谷歌机器人进化史（谷歌发布世界上最好）

近日，在一篇名为《Towards a Human-like Open-Domain Chatbot》的论文中，谷歌的研究人员介绍了一个名为“Meena”的模型，它是一个包含了 26 亿参数的端到端训练型神经对话模型。

在论文中，研究人员表示：与现有的最新聊天机器人相比，Meena 可以进行更聪明、更具体的对话。

他们针对开放域聊天机器人提出了一项新的人类评估指标——敏感度和特异性平均值（SSA），该指标捕获了人类对话的基本但重要的属性。

值得注意的是，研究人员证明了“困惑度”是一种易用于任何神经对话模型的自动指标，与 SSA 高度相关。

最新聊天机器人“Meena”

Meena 是一种端到端的神经对话模型，可以学会对给定的对话环境做出更加聪明的反应。

Meena（左）与人类的对话

据介绍，Meena 模型具有 26 亿个参数，并经过400亿字的模型——341 GB 的文本训练，这些文本是从公共领域的社交媒体对话中过滤出来的。

与现有的最新生成模型 OpenAI GPT-2 相比，Meena 具有 1.7 倍的模型容量，并且受过 8.5 倍的数据训练。因此Meena不仅可以保证连贯的对话体验，甚至还能自己讲出笑话。

该模型训练的目标是最大程度地减少“困惑度”，即预测下一个标记（会话中的下一个单词）的不确定性。

它的核心是 Evolved Transformer seq2seq 体系结构，这是一种通过进化神经体系结构搜索发现以改善困惑性的 Transformer 体系结构。

同时Meena还具有一个编码器模块和13个译码器模块，编码器负责处理对话的上下文，帮助Meena理解对话的内容，而译码器则使用编码器处理过的信息，产生实际的回应，Google提到，经过他们调校超参数后发现，强大的译码器是提高对话质量的关键。

敏感性和特异性平均值（SSA）

首先，要声称Meena胜过其他聊天机器人，需要一些评估标准。 Google引入了一个新的指标来帮助解决这一问题，称为“敏感性和特异性平均值”或SSA。

此分数带来的创新之处在于，它既可以衡量机器人的答案是否合理，也可以衡量人对合理答案的合理评价，也可以确定答案是否具体。

通常，漫游器会使用“技巧”来使你认为他们正在跟你对话，而在实践中，它们只是给出不一定特定于上下文的通用响应。例如，可能会进行如下对话：

人类：我真的很喜欢间谍电影！

机器人：神奇！请告诉我更多内容！

这是一个明智的回应，但并不具体，同样的答案适用于任何人的任何数量的陈述，更具体的答复是:

人类:我真的很喜欢间谍电影!

机器人:神奇！我喜欢所有的谍中谍电影，你最喜欢哪一个？

为了计算 SSA，研究人员与参与测试的聊天机器人（Meena 和其他知名的开放域聊天机器人共同参与测试，包括 Mitsuku，Cleverbot，小冰和 DialoGPT）进行了自由形式的对话众包，得分如下：

Meena的SSA得分为79％，Mitsuku和Cleverbot为56％，DialoGPT为48％，XiaoIce为31％。鉴于该指标也可用于评估人类对话，因此Google测算的人类SSA平均值为86％，Meena非常接近这一标准。

总结

总而言之，Meena可以在几回合的交谈中聊天，但是无法教给你靠谱的东西。Meena并不是尝试帮你完成一项任务或学习新东西，它没有明确的目标或目的。

虽然我们可能会花时间去谈论一些无关紧要的事情，但在与一个以机器人进行数字服务交互时，我们倾向于寻找一些特定的东西。

例如，预定机票或解决客户支持问题、想要得到一个特定领域的准确信息，或者在面临的挑战时寻求情感或心理支持。

谈话类产品是有目的的，即使他们在开放式问题上失败了，它们也会尝试和你一起完成一项任务。

Meena在谈话过程中把人性化放在了首位，然而，对于不同类型的任务，什么是合适的会话方法，我们还有很多需要学习的地方。

有研究表明，在某些情况下(尤其是涉及敏感个人信息的情况下)，更适合做出“机器人”般的反应，而像人类一样的世界并不是机器人的终极目标。

Meena从社交媒体互动中学到了什么？如果将其插入对话中，如何保证不会说出不恰当的话？对于Meena来说，数百万个公共领域的社交媒体对话是适合的数据集吗?

谷歌在博客中确认，聊天机器人尚未进入应用阶段，目前谷歌更多专注在如何让Meena变得感性这一问题之上，未来会考虑其他属性，如个性和事实性。

同时还要解决模型中的存在的安全性和偏差性，鉴于目前仍面临多个方面的挑战，因此Meena目前并未对外公开演示。

参考链接：

venturebeat/2020/02/01/just-how-big-a-deal-is-googles-new-meena-chatbot-model/

ai.googleblog/2020/01/towards-conversational-agent-that-can.html

arxiv/abs/2001.09977

,