Crédito: Pixabay / CC0 Public Domain
Apesar dos avanços sem precedentes na tecnologia e incontáveis representações de complexas interações humano-IA em filmes de ficção científica, ainda não alcançamos os bots de IA que podem se envolver em conversas tão naturalmente quanto os humanos. Kushal Chawla, pesquisador do Instituto de Tecnologias Criativas da USC (ICT) e aluno de doutorado em ciência da computação, e colaboradores do Instituto de Ciências da Informação da USC (ISI) e ICT estão nos levando um passo mais perto dessa realidade, ensinando IA como negociar com os humanos.
A pesquisa, apresentada na Conferência Anual de 2021 do Capítulo Norte-Americano da Association for Computational Linguistics (NAACL) neste mês, contou com um conjunto de dados baseado em cenários que foi coletado para ensinar habilidades de negociação para usuários humanos por meio de um diálogo de dramatização. Com o cenário de um acampamento como pano de fundo imaginário, os participantes do estudo de coleta de dados foram instruídos a interagir uns com os outros como se fossem campistas negociando por recursos. Os pesquisadores descobriram um total de nove estratégias que os participantes utilizaram ao longo do exercício. A lição que se destaca: as estratégias cooperativas de negociação foram mais eficazes do que as estratégias egoístas. Essas informações podem ser usadas no futuro para informar a criação de um sistema automatizado que leva em consideração várias estratégias de negociação.
AI de treinamento
CaSiNo, que significa Camp Site Negotiations, é um conjunto de dados baseado em cenários que foi coletado para ensinar habilidades de negociação a usuários humanos por meio de um diálogo de dramatização. Consiste em mais de mil diálogos de negociação que são realizados por dois participantes ao mesmo tempo. No centro desses diálogos, há três itens essenciais para acampamento que os participantes negociaram – comida, água e lenha. Cada participante recebe uma ordem de preferência para esses itens e negocia com base neste modelo. Conforme os participantes negociam uns com os outros, eles chegam a conclusões sobre como alocar os itens para maximizar as recompensas de cada pessoa.
Antes desses diálogos, os participantes passaram por um módulo de treinamento que consistiu em assistir a um vídeo tutorial sobre negociação. Isso permitiu que os participantes entendessem as melhores práticas de negociação a serem incorporadas ao desempenho.
“Avaliamos o desempenho na negociação dos participantes de três maneiras: os pontos finais marcados dependendo do que eles conseguiram negociar, o quanto estão satisfeitos com o resultado e o quanto seus oponentes gostam deles”, explicou Chawla. “Todas essas métricas são cruciais no contexto das negociações do mundo real.”
Destacando-se
Chawla tem extensas pesquisas anteriores em IA, mas CaSiNo é sua abordagem mais ambiciosa até o momento.
“Uma diferença com esses trabalhos anteriores é que, nesses casos, as negociações não envolvem comunicação baseada no idioma, mas sim em cliques em botões e opções suspensas em um menu”, explica Chawla. “No entanto, nosso trabalho no conjunto de dados CaSiNo promoveria o desenvolvimento de sistemas de IA que podem negociar usando a linguagem (como em inglês) e ter conversas reais e ricas com humanos.”
Da mesma forma, a maior parte do trabalho na área de sistemas de negociação automatizada tem se concentrado em uma interface baseada em menus, em vez de comunicação baseada em linguagem. Embora essas tecnologias tenham sido fáceis de navegar, Chawla argumentou que “elas não conseguem capturar a emoção e a persuasão de forma livre, que são componentes-chave das negociações do mundo real”. A linguagem, por outro lado, encapsula características humanas que ajudam a estabelecer a comunicação da IA no mundo real.
Alcançar este novo nível de comunicação de IA requer a construção de conjuntos de dados de negociação complexos por meio dos quais a IA pode ser treinada. Pode ser um desafio construir o conjunto de dados perfeito – esforços anteriores para fazer isso costumam ser muito restritivos ou muito abertos. Para encontrar o equilíbrio perfeito entre os dois, Chawla e sua equipe abordaram esse desafio “propondo uma nova tarefa que permite conversas pessoais e linguisticamente ricas, mas ainda em um ambiente restrito”.
Aplicações em pedagogia e além
Como uma forma eficaz de automatizar a negociação em vez de depender de humanos, não é de se admirar que o CaSiNo tenha uma variedade de aplicações do mundo real. Essa tecnologia pode ser aplicada a vários setores, incluindo negócios, educação, empreendedorismo e tecnologia. Especificamente, o CaSiNo pode ajudar no ensino de habilidades de negociação em vários contextos pedagógicos, seja no treinamento de estudantes de negócios para fechar negócios ou ajudando advogados a avaliar as taxas de liquidação com mais precisão.
CaSiNo também é altamente valioso para melhorar as habilidades de negociação de assistentes de IA de conversação. Chawla cita o protótipo Google Duplex como exemplo, no qual assistentes de IA expressam habilidades de negociação para marcar compromissos automaticamente por telefone.
Direções futuras
No futuro, Chawla e sua equipe estão amplamente interessados em examinar mais profundamente outros tipos de diálogo não colaborativo fora da negociação, como a persuasão. O diálogo não colaborativo é geralmente definido como comunicação “onde os objetivos das partes envolvidas podem não se alinhar perfeitamente uns com os outros.”
Mais especificamente, Chawla descreve duas direções de pesquisas futuras com base no trabalho atual com CaSiNo. Em primeiro lugar, a equipe está interessada em observar as capacidades preditivas da IA por meio de como a expressão emocional nos diálogos do CaSiNo se correlaciona com os resultados da negociação. Ao fazer isso, esses agentes de IA podem ser aprimorados para se tornarem mais conscientes das emoções. Em segundo lugar, a equipe está procurando melhorar a credibilidade das habilidades de negociação com base em um treinamento de idioma de formato livre realista. Em última análise, CaSiNo é um sistema inovador que servirá como uma base sólida para melhorias nas interações entre humanos e computadores.
Publicado em 02/07/2021 12h05
Artigo original: