एका AI ला लॅपटॉप सुचवायला सांगा, त्यानंतर त्याला सांगा की तुम्हाला काहीतरी हलके हवे आहे. जर सिस्टमने त्या दुसऱ्या संदेशाकडे एक स्वतंत्र विनंती म्हणून पाहिले, तर तुम्हाला अल्ट्राबुक्सची (ultrabooks) यादी मिळू शकते. किंवा तुम्हाला गेमिंग वर्कस्टेशन्सचा (gaming workstations) आणखी एक ढिगारा मिळू शकतो, कारण तुम्ही पहिला संच खूप जड असल्यामुळे नाकारला होता, हे सिस्टमला कधीच समजले नाही. हे घडते कारण अनेक AI सिस्टम अजूनही केवळ एका स्वतंत्र प्रॉम्प्टच्या आधारे प्रतिसादांचे रँकिंग करतात. ते प्रत्येक संदेशाकडे संवादाची चालू कथा दुर्लक्षित करून, एका नवीन शोधाची सुरुवात म्हणून पाहतात.
हा दृष्टिकोन दीर्घ संवादातील बारकावे (nuance) दुर्लक्षित करतो. मानवी संवाद टप्प्याटप्प्याने अर्थ निर्माण करतो. आपण असे गृहीत धरतो की स्मृती, हेतू आणि पसंती पुढे चालू राहतात. जेव्हा AI असे करूण्यास अपयशी ठरते, तेव्हा ते एखाद्या सहाय्यकाशी बोलण्यासारखे न वाटता, प्रत्येक क्लिकनंतर रिसेट होणाऱ्या सर्च बॉक्समध्ये प्रश्न टाकण्यासारखे वाटते. हे सुधारण्यासाठी आपल्याला संभाव्य उत्तरांचे रँकिंग करण्याची पद्धत बदलावी लागेल. एखादे उत्तर या वाक्याला साजेसे आहे का, हे विचारण्याऐवजी, आपल्याला हे विचारावे लागेल की, आतापर्यंत झालेल्या सर्व चर्चेचा विचार करता, हे उत्तर या व्यक्तीला साजेसे आहे का.
दोन गोष्टी यामुळे शक्य होतात: वैयक्तिकीकरण (personalization) आणि इतिहास (history).
सिंगल-टर्न रँकिंग का अपयशी ठरते
पारंपारिक रिस्पॉन्स रँकिंग हे प्रश्न-उत्तरांच्या डेटासेटमधून विकसित झाले आहे. एक मॉडेल प्रॉम्प्ट पाहते, संभाव्य उत्तरांचा संच तयार करते आणि रँकर प्रत्येक उत्तराला केवळ त्या प्रॉम्प्टच्या आधारे गुण देतो. ज्या उत्तराला सर्वाधिक गुण मिळतात, ते निवडले जाते. हे विलग तथ्यांसाठी काम करते, परंतु सुरू असलेल्या कामासाठी ते अपयशी ठरते.
एका वापरकर्त्याची सहलीचे नियोजन करत आहे अशी कल्पना करा. पहिल्या टप्प्यात, ते बँकॉकमधील बजेट हॉटेल्सबद्दल विचारतात. मॉडेल 'खाओ सॅन रोड' (Khao San Road) जवळच्या हॉटेल्सची यादी सुचवते. वापरकर्ता उत्तर देतो, "ती ठिकाणे खूप गोंगाटाची वाटतात. मला मुले आहेत, त्यामुळे मला स्विमिंग पूल आणि स्कायट्रेनला (Skytrain) सहज पोहोचता येईल अशी जागा हवी आहे." सिंगल-टर्न रँकरला केवळ दुसरे वाक्य दिसते. ते थायलंडमध्ये विखुरलेल्या फॅमिली रिसॉर्ट्सची एक सामान्य यादी देऊ शकते, ज्यामुळे आधीच ठरवलेले विशिष्ट निकष सुटतात: बँकॉक, बजेट-फ्रेंडली, शांत, पूल आणि ट्रान्झिट जवळ.
