基于智能体设计的任务模型以问答形式生成解释
人机交互
2022-06-13 v1 人工智能
机器学习
摘要
我们描述一种既以人为中心又基于设计的 AI 智能体解释生成立场。我们通过焦点小组的参与式设计收集关于 AI 智能体运作方式的问题。我们通过任务-方法-知识(Task-Method-Knowledge, TMK)模型来刻画智能体的设计，该模型显式指定智能体的任务与目标，以及其用于完成任务的机制、知识与词汇。我们通过 Skillsync(一个联结企业与院校以实现劳动者技能提升与再培训的 AI 智能体)中的解释生成来说明我们的方法。具体而言，我们在 Skillsync 中嵌入一个名为 AskJill 的问答智能体，其中 AskJill 包含 Skillsync 设计的 TMK 模型。AskJill 目前回答人类生成的关于 Skillsync 任务与词汇的问题，从而帮助解释其如何产生推荐。
引用
@article{arxiv.2206.05030,
title = {Explanation as Question Answering based on a Task Model of the Agent's Design},
author = {Ashok Goel and Harshvardhan Sikka and Vrinda Nandan and Jeonghyun Lee and Matt Lisle and Spencer Rugaber},
journal= {arXiv preprint arXiv:2206.05030},
year = {2022}
}
备注
7 Pages, 10 Figures, IJCAI Explainable AI Workshop