Facebook训练机器人讨价还价 教它们与人类谈判

简介:

随着亚马逊Echo和谷歌(微博)Home 的走红,智能语音机器人越来越受到欢迎。但眼下,Facebook已经不满足于研发一款可以聊天的智能语音助手,而是要训练机器人与人类进行谈判。

6月15日,据科技博客Techcrunch报道,Facebook人工智能研究所(Facebook Artificial Intelligence Research,简称FAIR)的研究人员已经创建了人工智能模型,它们被赋予了与人类谈判的能力,可以与人讨价还价。

目前FAIR的研究人员已经开放了该模型的源代码,并发表论文,介绍了该机器人所具有的谈判能力。在论文中,研究人员表示,通过大量的训练,对于具有不同目标的对话机器人,已经可以与其他机器人或人类进行从开始到结束的谈判,并最终达成一致结果和目标。

Facebook研究人员指出,现实生活中人们经常需要面对的“讨价还价”就是最常见的一种谈判行为。他们从这一行为模式入手,开始教机器人如何分配物品,譬如五本书、三顶帽子、两个球等等。每一场谈判被限定在10次对话之内,如果10次对话结束后,没有达成共识,那么双方都不能得到物品。

为了达到训练效果和进行大规模的定量评估,FAIR团队收集了一系列人与人之间讨价还价的记录供机器学习。这些案例详细记录了人们给一组物品定价并进行分配的过程。然后研究人员建立了一个递归的神经网络,通过教它模仿人们的行为来学会谈判。

工程师们还利用机器人与机器人的对话来改善学习结果,方法是让一个机器人生成数据去“愚弄”另一个机器人。这个场景需要机器人与另一方建立对话模型,双方间就交易展开谈判,从而预判出对方对特定报价的反应,而采取具体应对措施,而非简单的模仿。在训练过程中,研究人员很快发现,机器人学会了一些谈判策略,比如故意强调一些低价的物品,假装让对方认为该物品拥有更高的价值。

FAIR团队的工作人员向Techcrunch表示,他们训练机器人的目的是教会他们防止做出不好的决策,而不是每次都作出最优的选择。“就像你用日历提醒自己开会,是为了保证会议能如期参加,而不是为了选在最好的时间开会。”工作人员称。

在2016年的开发者大会上,Facebook的创始人兼首席执行官马克·扎克伯格(Mark Zuckerberg)就像外界介绍过类似的应用场景,在这个场景中,人们通过机器人与企业互动,例如,订购产品或获得客户服务帮助。

不过目前,FAIR还没有深入研究什么这种机器人的讨价还价能力可能适用于哪些应用软件,也没有表示这种能力是否会在Facebook的产品中出现。FAIR在论文中指出,辩论、对话和谈判的能力对进一步开发并提升聊天机器人是非常重要的,训练机器人学会谈判过程中的所有重要步骤都是打造个性化数字助理的关键。

本文转自d1net(转载)

相关文章
|
自然语言处理 算法 机器人
PaddleNLP通用信息抽取技术UIE【一】产业应用实例:信息抽取{实体关系抽取、中文分词、精准实体标。情感分析等}、文本纠错、问答系统、闲聊机器人、定制训练
PaddleNLP通用信息抽取技术UIE【一】产业应用实例:信息抽取{实体关系抽取、中文分词、精准实体标。情感分析等}、文本纠错、问答系统、闲聊机器人、定制训练
PaddleNLP通用信息抽取技术UIE【一】产业应用实例:信息抽取{实体关系抽取、中文分词、精准实体标。情感分析等}、文本纠错、问答系统、闲聊机器人、定制训练
|
11月前
|
机器学习/深度学习 人工智能 自然语言处理
养成女友?我训练出了一个“杨超越”聊天机器人
养成女友?我训练出了一个“杨超越”聊天机器人
155 0
|
11月前
|
机器学习/深度学习 算法 机器人
只需1次演示,1小时在线训练,机器人真就做到看一遍就会了
只需1次演示,1小时在线训练,机器人真就做到看一遍就会了
|
11月前
|
机器学习/深度学习 人工智能 自然语言处理
DeepMind用「强化学习」训练「正能量」聊天机器人:再也不用担心AI乱说话了!
DeepMind用「强化学习」训练「正能量」聊天机器人:再也不用担心AI乱说话了!
159 0
|
人工智能 自然语言处理 数据挖掘
训练语言模型何需文本?Facebook发布GSLM:无需标签,从语音直接训!
不用文本就能训练语言模型?听起来像天方夜谭,竟被Facebook 给实现了!最近他们推出了一种新的语言模型训练方式GSLM,从语音开始训练,不需要标签,不需要大规模数据,不需要ASR模型,让每个语言都能享受大规模语言模型的便利!
251 0
训练语言模型何需文本?Facebook发布GSLM:无需标签,从语音直接训!
|
机器学习/深度学习 自然语言处理 算法
Google X教你用模拟器训练机器人,准确率超93%,ICRA2021已发表
机器人的训练相比自然语言处理、视觉等领域来说更加困难,因为需要实际搭建一个环境,更多的时间来试错。而使用模拟器来模拟机器人,训练出来的模型想要直接应用到真实环境之间还需要消除他们之间的gap。
160 0
Google X教你用模拟器训练机器人,准确率超93%,ICRA2021已发表
|
机器学习/深度学习 人工智能 编解码
训练速度远超3D CNN,提速3倍!Facebook首发「时空版」Transformer
Facebook AI推出了全新的视频理解架构TimeSformer,这也是第一个完全基于Transformer的视频架构。视频剪辑上限可达几分钟,远远超过当下最好的3D CNN,且成本更低。
186 0
训练速度远超3D CNN,提速3倍!Facebook首发「时空版」Transformer
|
机器学习/深度学习 人工智能 算法
把你手机里的照片秒变3D!Facebook训练了一个CNN端到端系统
Facebook研究人员,开发出一个卷积神经网络端到端系统,已经能实现几秒钟内,将任何设备上拍摄的2D图像转换成3D图像。
212 0
把你手机里的照片秒变3D!Facebook训练了一个CNN端到端系统
|
传感器 机器人 语音技术
牙医训练机器人到底能有多恐怖?!
牙医训练机器人到底能有多恐怖?!
161 0
|
人工智能 算法 安全
案例酷 | 机器人瓦力来了:训练AI吞食垃圾 瀚蓝环境探索破解垃圾围城难题
为摆脱对经验的过度依赖,瀚蓝环境意识到更高效的数字化手段是可行办法。通过将经验与数据中的隐性知识转化为显性知识,并嵌入到机器中,让机器协助人类来完成复杂焚烧过程的复杂决策与控制。但摆在眼前的问题是,垃圾焚烧领域鲜有数据科学家,懂行业机理模型的数据科学家更是凤毛麟角,行业算法处于空白。于是,瀚蓝环境找到阿里云工业大脑团队,希望借助其在数据与算法上的优势,加之与瀚蓝环境专家经验结合,共同开发垃圾焚烧工艺优化算法,优化垃圾焚烧的稳定性。 工业大脑落地场景的选择至关重要。数据可用性、风险可控、可实施、高收益与可复用是选择优先场景需要考虑的关键因素。
824 0
案例酷 | 机器人瓦力来了:训练AI吞食垃圾 瀚蓝环境探索破解垃圾围城难题

热门文章

最新文章