याचा परिणाम तांत्रिकदृष्ट्या विषयाला धरून असतो पण व्यावहारिकदृष्ट्या निरुपयोगी असतो. वापरकर्त्याला संदर्भ पुन्हा पुन्हा द्यावा लागतो. यामुळे अडथळे निर्माण होतात आणि विश्वास कमी होतो.
वैयक्तिकीकरण (Personalization): विचारणारा कोण आहे?
वैयक्तिकीकरण म्हणजे वापरकर्त्याच्या विशिष्ट आवडीनिवडी आणि डेटाच्या आधारे उत्तरे तयार करणे. हे या प्रश्नाचे उत्तर देते: ही व्यक्ती कोण आहे?
हे केवळ अभिवादनामध्ये नाव टाकण्यापुरते मर्यादित नाही. याचा अर्थ असा की, सिस्टमला स्पष्ट प्रोफाइल्स किंवा शिकलेल्या पॅटर्नद्वारे हे माहित असावे की वापरकर्त्याला माहिती कशी मिळवणे आवडते. एखादा डेव्हलपर जो सातत्याने Python चे उदाहरण विचारतो, त्याला त्यांच्या क्वेरीमध्ये सामान्य प्रोग्रामिंग टास्कचा उल्लेख असला तरी Python कोड सॅम्पल्स दिसले पाहिजेत, जोपर्यंत ते तसे सांगत नाहीत. गेल्या आठवड्यात शाकाहारी जेवणाच्या रेसिपी विचारणाऱ्या व्यक्तीला मांस वगळण्यासाठी सिस्टमला पुन्हा आठवण करून देण्याची गरज पडू नये. ज्याला गद्य (prose) पेक्षा संक्षिप्त बुलेट पॉइंट्स आवडतात, त्याला बुलेट पॉइंट्स मिळाले पाहिजेत.
ठोस संकेतांमध्ये स्वतःहून कळवलेल्या आवडीनिवडी, मागील सत्रांमधील वर्तन किंवा स्थान आणि डिव्हाइस प्रकार यांसारख्या मेटाडेटाचा समावेश असू शकतो. मुख्य गोष्ट म्हणजे हे संकेत केवळ जनरेशन स्टेजमध्ये नाही, तर रँकिंग स्टेजमध्ये देखील वापरले गेले पाहिजेत. जेव्हा संभाव्य उत्तरांना गुण दिले जातात, तेव्हा रँकरने ज्ञात प्रोफाईलशी सुसंगत असलेल्या उत्तरांना प्राधान्य दिले पाहिजे.
उदाहरणार्थ, जर दोन संभाव्य उत्तरे "मी माझे फोटो बॅकअप कसे घेऊ?" या प्रश्नाचे योग्य उत्तर देत असतील, परंतु एक क्लाउड स्टोरेज सुचवते आणि दुसरे स्थानिक NAS ड्राइव्ह सुचवते, तर रँकरला हे माहित असावे की या विशिष्ट वापरकर्त्याने यापूर्वी ऑफलाइन मालकी आणि गोपनीयतेमध्ये रस व्यक्त केला आहे. अशा वेळी NAS पर्यायाला अधिक गुण मिळाले पाहिजेत. वैयक्तिकीकरणाशिवाय, मॉडेल केवळ अंदाज लावण्याचे काम करते.
इतिहास (History): आतापर्यंत काय सांगितले गेले आहे?
इतिहास म्हणजे पुढील प्रतिसादासाठी संवादातील मागील टप्प्यांचा वापर करणे. हे या प्रश्नाचे उत्तर देते: आपण आतापर्यंत काय ठरवले आहे?
साध्या सर्वनामांसाठी देखील इतिहासाची आवश्यकता असते. जेव्हा वापरकर्ता म्हणतो, "ते निळे करा," तेव्हा मॉडेलला "ते" म्हणजे काय, हे माहित असणे आवश्यक आहे. तो संदर्भ मागील टप्प्यात असतो. लांब संवादांमध्ये, हे अवलंबित्व अधिक गुंतागुंतीचे होते. निकष साचत जातात. वापरकर्ता एखादा पर्याय नाकारू शकतो, विनंतीमध्ये सुधारणा करू शकतो किंवा नवीन ध्येय मांडू शकतो जे...