提问者心智中的回答者：面向目标导向视觉对话的信息论方法
计算机视觉与模式识别
2018-11-29 v3 人工智能
计算与语言
机器学习
摘要
目标导向对话因其在人工智能中的众多应用而受到关注。当提问者提出以行动为导向的问题、而回答者以让提问者知晓正确行动意图作出回应时，便发生了目标导向对话任务。为了提出恰当的问题，深度学习和强化学习近来已被应用。然而，由于学习一系列句子的复杂性，这些方法难以找到一个胜任的循环神经网络提问者。受心智理论启发，我们提出“提问者心智中的回答者”（AQM），一种新颖的面向目标导向对话的信息论算法。借助 AQM，提问者基于近似的回答者概率模型进行提问与推断。提问者通过显式计算候选意图及对每个问题的可能答案的信息增益，选出合理问题，从而弄清回答者的意图。我们在两个目标导向视觉对话任务上测试了我们的框架：“MNIST 计数对话”和“GuessWhat?!”。在实验中，AQM 大幅优于对比算法。
引用
@article{arxiv.1802.03881,
title = {Answerer in Questioner's Mind: Information Theoretic Approach to Goal-Oriented Visual Dialog},
author = {Sang-Woo Lee and Yu-Jung Heo and Byoung-Tak Zhang},
journal= {arXiv preprint arXiv:1802.03881},
year = {2018}
}
备注
Selected for a spotlight presentation at NIPS, 2018. Camera ready version