Interactive Natural Language Processing

要約

対話型自然言語処理 (iNLP) は、人工知能の最終目標と一致しながら、既存のフレームワークの制限に対処することを目的とした、NLP 分野内の新しいパラダイムとして登場しました。
このパラダイムでは、言語モデルを、外部エンティティを観察し、動作させ、外部エンティティからのフィードバックを繰り返し受信できるエージェントとみなします。
具体的には、このコンテキストにおける言語モデルは次のことが可能です。(1) ユーザーのニーズをよりよく理解してそれに対処し、応答をパーソナライズし、人間の価値観に合わせて、全体的なユーザー エクスペリエンスを向上させるために人間と対話します。
(2) 知識ベースと対話して、事実の知識で言語表現を強化し、応答の文脈上の関連性を高め、外部情報を動的に活用して、より正確で情報に基づいた応答を生成します。
(3) 複雑なタスクを効果的に分解して対処し、特定のサブタスクに対する専門知識を活用し、社会的行動のシミュレーションを促進するためのモデルやツールと対話します。
(4) 言語の根拠に基づいた表現を学習し、環境観察に応じた推論、計画、意思決定などの具体化されたタスクに効果的に取り組むために環境と対話します。
このペーパーでは、概念の統一された定義とフレームワークを提案することから始めて、iNLP の包括的な調査を提供します。
次に、iNLP を体系的に分類し、インタラクティブ オブジェクト、インタラクション インターフェイス、インタラクション メソッドなどのさまざまなコンポーネントを分析します。
私たちは、この分野で使用されている評価方法論を掘り下げ、その多様な応用を探求し、その倫理的および安全性の問題を精査し、将来の研究の方向性について議論します。
この調査は、この急速に進化する分野に興味を持つ研究者にとっての入り口として機能し、iNLP の現在の状況と将来の軌道についての広い視野を提供します。

要約(オリジナル)

Interactive Natural Language Processing (iNLP) has emerged as a novel paradigm within the field of NLP, aimed at addressing limitations in existing frameworks while aligning with the ultimate goals of artificial intelligence. This paradigm considers language models as agents capable of observing, acting, and receiving feedback iteratively from external entities. Specifically, language models in this context can: (1) interact with humans for better understanding and addressing user needs, personalizing responses, aligning with human values, and improving the overall user experience; (2) interact with knowledge bases for enriching language representations with factual knowledge, enhancing the contextual relevance of responses, and dynamically leveraging external information to generate more accurate and informed responses; (3) interact with models and tools for effectively decomposing and addressing complex tasks, leveraging specialized expertise for specific subtasks, and fostering the simulation of social behaviors; and (4) interact with environments for learning grounded representations of language, and effectively tackling embodied tasks such as reasoning, planning, and decision-making in response to environmental observations. This paper offers a comprehensive survey of iNLP, starting by proposing a unified definition and framework of the concept. We then provide a systematic classification of iNLP, dissecting its various components, including interactive objects, interaction interfaces, and interaction methods. We proceed to delve into the evaluation methodologies used in the field, explore its diverse applications, scrutinize its ethical and safety issues, and discuss prospective research directions. This survey serves as an entry point for researchers who are interested in this rapidly evolving area and offers a broad view of the current landscape and future trajectory of iNLP.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google