Melangkaui Bunyi Seperti Manusia: Empat Matlamat yang Lebih Baik untuk Reka Bentuk Sembang AI

Perbualan boleh kedengaran lancar tanpa memberikan gambaran sistem yang boleh dipercayai kepada pengguna. Dalam eksperimen yang melibatkan 2,165 peserta, penyelidik mengubah sama ada model bahasa semu menggunakan teks sahaja atau pertuturan bersama teks, dan sama ada model itu merujuk dirinya sebagai “saya” atau “sistem ini.” Pertuturan bersama teks meningkatkan penilaian peserta terhadap sifat antropomorfik dan ketepatan maklumat; penggunaan kata ganti nama diri pertama meningkatkan penilaian ketepatan dan menurunkan risiko yang dirasakan dalam satu konteks. Dapatan ini khusus kepada susunan kajian tersebut, tetapi menunjukkan bahawa petunjuk yang membuat sistem kelihatan lebih seperti manusia juga boleh mempengaruhi penilaian terhadap maklumatnya. Google Research, “Mempercayai Antropomorfisme: Meneliti Peranan Petunjuk Antropomorfik terhadap Kepercayaan Pengguna kepada Model Bahasa Besar”

Sebab itulah petunjuk antropomorfik dan kualiti interaksi wajar diaudit secara berasingan. Audit petunjuk antropomorfik meneliti perkara yang disiratkan oleh antara muka tentang identiti atau sifat manusia AI. Audit risiko penilaian meneliti sama ada petunjuk boleh menyebabkan pengguna melebih-lebihkan ketepatan atau kebolehpercayaan hasilnya. Matlamat reka bentuk di bawah menjawab soalan yang berbeza: apakah yang patut dapat difahami, dilakukan dan diputuskan oleh seseorang semasa interaksi? Nada mesra boleh selaras dengan matlamat ini, asalkan tidak mengaburkan keupayaan sistem atau status tugas.

Kit Pengalaman Manusia-AI (HAX) Microsoft menyusun panduan berdasarkan cara sistem AI berkelakuan semasa penggunaan pertama, ketika berinteraksi, apabila berlaku kesilapan dan dari semasa ke semasa. Struktur ini berguna untuk reka bentuk sembang kerana ia mengalihkan perhatian daripada keperibadian watak kepada keperluan pengguna sistem yang berubah-ubah. Microsoft, “Garis Panduan untuk Interaksi Manusia-AI”

Kejelasan bermula dengan tugas pengguna, bukannya gaya suara perbualan yang sempurna. Seseorang yang meminta tiga idea aktiviti hujung minggu memerlukan pilihan yang boleh dibandingkan; seseorang yang meminta penulisan semula memerlukan draf yang boleh disunting. Antara muka patut membezakan dengan mudah tindakan yang diminta daripada hasil yang diberikan. Jika AI mencadangkan, meringkaskan atau mengubah bahan, nyatakan sumbangannya dengan jelas dan kekalkan konteks yang mencukupi supaya pengguna boleh menilainya.

Interaksi yang berguna juga boleh menunjukkan perkara yang boleh dan tidak boleh dilakukan oleh AI pada saat maklumat itu diperlukan. Contohnya, jika pembantu sembang boleh mencadangkan rancangan tetapi tidak boleh membuat tempahan, responsnya tidak sepatutnya membiarkan tindakan itu samar-samar. Nyatakan perkara yang sudah tersedia, perkara yang masih memerlukan tindakan pengguna dan butiran yang masih belum pasti. Ini ialah saranan reka bentuk yang disimpulkan daripada penekanan HAX terhadap tingkah laku yang sesuai sepanjang interaksi, bukannya dakwaan bahawa satu corak ayat berkesan untuk setiap produk.

