要約
過去数十年間でデータが急増し、データを必要とする学習ベースの AI テクノロジーの基盤が形成されました。
AI チャットボットと呼ばれることが多い会話エージェントは、大規模言語モデル (LLM) をトレーニングし、ユーザーのプロンプトに応答して新しいコンテンツ (知識) を生成するために、このようなデータに大きく依存します。
OpenAI の ChatGPT の出現により、LLM ベースのチャットボットが AI コミュニティに新しい標準を設定しました。
このペーパーでは、さまざまな分野における LLM ベースのチャットボットの進化と展開に関する完全な調査を示します。
まず基本的なチャットボットの開発について概要を説明し、次に LLM の進化について説明し、その後、現在使用されている LLM ベースのチャットボットと開発段階にあるチャットボットの概要を説明します。
AI チャットボットを新しい知識を生み出すツールとして認識し、さまざまな業界での多様なアプリケーションを調査しています。
次に、LLM のトレーニングに使用されるデータと、生成された知識の誤用がどのようにしていくつかの問題を引き起こす可能性があるかを考慮しながら、未解決の課題について説明します。
最後に、多くのアプリケーションにおける効率と信頼性を向上させるための将来の展望を探ります。
私たちの調査では、LLM ベースのチャットボットの主要なマイルストーンと現在の状況に対処することで、次世代が会話型 AI をどのように再形成するかを考察しながら、この領域をさらに深く掘り下げるよう読者に促しています。
要約(オリジナル)
The past few decades have witnessed an upsurge in data, forming the foundation for data-hungry, learning-based AI technology. Conversational agents, often referred to as AI chatbots, rely heavily on such data to train large language models (LLMs) and generate new content (knowledge) in response to user prompts. With the advent of OpenAI’s ChatGPT, LLM-based chatbots have set new standards in the AI community. This paper presents a complete survey of the evolution and deployment of LLM-based chatbots in various sectors. We first summarize the development of foundational chatbots, followed by the evolution of LLMs, and then provide an overview of LLM-based chatbots currently in use and those in the development phase. Recognizing AI chatbots as tools for generating new knowledge, we explore their diverse applications across various industries. We then discuss the open challenges, considering how the data used to train the LLMs and the misuse of the generated knowledge can cause several issues. Finally, we explore the future outlook to augment their efficiency and reliability in numerous applications. By addressing key milestones and the present-day context of LLM-based chatbots, our survey invites readers to delve deeper into this realm, reflecting on how their next generation will reshape conversational AI.
arxiv情報
著者 | Sumit Kumar Dam,Choong Seon Hong,Yu Qiao,Chaoning Zhang |
発行日 | 2024-11-18 12:36:13+00:00 |
arxivサイト | arxiv_id(pdf) |
提供元, 利用サービス
arxiv.jp, Google