XiaoMi-AI文件搜索系统
World File Search SystemConversational
从信息检索角度看对话式人工智能
摘要 对话式人工智能是计算机科学的一个新兴领域，涉及信息检索、自然语言处理和对话系统等多个研究领域。在这个广阔的领域中，我们专注于对话式信息访问，这个问题特别适合由信息检索社区来解决。我们认为，尽管该领域的研究活动很多，但进展大多局限于组件级改进。当前的努力与真正的对话式信息访问系统之间仍然存在脱节。除了问题本身的挑战性之外，进展缓慢在很大程度上可以归因于缺乏适当的评估方法和资源。本文重点介绍了导致离线和在线评估方法都不适合解决这个问题的挑战，并讨论了使用用户模拟作为可行的解决方案。
治疗性对话人工智能和自我理解的获得
在 COVID-19 大流行期间：改善严重精神疾病患者护理的实用策略。社区心理健康杂志 57：405 – 15。Mittelstadt，B。2017 。健康相关物联网的伦理：叙述性评论。伦理与信息技术 19 (3)：157 – 175。doi：10.1007/s10676-017-9426-4。Morales，DA、CL Barksdale 和 AC Beckel-Mitchener。2020 。呼吁采取行动解决农村心理健康差距问题。临床与转化科学杂志 4 (5)：463 – 467。doi：10.1017/cts.2020.42。Sedlakova，J. 和 M. Trachsel。2023 。心理治疗中的对话式人工智能：一种新的治疗工具或药剂？美国生物伦理学杂志 23 (5):4 – 13。doi: 10.1080/15265161.2022.2048739。Shaw, JA 和 J. Donia。2021 年。数字健康的社会技术伦理：对生物伦理学方法的批判和扩展。数字健康前沿 3:725088。doi: 10.3389/fdgth.2021.725088。Smith-Bell, M. 和 WJ Winslade。1994 年。心理治疗关系中的隐私、保密性和特权。美国矫正精神病学杂志 64 (2): 180 – 93。doi: 10.1037/h0079520。Weiner, S. 2022。精神科医生短缺问题日益严重，心理健康服务需求巨大。AAMC，8 月 9 日。https://www.aamc.org/news-insights/growing-psychiatrist-shortage-enormous-demand-mental-health-services。
对话式人工智能的增量式基于图的语义和推理
下一代对话式 AI 系统需要：（1）逐步处理语言，逐个标记，以提高响应速度，并能够处理对话现象，例如暂停、重新开始和自我更正；（2）逐步推理，允许建立超出所说内容的意义；（3）透明且可控，允许设计人员和系统本身轻松确定特定行为的原因并针对特定用户组或领域进行定制。在这篇短文中，我们介绍了正在进行的初步工作，将动态语法（DS） - 一种增量语义语法框架 - 与资源描述框架（RDF）相结合。这为创建增量语义解析器铺平了道路，该解析器在话语展开时逐步输出语义 RDF 图。我们还概述了如何通过 RDF 将解析器与增量推理引擎集成。我们认为，这种 DS - RDF 混合体满足了上面列出的要求，产生了可用于构建响应式、实时、可解释的会话式 AI 的语义基础设施，可以针对特定用户群体（例如痴呆症患者）快速定制。
心理健康中的人工智能对话剂
结果：样本包括29名成年人（19-66岁），主要不到35岁，非西班牙裔，白人和女性。参与者报告了与AI对话剂的一系列积极和负面的经历。对AI对话代理人的最积极态度，欣赏他们的效用和增加获得护理的潜力，但有些人也表达了谨慎的乐观情绪。大约一半认可了负面意见，理由是AI缺乏同理心，解决复杂的心理健康状况方面的技术局限性以及数据隐私问题。大多数参与者希望人类参与AI驱动的疗法，并表示对AI对话剂被视为替代治疗的风险。一个子组首选的AI对话代理用于管理任务，而不是护理条款。