Semakan kejelasan yang mudah ialah bertanya kepada seseorang selepas interaksi ringkas: Apakah yang anda minta sistem lakukan? Apakah yang sebenarnya dilakukannya? Apakah yang perlu anda semak atau putuskan sebelum menggunakan hasilnya? Jika jawapan berbeza daripada maksud yang ingin disampaikan oleh antara muka, perbaik perkataan, struktur atau petunjuk langkah seterusnya sebelum menambah lebih banyak unsur keperibadian.

Sifat suka bermain memberi orang cara untuk meneroka alat dan kemungkinannya. Dalam kajian terhadap 372 hantaran yang dijana pengguna tentang ChatGPT, penyelidik mengenal pasti interaksi suka bermain yang merangkumi gurauan, mencabar sistem dan menguji batasannya. Penulis menghuraikan interaksi ini sebagai cara orang meneroka keupayaan dan agensi AI, sambil menyatakan bahawa sampel tersebut mencerminkan hantaran daripada tempoh awal penggunaan ChatGPT. Nikghalb dan Cheng, “Menyoal AI: Mencirikan Interaksi Suka Bermain yang Muncul dengan ChatGPT”

Bagi pereka, implikasi praktikalnya bukanlah menjadikan setiap pembantu sebagai pelawak. Sebaliknya, mudahkan eksperimen berisiko rendah: sediakan cara untuk mencuba sudut pandang yang berbeza, membandingkan pilihan atau menyunting draf tanpa kehilangan versi terdahulu. Arahan kreatif ringkas seperti “Beri saya tiga tema yang tidak dijangka” boleh menggalakkan penerokaan sambil mengekalkan fokus pada matlamat pengguna. Mod bermain patut tersedia sebagai pilihan, bukannya persembahan yang terpaksa ditanggung pengguna.

Penyelidikan tentang alat pengarang manusia-AI yang suka bermain membezakan sifat suka bermain daripada kreativiti, sambil menghuraikan permainan sebagai pemudah cara yang berpotensi untuk respons kreatif. Penyelidikan itu membincangkan antara muka, tingkah laku AI dan dialog sebagai peluang reka bentuk, dan menganggap sifat suka bermain sebagai pengalaman yang perlu disokong, bukannya hasil yang boleh dijamin. Liapis et al., “Mereka Bentuk untuk Sifat Suka Bermain dalam Alat Pengarang Manusia-AI”

Antara muka sembang boleh terasa semula jadi tetapi masih gagal menjejaki kerja yang sedang dilakukan. Status tugas merangkumi matlamat semasa pengguna, keputusan yang telah dibuat, pilihan yang masih terbuka dan langkah seterusnya. Apabila interaksi melibatkan beberapa langkah, ringkasan ringkas boleh menunjukkan pemahaman semasa sistem: “Anda tinggal dua pilihan; anda lebih suka berjalan kaki sebentar; saya belum memilih lokasi.” Ini memberi pengguna peluang untuk membetulkan rekod sebelum perbualan diteruskan.

Corak interaksi patut disesuaikan dengan kerumitan tugas. Makalah Ding dan Chan tentang penciptaan bersama teks manusia-AI membezakan pemilihan bahan dengan skop tetap, tugasan kreatif bebas dan tugasan kreatif yang kompleks serta saling bergantung. Makalah itu memadankan kategori ini dengan corak interaksi yang berbeza, daripada campur tangan terhad hingga kerjasama berulang. Kesimpulan reka bentuk yang berguna ialah jawapan satu giliran mungkin sesuai untuk ringkasan dengan skop jelas, manakala tugasan kreatif yang berkembang mendapat manfaat daripada giliran yang menampilkan pilihan dan membolehkan seseorang membentuk hasilnya. Ding dan Chan, “Memetakan Ruang Reka Bentuk Interaksi dalam Tugasan Penciptaan Bersama Teks Manusia-AI”

Untuk menyemak status tugas secara praktikal, jejak satu tugas yang mewakili melalui perbualan. Pada setiap giliran, tanyakan sama ada seseorang dapat mengetahui perkara yang telah diselesaikan, perkara yang masih belum tuntas dan cara membetulkan andaian yang salah. Jika jawapannya bergantung pada ingatan terhadap beberapa giliran terdahulu, tambahkan ringkasan ringkas atau senarai keputusan yang jelas kelihatan. Jika sistem tidak dapat mengekalkan sesuatu butiran dengan boleh diharap, nyatakan batasan itu dengan jelas dan jangan membayangkan kesinambungan yang sebenarnya tiada.

