Paul Arnold tərəfindən , Phys.org

Lisa Lock tərəfindən redaktə edilmiş , Robert Eqan tərəfindən nəzərdən keçirilmişdir

 Redaktorların qeydləriKredit: AI tərəfindən yaradılmış görüntü

İstər müştəri dəstəyi axtarırıq, istər tövsiyyələr axtarırıq, istərsə də sadəcə tez sual veririk, AI chatbotları bizə axtardığımız cavabları vermək üçün hazırlanıb. Ancaq səthin altında daha çox şey var. Biz onlarla hər dəfə söhbət etdikdə, onlar anlayışlarını və cavablarını yaxşılaşdırmaq üçün bizdən öyrənirlər. Yeni araşdırmalara görə, rəsmi və ya qeyri-rəsmi istifadə etdiyimiz dil növü onların cavablarının keyfiyyətinə birbaşa təsir edir.

Ümumiyyətlə, insanlar təbii olaraq danışıq tərzini danışdıqları adama uyğunlaşdırırlar. Beləliklə, bir bankda, məsələn, kredit mütəxəssisi ilə danışarkən, daha rəsmi dildən və tam cümlələrdən istifadə edə bilərik. Ancaq dostlarla bir bar kimi rahat bir mühitdə biz ixtisarlar və daha təsadüfi ifadələrdən istifadə edə bilərik. Amazonda Fulei Zhang və Zhou Yu, eyni söhbət dəyişikliyinin insanların digər insanlarla chatbotlarla danışdıqları zaman baş verib-vermədiyini və əgər belədirsə, bunun bir chatbotun fəaliyyətinə necə təsir etdiyini görmək istəyirdilər.

Tədqiqatçılar insanların insan agentlərinə göndərdiyi minlərlə mesajı qrammatika, lüğət və nəzakət kimi xüsusiyyətlərə diqqət yetirərək, süni intellekt chatbotlarına göndərilən mesajlarla müqayisə ediblər. Onlar Claude 3.5 Sonnet modelinin təhlilinə əsaslanaraq, insanların süni intellektlə söhbətə nisbətən insanlarla söhbət edərkən 14,5% daha nəzakətli və rəsmi və qrammatik cəhətdən 5,3% daha səlis olduğunu aşkar ediblər.

Daha sonra onlar Mistral 7B adlı süni intellekt modelini insanlar arasında təxminən 13 000 real söhbətdə öyrətdilər, sonra onun insanların chatbotlara göndərdiyi 1300-dən çox mesajı nə dərəcədə yaxşı başa düşdüyünü yoxladılar. Süni intellektin təsir dairəsini genişləndirmək üçün onlar müxtəlif ünsiyyət üslublarını simulyasiya etmək üçün həmin mesajların açıq və nəzakətli yenidən yazılarını da yaratdılar.

Məlum olub ki, real və saxta mesajlar da daxil olmaqla müxtəlif mesaj üslubları üzrə təlim keçmiş chatbotlar istifadəçi niyyətini başa düşməkdə yalnız orijinal insan söhbətləri üzərində öyrədilmiş süni intellektdən 2,9% daha yaxşı olub. Tədqiqatçılar həmçinin daha rəsmi olmaq üçün son anda qeyri-rəsmi mesajları yenidən yazaraq Mistral AI-nin anlayışını yaxşılaşdırmağa çalışdılar, lakin bu, anlayışın demək olar ki, 2% azalmasına səbəb oldu.

Beləliklə, chatbotları daha ağıllı etməyin ən yaxşı yolu, tədqiqatçıların arXiv preprint serverində dərc edilmiş məqalələrində qeyd etdiyi kimi, onları bir sıra ünsiyyət üslubları üzrə öyrətməkdir . “Müxtəlif linqvistik variasiyaya məşq zamanı məruz qalma, nəticə çıxarma vaxtının normallaşdırılmasından daha effektivdir. Modellər semantik təhrif riski yaradan kövrək post-hoc transformasiyalara etibar etməkdənsə, təlim zamanı müxtəlif ünsiyyət üslublarını şərh etməyi öyrənməlidirlər.”

Bu kimi tapıntılar real dünya parametrlərində chatbot cavablarının keyfiyyətini yaxşılaşdırmaq üçün əsas ola bilər .

Müəllifimiz Pol Arnold tərəfindən sizin üçün yazılmış , Lisa Lok tərəfindən redaktə edilmiş və Robert Eqan tərəfindən yoxlanılmış və nəzərdən keçirilmiş bu məqalə diqqətli insan əməyinin nəticəsidir. Müstəqil elmi jurnalistikanı yaşatmaq üçün sizin kimi oxuculara güvənirik. Bu hesabat sizin üçün əhəmiyyət kəsb edirsə, lütfən, ianə (xüsusilə aylıq) nəzərdən keçirin. Siz təşəkkür olaraq reklamsız hesab əldə edəcəksiniz .

Ətraflı məlumat: Fulei Zhang və digərləri, Mind the Gap: İnsan-LLM köməkçisində linqvistik fərqlilik və uyğunlaşma strategiyaları, insan-insan qarşılıqlı əlaqəsi, arXiv (2025). DOI: 10.48550/arxiv.2510.02645

Jurnal məlumatı: arXiv 

© 2025 Science X Network