지난 몇 년 동안 AI는 틈새 주제에서 폭발적인 분야로 발전했다. AI는 오디오 및 비디오 품질을 개선하고, 오래 전에 죽은 사람들의 정지 이미지를 애니메이션화하고, 지문채취에서 사용자를 식별할 수 있다. 할 수 없었던 한 가지는? 공식적인 토론의 맥락에서 효과적으로 논쟁하는 것이다.

이 문제를 극복하기 위해 IBM은 정확히 들리는 것에 초점을 맞춘 AI 개발 프로그램인 Project Debater를 만들었다. 많은 AI 프로젝트, 특히 게임에 중점을 둔 프로젝트는 캡처한 조각, 사망한 인명 또는 살인과 죽음의 비율과 같은 수치 기준의 평가를 기반으로 명확한 승자와 패자를 가지고 있다. 인간과의 효과적인 토론에는 매우 다른 기술이 필요하다.

Nature의 최근 논문은 Project Debater와 세계적으로 인정받는 토론 챔피언 Harish Natarajan 간의 2019년 테스트 결과를 설명한다. AI와 개인은 유치원에 보조금을 지급해야 하는지에 대해 토론했다. 추가 인터넷 액세스 없이 각 팀에 15분의 준비 시간이 주어졌으며 Project Debater는 자체 내부 콘텐츠 데이터베이스를 정렬하는 데 사용했다. 양측은 4분간 연설을 하고 2분간의 성명을 발표했다.

궁극적으로 Natarajan은 토론에서 이긴 것으로 판단되었지만 Project Debater는 토론 과정에서 논리적인 발언과 논증을 형성하면서 자체적으로 진행했다.

Project Debater를 개발한 연구자들은 다른 유형의 시스템과 비교할 수 없다. 아무것도 없다. 대신 PD를 사용하여 단일 개회 연설을 생성하고 다양한 다른 방법과 비교했다.

아래 그래프에서 "Summit"은 다중 문서 요약 시스템이고 Speech-GPT2는 "미세 조정된 언어 모델"이며 Arg-GPT2는 인수를 연결하여 생성되었다. Arg-Search는 ArgumenText를 사용하여 추출된 음성을 나타낸다. Arg-Human1 및 Arg-Human2는 인간의 저자 및 검증과 함께 Project Debater의 인수 마이닝 모듈을 테스트 한 하이브리드 접근 방식을 나타낸다. 마지막으로 인간 전문가의 연설이 포함되었다.

위의 그래프는 5점은 "매우 동의함"을 나타내고 1점은 "매우 동의하지 않음"을 의미하는 기준 점수를 보여준다. 독자들은 다음 질문에 답하도록 요청받았다. "이 연설은 이 주제에 대한 좋은 개회 연설이다." 이 그래프는 Project Debater의 능력에 대한 완전한 테스트가 아니다. 이 그래프는 시작 연설만 평가한다. 그러나 시스템이 일관된 주장을 할 수 있음을 보여준다. IBM은 백서, 팟캐스트, 유치원 보조금에 대한 2019년 토론에 대한 링크가 있는 프로젝트 웹 사이트를 보유하고 있다.

누가 논쟁에서 이기는가에 대한 질문은 항상 주관적이며 인간은 여전히 IBM의 프로젝트 토론자를 능가한다.

출처: ExtremeTech.com