このまとめをお気に入りにして応援しよう!
0
nangahola @additengineer
#devsumiB 次もB 教えて!goo 3000万件のQA
Daisuke Nishino☕️デブサミ2019担当記者 @nishino_chekhov
次は教えて!gooさんのAIセッション! 大量のQAデータがAIにどう関わってくるのか、確かに気になるところ。楽しみ #devsumi #devsumiB
ライナス @Linus_MK
#devsumiB 人に寄り添うキャラクターAIを目指している その一発目が恋愛相談AIオシエル 文脈を理解して過去のQAから回答を生成する
ぼた餅 @bota_mochi
#devsumiB 質問の文脈を読み過去の回答を参考に回答、ユーザからのフィードバックで更に学習
ライナス @Linus_MK
#devsumiB ……これ精度あってるのか? 告白のタイミングについて回答してるんだけどトピックがズレてないか……?
nangahola @additengineer
#devsumiB AIオシエル、優秀そうだ。自分も相談しようかな
魔術師見習い @O_Messiaen
恋愛相談でAIが回答で「あなたのお気持ちよく分かります」ってジョークだろw #devsumiB
えんぷ[オルタ](讐) @s2_empnen
正解がないからこそAIの回答が際立つのはあるかもしれない #devsumiB
ぼた餅 @bota_mochi
#devsumiB 朝にあったソニーのディープラーニングの公演聞いてたおかげですんなり入ってくる
えんぷ[オルタ](讐) @s2_empnen
AIだからいいけど人間が回答の最後に名言書いてきたら私ならちょっとイラッとする #devsumiB
JNakayama @baru__bora
回答制度ってどのくらいだろう #devsumiB
ライナス @Linus_MK
#devsumiB 共感、結論、理由、励まし、名言 の構成にしている 30000件回答して、good17% は、他のユーザと比べてもそんなに引けを取らない
ライナス @Linus_MK
#devsumiB factoid:答えが一意に定まる単純なQA non-factoid:答えが多様、複雑、長文となるQA
ぼた餅 @bota_mochi
#devsumiB 別講演でディープラーニング活用のためには学習用データの取得方法と学習方法の設計が重要という話だったが、既存の回答例が大量にあるQAサービスはかなりアドバンテージがあるんだろうなぁ
ライナス @Linus_MK
#devsumiB QA-LSTM 1word2vecで単語ベクトルを生成 2時系列の深層学習(Bi-LSTM)でQAの文書ベクトルを生成 3QとAの類似性をコサイン類似度で計測して最適化 gooでは複数の回答を用いて、自然な回答を生成する→多様な回答を生成できる
ぼた餅 @bota_mochi
#devsumiB 質問↔結論 質問↔理由 結論↔理由 で文章をマッチング。 会話のなかでは無意識的に気にしてるけど、改めて提示されるとなるほど大事だなぁと
もえか🌸 @moe_dev_95
#devsumiB 耳すまシチュで恋愛相談wwww
ぼた餅 @bota_mochi
#devsumiB オシエルのデモンストレーション、これは例が悪いのではw
魔術師見習い @O_Messiaen
何で月島雫さん(小説家志望の中学生)の恋愛相談してんだよw てかスピーカーがストーリーうろ覚えでわろたw つか45/100点って低いw #devsumiB pic.twitter.com/fIGbTkhk4S
 拡大
とやち @toyachi22
教えてgooの恋愛相談AIオモシロイな〜 「耳をすませば」のシナリオ再現もオモシロイ #devsumi #devsumiB
ぼた餅 @bota_mochi
#devsumiB "泥臭いところも踏まえて"学習用データセットの作成ノウハウがある…… やっぱ根本的なところは人の力なのかなぁ🤔
ぼた餅 @bota_mochi
#devsumiB 検証のための計算、めっちゃメモリも時間も使うんだなぁ……
ログインして広告を非表示にする
ログインして広告を非表示にする