一个由编码人员和营销人员组成的团队表明，计算机可以像人类一样写作，他们回答了为什么这很重要。鸣谢:Pier Demarten在Unsplash上拍摄的葡萄酒照片。理查德·克拉克/达特茅斯学院插图。根据达特茅斯学院、达特茅斯大学塔克商学院和印第安纳大学的一项研究，人工智能系统可以被训练撰写类似人类的产品评论，以帮助消费者、营销人员和专业评论者。这项发表在《国际营销研究杂志》上的研究还指出了使用计算机生成的内容所带来的伦理挑战。
塔克商学院(Tuck School of Business)的博士研究员基思·卡尔森(Keith Carlson)说:“对人类和计算机来说，撰写综述具有挑战性，部分原因是不同产品的数量太多了。“我们希望看到人工智能如何被用来帮助人们制作和使用这些评论。”
在这项研究中，达特茅斯团队设置了两个挑战。第一个是确定一台机器是否可以在接受一组现有内容的训练后，仅使用少量产品功能来编写原创的、人类质量的评论。其次，该团队开始研究机器学习算法是否可以用来撰写产品评论的综合，因为已经有许多评论了。
塔克商学院(Tuck School of Business)工商管理助理教授普拉萨德·瓦纳(Prasad Vana)表示:“使用人工智能来撰写和合成评论，可以提高市场双方的效率。“希望人工智能可以让面临更大写作工作量的评论者和必须整理如此多产品内容的消费者受益。”
研究人员专注于葡萄酒和啤酒评论，因为训练计算机算法的材料广泛可用。这些产品的评论也以相对集中的词汇为特色，这在与人工智能系统一起工作时是一个优势。
为了确定机器是否可以从头开始编写有用的评论，研究人员在大约180，000条现有的葡萄酒评论上训练了一种算法。产品产地、葡萄品种、评级和价格等因素的元数据标签也用于训练机器学习系统。
当对相同的葡萄酒比较机器生成的评论和人工评论时，研究小组发现两个版本之间存在一致性。即使团队通过改变可供参考的输入数据量来挑战算法，结果仍然保持一致。
然后，非专家研究参与者对机器编写的材料进行评估，以测试他们是否能够确定这些评论是由人类还是机器编写的。根据研究论文，参与者无法区分人工和人工智能生成的评论，具有任何统计意义。此外，他们购买葡萄酒的意图与机器生成的葡萄酒评论相似。
发现人工智能可以撰写可信的葡萄酒评论后，研究小组转向啤酒评论，以确定使用人工智能撰写“评论综合”的有效性。该算法的任务是从同一产品的现有评论中聚合元素，而不是被训练来撰写新的评论。这测试了人工智能在大量不同意见的基础上识别和提供有限但相关的产品信息的能力。
A . I .撰写的一篇样本综述鸣谢:Keith Carlson/ Dartmouth College“撰写原创综述测试计算机基于相对狭窄的一组数据的表达能力。卡尔森在达特茅斯大学攻读计算机科学博士学位时进行了这项研究，他说:“撰写综合评论是一项相关但不同的任务，系统预计会产生一篇评论，其中包含一系列现有产品评论中的一些关键观点。”。
为了测试该算法编写评论综合的能力，研究人员对超过14，000种啤酒的143，000条现有评论进行了训练。与葡萄酒数据集一样，每条评论的文本都配有元数据，包括产品名称、酒精含量、风格和原始评论者给出的分数。
与葡萄酒评论一样，这项研究使用独立的研究参与者来判断机器编写的摘要是否以有用的、类似人类的方式捕捉和总结了大量评论的意见。
根据该论文，该模型成功地将产品的评论作为输入，并生成该产品的综合评论作为输出。
“我们的建模框架在任何情况下都是有用的，只要产品的详细属性可用，并且需要产品的书面总结，”Vana说。“想象一下这将如何惠及那些负担不起侍酒师或在线平台上可能出售数百种产品的独立卖家的餐馆，是一件有趣的事情。”
这两项挑战都使用了基于transformer架构的深度学习神经网络来摄取、处理和输出评论语言。
根据研究小组的说法，计算机系统并不打算取代专业作家和营销人员，而是协助他们的工作。例如，机器编写的评论可以作为节省时间的评论初稿，然后由人类评论者进行修改。
这项研究也可以帮助消费者。综合评论——就像研究中关于啤酒的那些——可以扩展到在线市场上的产品和服务，以帮助那些时间有限的人通读许多产品评论。
除了机器撰写的评论的好处，研究小组还强调了使用计算机算法影响人类消费者行为带来的一些道德挑战。
注意到营销人员可以通过错误地将机器生成的评论归因于人类来更好地接受它们，该团队倡导在提供计算机生成的评论时保持透明。
卡尔森说:“与其他技术一样，我们必须谨慎使用这项技术。”。“如果负责任地使用，人工智能生成的评论既可以是一种生产力工具，也可以支持有用的消费者信息的可用性。”
来源：由phyica.com整理转载自PH，转载请保留出处和链接！