TCS Conversa™-面向 BFSI 的对话式 AI 平台
过去几年，我们见证了聊天机器人应用的爆炸式增长，它们改变了查询解决方案并提高了运营效率。公司希望这些应用程序能够立即理解查询、了解文化差异、以人性化的方式做出响应、减少对人工干预的依赖，并最终降低运营成本。然而，目前大多数可用的解决方案都无法满足这些要求——难以处理文化行为、无法适应业务用户的需求，并且由于大规模基于云的实施而导致额外成本。
MOCA 项目：解决对话式 AI 中的偏见
• 在整个过程中组建一支由不同的开发人员和同事组成的团队进行测试 • 明确定义目的和范围 • 为包容性和可访问性而设计 • 减轻和解决偏见 • 为用户和系统之间的道德互动而设计 • 广泛测试 • 定期监控和更新 • 问责和文档
彻底改变您的对话式 AI 测试工作流程
对话式 AI 在塑造客户体验方面发挥着关键作用。然而，测试和重新测试更新可能会减缓创新并造成资源紧张。想象一下，如果您能够大幅减少重新测试更新所花费的时间和精力，让您的团队可以专注于创新而不是重复性任务，那该有多好。我们由 Azure OpenAI 驱动的解决方案通过简化测试流程来解决这些挑战，帮助您的团队节省时间、减少精力并确保大规模质量。
开发用于睡眠指导计划的对话式人工智能
世界上将近 30% 的成年人口正在经历或曾经经历过失眠。失眠的认知行为疗法 (CBT-I) 是最有效的治疗方法之一，但它在可访问性和可用性方面存在限制。利用技术是可能的解决方案之一，但现有方法忽略了对话方面，而对话在睡眠治疗中起着至关重要的作用。为了解决这个问题，我们提出了一个博士项目，探索开发对话人工智能 (AI) 用于睡眠指导计划的潜力，该计划受 CBT-I 治疗启发。这个博士项目旨在开发自然语言处理 (NLP) 算法，让系统自然地与用户交互，并提供自动分析系统来支持人类专家。在本文中，我们介绍了睡眠指导计划三个阶段的研究问题：分类、监测进度和提供指导。我们希望该研究项目的成果能够为 NLP 和 AI 的研究领域以及医疗保健领域做出贡献，提供更为便捷、实惠的睡眠治疗解决方案和自动分析系统，以减轻人类专家的负担。
对话式 XAI 系统的论据 - Harvard DASH
最近，包括 Weld 和 Bansal (2018) 177 在内的多位 HCI 社区成员都认为，对话式解释系统是实现可解释的人机交互的最佳途径。这一建议通常没有支持论据，因此我们着手撰写这篇论文，以阐明对话式可解释人工智能 (XAI) 系统背后的呼声。首先，我们调查了有关人工智能系统对解释的需求以及模型提供解释的能力的研究。其次，我们提出了一系列解释和理解这些解释的障碍，并通过借鉴人机交互、机器学习、认知科学和教育理论的几项研究结果来解释这些障碍。最后，我们考虑到这些障碍来论证对话式解释系统，并提出了一个绿野仙踪 (WoZ) 实验来检验我们的一些假设。
对话时尚服装发电机由Genai
浦那，印度马哈拉施特拉邦摘要： - 人工智能和时尚的融合已经引发了创新的解决方案，这些解决方案满足了时尚爱好者的不断发展的需求和偏好。本报告深入研究了开发“由Genai驱动的对话时尚式发电机”的方法，该应用程序是一种高级应用程序，该应用程序利用生成人工智能（Genai）的能力通过自然语言互动来创建个性化的时尚服装。该模型概述了方法论的基本要素，包括数据收集，自然语言理解，计算机视觉集成和深度学习算法。数据收集构成了基岩，因为访问与时尚相关信息的各种数据集对于培训和微调AI模型至关重要。自然语言理解（NLU）有助于理解用户输入和产生上下文感知的响应，从而确保有意义而引人入胜的对话。计算机视觉技术旨在分析时尚图像，识别服装，样式和颜色，从而有助于服装建议。深度学习算法，尤其是基于变压器的模型，构成了系统的骨干，产生了个性化和上下文相关的时尚建议。这种方法不仅支持了“对话时尚服装生成器”，而且还反映了时尚行业中AI不断发展的景观，在这种行业中，个性化的，互动的体验在时尚和电子商务领域变得越来越重要。