هوش مصنوعی مکالمه‌ای ۲۰۲۲
Conversational AI 2022

این کتاب، مقدمه‌ای جامع بر هوش مصنوعی مکالمه‌ای ارائه می‌دهد. در حالی که ایده تعامل با رایانه از طریق صدا یا متن به گذشته‌ای دور باز می‌گردد، تنها در سال‌های اخیر و با ظهور دستیارهای شخصی دیجیتال، بلندگوهای هوشمند و چت‌بات‌ها این ایده به واقعیت تبدیل شده است. پیشرفت‌ها در هوش مصنوعی، به‌ویژه در یادگیری عمیق، همراه با در دسترس بودن قدرت محاسباتی عظیم و حجم وسیعی از داده‌ها، منجر به ظهور نسل جدیدی از سیستم‌های گفت‌وگو و رابط‌های مکالمه‌ای شده است.

تحقیقات کنونی در هوش مصنوعی مکالمه‌ای عمدتاً بر کاربرد یادگیری ماشین و رویکردهای مبتنی بر داده‌های آماری در توسعه سیستم‌های گفت‌وگو متمرکز است. با این حال، آگاهی از دستاوردهای پیشین در فناوری گفت‌وگو و در نظر گرفتن میزان ارتباط آن‌ها با تحقیقات و توسعه فعلی، حائز اهمیت است. سه رویکرد اصلی برای توسعه سیستم‌های گفت‌وگو مورد بررسی قرار می‌گیرند: سیستم‌های مبتنی بر قانون که با استفاده از دستورالعمل‌های بهترین عملکرد، به صورت دستی طراحی می‌شوند؛ سیستم‌های مبتنی بر داده‌های آماری که بر اساس یادگیری ماشین بنا شده‌اند؛ و سیستم‌های گفت‌وگوی عصبی مبتنی بر یادگیری سرتاسری.

ارزیابی عملکرد و قابلیت استفاده از سیستم‌های گفت‌وگو به موضوعی مهم و مستقل تبدیل شده است و انواع مختلفی از معیارها و چارچوب‌های ارزیابی در این کتاب شرح داده شده‌اند. در نهایت، تعدادی از چالش‌ها برای تحقیقات آتی مورد بررسی قرار می‌گیرند، از جمله: چندوجهی بودن در سیستم‌های گفت‌وگو، گفت‌وگوی بصری؛ یادگیری مدل گفت‌وگوی کارآمد با داده‌ها؛ استفاده از گراف‌های دانش؛ پدیده‌های گفتمان و گفت‌وگو؛ رویکردهای ترکیبی برای توسعه سیستم‌های گفت‌وگو؛ گفت‌وگو با ربات‌های اجتماعی و در اینترنت اشیا؛ و مسائل اجتماعی و اخلاقی.

This book provides a comprehensive introduction to Conversational AI. While the idea of interacting with a computer using voice or text goes back a long way, it is only in recent years that this idea has become a reality with the emergence of digital personal assistants, smart speakers, and chatbots. Advances in AI, particularly in deep learning, along with the availability of massive computing power and vast amounts of data, have led to a new generation of dialogue systems and conversational interfaces. Current research in Conversational AI focuses mainly on the application of machine learning and statistical data-driven approaches to the development of dialogue systems. However, it is important to be aware of previous achievements in dialogue technology and to consider to what extent they might be relevant to current research and development. Three main approaches to the development of dialogue systems are reviewed: rule-based systems that are handcrafted using best practice guidelines; statistical data-driven systems based on machine learning; and neural dialogue systems based on end-to-end learning. Evaluating the performance and usability of dialogue systems has become an important topic in its own right, and a variety of evaluation metrics and frameworks are described. Finally, a number of challenges for future research are considered, including: multimodality in dialogue systems, visual dialogue; data efficient dialogue model learning; using knowledge graphs; discourse and dialogue phenomena; hybrid approaches to dialogue systems development; dialogue with social robots and in the Internet of Things; and social and ethical issues.