最新人工智能：可預(yù)測人類談話走向，讓吵架扼殺在搖籃中

人工智能 Google 談話吵架AI 算法 AI論文

傅志華 | 2018-05-29 15:03

【數(shù)據(jù)猿導(dǎo)讀】據(jù)此AI系統(tǒng)的算法和發(fā)表的論文介紹，系統(tǒng)過分析維基百科中的討論頁面，收集了大量的討論板塊中大量的網(wǎng)友討論數(shù)據(jù)建立預(yù)測模型，識別開始談話中具有什么樣特征的句子會導(dǎo)致談話會失控甚至是攻擊行為

近日，Google旗下的科技孵化器Jigsaw、康奈爾大學(xué)和維基媒體基金會合作，聯(lián)合開發(fā)了一個預(yù)測談話走向的AI系統(tǒng)。這個系統(tǒng)能從一開始就能預(yù)測談話是否會失控，想在對話能被挽救的情況下，盡早預(yù)防不必要的爭吵甚至是攻擊行為。

這個AI系統(tǒng)的算法和論文發(fā)表在Association for Computational Linguistics conference收錄的論文《Conversations Gone Awry: Detecting Early Signs of Conversational Failure》中。論文的作者Lucas Dixon、Nithum Thain、YiqingHua和Dario Taraborelli通過分析維基百科中的討論頁面，收集了大量的討論板塊中大量的網(wǎng)友討論數(shù)據(jù)（我們可以稱之為帖子），利用自然語言處理技術(shù)進行語義分析，并收集人類標注的標簽作為數(shù)據(jù)集作為訓(xùn)練數(shù)據(jù)，建立預(yù)測模型，識別開始談話中，具有什么樣特征的句子會導(dǎo)致談話會失控甚至是攻擊行為（論文中提到：In this work we aim to computationally capture linguistic cues that predict a conversation’s future health）。

人工智能_Google_談話吵架AI_算法_AI論文-1

論文中提到的例子是是關(guān)于“Dyatlov Pass Incident” 的兩組維基百科的網(wǎng)友討論（Dyatlov事件是指1959年2月2日晚發(fā)生在烏拉爾山脈北部的9位滑雪登山者離奇死亡的事件。這個團隊的隊長叫做Dyatlov，他們在登“死亡之山”的東脊時發(fā)生事故，10人9死）。其中A1和A2為一組（見下圖），分別為兩位不同的網(wǎng)友；B1和B2為一組，也是兩位不同的網(wǎng)友。A1開始交流，A2用另一個問題反問。相反，B1更溫和，用“似乎”提出了意見，B2實際上解決問題，而不是搪塞。這兩組討論中有一組討論導(dǎo)致對話失控，一個對話者開始進行個人攻擊。

人工智能_Google_談話吵架AI_算法_AI論文-2

一些保持禮貌的談話指標包括任何一位幼兒園老師都會認可的基本禮貌如“謝謝”，用禮貌的問候開頭，并用語言表達一種合作的愿望。在這些談話中，人們更傾向于用自己的觀點來表達他們的觀點，比如“我認為”，這似乎表明他們的想法并不一定是最終的結(jié)論。

另一方面，直接提問或用“你”這個詞開頭的對話更有可能使得談話產(chǎn)生差異甚至是爭執(zhí)，如A2的說話方式。研究人員在論文中提到：“這種影響與我們的直覺相一致，即直接性暗示了來自對話發(fā)起人的潛在敵意，也許加強了有爭議的強制的有力性（This effect coheres with our intuition that directness signals some latent hostility from the conversation’s initiator, and perhaps reinforces the forcefulness of contentious impositions）”。

以上只是數(shù)據(jù)集中的一個樣本的簡要分析。以上過程我們可以通過自然語言處理技術(shù)，開始分析這些對話中“最初的評論和回答”的關(guān)鍵詞有怎樣的特征，并進一步通過機器學(xué)習(xí)算法構(gòu)建結(jié)果（最終是否有敵意）和“最初的評論”的關(guān)聯(lián)關(guān)系，從而建立通過“最初評論”的特征預(yù)測對話變成敵意的可能性。

論文的算法結(jié)果顯示，一臺經(jīng)過訓(xùn)練以識別這些特征的計算機，能夠根據(jù)最初的評論和第一次回答，以61.6%的準確率預(yù)測產(chǎn)生敵意的對話。而人類在72%的時間內(nèi)是正確的。該論文的機器預(yù)測的準確率比人類要低，但算法還有很大的提升空間。這個結(jié)果目前還是可以測試使用的。而且機器可以不厭其煩的24小時無休的判斷對話是否會惡化，在恰當?shù)臅r機可以做出一定的提醒和友情干預(yù)，而人類則不可能持續(xù)大規(guī)模的做此類監(jiān)測。

在中國，這個對話預(yù)測模型也許可用于有管理員的論壇和微信群。以微信群為例，如果微信群主賦予了這個對話預(yù)測模型的能力，群主可以快速的提前預(yù)警群里可能要變壞的討論。

更進一步的，自然語言處理技術(shù)（NLP）和機器學(xué)習(xí)（Machine Learning）技術(shù)是通用的，我們也可以預(yù)測更多，比如預(yù)測一開始對話中出現(xiàn)什么特征的對話的用戶，更有可能買某個商品。如果這個用戶及時的被發(fā)現(xiàn)，我們的版主或者群主可以接收到及時的提醒，群主便可以及時的把用戶喜好的商品或者服務(wù)的促銷信息發(fā)給該用戶。甚至，整個過程中，在微信允許的情況下，沒有人介入，全通過機器自動推薦，這就是先進的微信群智能營銷了。當然還有更多的應(yīng)用，就看您的腦洞了。

參考文獻：

Conversations Gone Awry: Detecting Early Signs of Conversational Failure. Lucas Dixon,Nithum Thain,YiqingHua and Dario Taraborelli.

論文下載：https://arxiv.org/pdf/1805.05345.pdf

關(guān)于作者

人工智能_Google_談話吵架AI_算法_AI論文-3

傅志華，數(shù)據(jù)猿專欄專家，中國信息協(xié)會大數(shù)據(jù)分會理事，北京航空航天大學(xué)軟件學(xué)院大數(shù)據(jù)專業(yè)特聘教授，中科院管理學(xué)院MBA企業(yè)導(dǎo)師、首都經(jīng)貿(mào)大學(xué)統(tǒng)計學(xué)兼職教授、研究生導(dǎo)師。曾為360公司大數(shù)據(jù)中心總經(jīng)理以及騰訊社交網(wǎng)絡(luò)事業(yè)群數(shù)據(jù)中心總監(jiān)以及騰訊公司數(shù)據(jù)協(xié)會會長，在騰訊前為互聯(lián)網(wǎng)數(shù)據(jù)分析公司DCCI互聯(lián)網(wǎng)數(shù)據(jù)中心副總裁。目前在某集團企業(yè)負責(zé)人工智能研究院。

注：投稿請發(fā)送郵箱至tougao@datayuan.cn

來源：數(shù)據(jù)猿

收藏分享

聲明：數(shù)據(jù)猿尊重媒體行業(yè)規(guī)范，相關(guān)內(nèi)容都會注明來源與作者；轉(zhuǎn)載我們原創(chuàng)內(nèi)容時，也請務(wù)必注明“來源：數(shù)據(jù)猿”與作者名稱，否則將會受到數(shù)據(jù)猿追責(zé)。