，任何障碍，包括错误信息，都可能产生严重的负面影响。在本文中，我们提出了一个对话式人工智能系统，它使用双管齐下的方法解决错误信息：首先，让用户通过语音或文本以自然语言轻松访问从多个权威来源合成的简明、可靠的信息；其次，直接驳斥有关冠状病毒的普遍流传的谣言。最初的系统针对的是大学的教职员工和学生，但具有广泛的适用性。在系统的自然语言理解 (NLU) 测试中，我们获得了 0.906 的 F1 分数。我们还讨论了健康信息对话式自然语言界面领域当前的研究挑战。
设计对话式 AI 代理：框架...
摘要 对话式 AI 代理正在从根本上改变公司向客户提供服务的方式。技术和现成工具的快速发展意味着部署对话式 AI 代理变得比想象中简单得多。然而，客户对他们的体验仍然不满意，公司无法证明对话式 AI 代理的价值。借鉴客户体验 (CX) 管理、个性化和服务中的 AI 的理论概念，我们开发了一个设计对话式 AI 代理的框架。我们提出了一个对话式 AI 代理的六阶段迭代设计，从感知客户意图开始，适应旅程环境，为对话分配基调，委托给人类，协调流程以服务请求和培训 AI 代理以自适应地改进和回环到之前的设计阶段。此外，我们认识到公司需要根据公司的目的和 CX 策略全面限定和分配服务请求给此类对话式 AI 代理。