Kawalan bermaksud memberi seseorang cara yang boleh digunakan untuk mengarah atau menyemak semula interaksi. Dalam sembang, caranya boleh semudah membenarkan seseorang memilih antara beberapa pilihan, menyunting draf yang dijana, mengubah kekangan atau meminta sistem berhenti dan membuat ringkasan. Kawalan ini paling bernilai apabila mempengaruhi keputusan yang penting bagi pengguna; menu pelarasan yang tidak mengubah apa-apa yang bermakna menambah kerumitan tanpa memberi kuasa kepada pengguna.

Satu eksperimen yang melibatkan agen perbualan dalam perbincangan berkumpulan membandingkan beberapa cara untuk menetapkan jangkaan tentang keupayaannya mengenal pasti peserta yang kurang menyumbang. Eksperimen itu menguji maklumat tentang ketepatan, penjelasan pendekatan pengesanan dan data, serta kawalan pelarasan. Dalam kajian khusus itu, penjelasan membantu pengguna memahami algoritma dan secara keseluruhannya paling berkesan; pemberian kawalan pelarasan sahaja membawa kepada pengalaman perbincangan yang dinilai lebih negatif. Dapatan ini mengingatkan kita supaya tidak menganggap sesuatu kawalan berguna hanya kerana ia wujud: terangkan perkara yang diubahnya dan pastikan kesannya mudah difahami. Do et al., “Maklumkan, Jelaskan atau Kawal: Teknik untuk Melaraskan Jangkaan Prestasi Pengguna Akhir terhadap Agen Perbualan yang Memudah Cara Perbincangan Sembang Berkumpulan”

Urutan reka bentuk yang praktikal ialah: tunjukkan tafsiran semasa, tawarkan beberapa tindakan seterusnya yang bermakna dan mudahkan pembetulan. Contohnya, selepas menjana rancangan untuk bersiar-siar, sistem boleh bertanya sama ada pengguna mahu memendekkan laluan, menukar aktiviti atau mengekalkan draf. Setiap pilihan menyatakan perubahan yang konkrit. Contoh ini sekadar ilustrasi; ia menerangkan corak interaksi umum, bukannya ciri mana-mana produk tertentu.

Semasa menilai reka bentuk sembang, semak satu tugas biasa dari mula hingga akhir. Periksa sama ada interaksi pertama menjelaskan peranan sistem; sama ada pengguna boleh membezakan cadangan daripada tindakan yang telah diselesaikan; sama ada giliran penerokaan menggalakkan eksperimen tanpa memaksa persona yang suka bermain; dan sama ada perbualan memaparkan keputusan serta langkah yang belum selesai dengan tepat. Kemudian periksa sama ada seseorang boleh membetulkan sistem dan memahami kesan setiap kawalan yang tersedia.

Akhir sekali, semak bahasa dan persembahan untuk mengesan petunjuk yang mungkin membayangkan identiti manusia atau kebolehpercayaan yang istimewa. Pertimbangkan sama ada dakwaan dalam kata ganti nama diri pertama, suara, bahasa emosi atau avatar mirip manusia boleh mempengaruhi penilaian pengguna terhadap jawapan. Semakan ini melengkapi, bukannya menggantikan, ujian sama ada interaksi itu mudah difahami dan berguna. Ukuran yang lebih kukuh bagi reka bentuk sembang ialah sama ada seseorang dapat melaksanakan tugasnya sendiri dengan memahami sumbangan AI dan pilihan seterusnya dengan jelas—bukan sama ada interaksi itu menyamar sebagai perbualan dengan seseorang.