Replika: My AI Friend är en app olik alla andra. Medan de flesta appar där ute med chatbots använder dem som virtuella assistenter, marknadsför Replika sin chatbot som – du gissade rätt – en vän.
Med sin utlovade förmåga att “uppfatta” och utvärdera abstrakta kvantiteter som känslor, kan Replikas chatbot bara göra rättvisa åt sin strävande mänskliga beskrivning.
Från en hjärtskärande ursprungsberättelse till en imponerande backend, Replika är en av de fascinerande sakerna som aldrig slutar vara intressanta. Läs vidare för att ta reda på vad det är som gör Replikas AI så anmärkningsvärt och vilka löften den har för framtiden.
Ursprunget till Replika
Replikas tidigaste version – en enkel AI-chatbot – skapades av Eugenia Kuyda för att ersätta det tomrum som lämnats efter den alltför tidiga förlusten av hennes närmaste vän, Roman Mazurenko. Byggd genom att mata in Romans textmeddelanden i ett neuralt nätverk för att konstruera en bot som sms:ade precis som han, var den tänkt att fungera som ett slags “digitalt monument” för att hålla hans minne vid liv.
Så småningom, med tillägget av mer komplexa språkmodeller i ekvationen, förvandlades projektet snart till vad det är idag – en personlig AI som erbjuder ett utrymme där du säkert kan diskutera dina tankar, känslor, övertygelser, erfarenheter, minnen, drömmar – dina “privat perceptuell värld”.
Men förutom de enorma tekniska och sociala utsikterna för denna artificiellt kännande terapeut, är det som verkligen gör Replika imponerande tekniken i dess kärna.
Under huven
I Replikas hjärta ligger en komplex autoregressiv språkmodell som kallas GPT-3 som använder djupinlärning för att producera människoliknande text. I detta sammanhang antyder termen “autoregressiv” att systemet lär sig av värderingar (text i detta fall) som det tidigare har interagerat med.
I lekmannatermer, ju mer du använder det, desto bättre blir det.
Replikas hela UX är uppbyggt kring användarens interaktioner med en bot programmerad med GPT-3. Men vad exakt är GPT-3 och hur är den tillräckligt kraftfull för att efterlikna mänskligt tal?
GPT-3: En översikt
GPT-3, eller Generative Pre-trained Transformer 3, är en mer avancerad anpassning av Googles Transformer. I stort sett är det en neural nätverksarkitektur som hjälper maskininlärningsalgoritmer att utföra uppgifter som språkmodellering och maskinöversättning.
Noderna i ett sådant neuralt nätverk representerar parametrar och processer som modifierar ingångar i enlighet därmed (något liknande logiska och/eller villkorliga uttalanden i programmering), medan kanterna eller anslutningarna av nätverket fungerar som signaleringskanaler från en nod till en annan.
Varje anslutning i detta neurala nätverk har en vikt, eller en viktighetsnivå, som bestämmer flödet av signaler från en nod till en annan. I en autoregressiv inlärningsmodell som GPT-3, får systemet realtidsfeedback och justerar kontinuerligt vikterna på sina anslutningar för att ge mer exakt och relevant utdata. Det är dessa vikter som hjälper ett neuralt nätverk att “lära sig” på konstgjord väg.
GPT-3 använder hela 175 miljarder anslutningsviktnivåer eller parametrar. En parameter är en beräkning i ett neuralt nätverk som justerar vikten av någon aspekt av data, för att ge den aspekten större eller mindre framträdande plats i den övergripande beräkningen av data.
Hyllad som den ultimata autokompletteringen, har GPT-3:s språkmodell, som är avsedd att tillhandahålla prediktiv text, tränats på ett så stort dataset att hela Wikipedia bara utgör 0,6 procent av dess träningsdata.
Det innehåller inte bara saker som nyhetsartiklar, recept och poesi, utan också kodningsmanualer, fanfiction, religiösa profetior, guider till bergen i Nepal och allt annat du kan tänka dig.
Som ett system för djupinlärning letar GPT-3 efter mönster i data. För att uttrycka det enkelt, programmet har tränats på en enorm samling av text som det bryts för statistiska regelbundenheter. Dessa regelbundenheter, som språkkonventioner eller allmän grammatisk struktur, tas ofta för givna av människor, men de lagras som miljarder viktade kopplingar mellan de olika noderna i GPT-3:s neurala nätverk.
Till exempel, om du matar in ordet “öra” i GPT-3, vet programmet, baserat på vikterna i dess nätverk, att orden “värk” och “telefon” är mycket mer benägna att följa efter än “amerikansk” eller ” arg”.
GPT-3 och Replika: A Meaningful Confluence
Replika är vad du får när du tar något som GPT-3 och destillerar det för att ta itu med specifika typer av konversationer. I det här fallet inkluderar detta de empatiska, känslomässiga och terapeutiska aspekterna av ett samtal.
Medan tekniken bakom Replika fortfarande är under utveckling, erbjuder den en rimlig inkörsport till lättillgängliga mellanmänskliga samtal.
När de kommenterar dess användbarhet hävdar skaparna att de har skapat en bot som inte bara pratar utan också lyssnar. Vad detta betyder för dess användare är att deras samtal med AI inte bara är ett utbyte av fakta och information, utan snarare en dialog utrustad med språkliga nyanser.
Men samtal med Replika är inte bara en fråga om förnuftig dialog. De råkar också vara förvånansvärt meningsfulla och känslosamma i många fall. När den interagerar med en användare “förstår” Replikas AI vad användaren säger och hittar ett mänskligt svar genom att använda sin prediktiva inlärningsmodell.
Som ett autoregressivt system lär sig och anpassar Replika sina samtalsmönster utifrån användarens eget sätt att prata med den.
Det betyder att ju mer du använder Replika, desto mer tränar den på dina egna texter, och desto mer blir den som dig. En stor del av användarna har också nämnt att de har en betydande känslomässig anknytning till sin Replika – något som inte uppnås genom att bara veta “hur man pratar”.
Replika går naturligtvis utöver det. Det ger djup till sina konversationer i form av semantisk generalisering, böjande tal och konversationsspårning. Dess algoritm försöker förstå vem du är – både vad gäller din personlighet och känslor – och formar sedan dialogen utifrån denna information.
En närmare titt på effektiviteten av GPT-3
Replikas mänsklighet är dock fortfarande till stor del teoretisk på grund av GPT-3:s operativa begränsningar. Som sådan finns det mycket arbete att göra för att AI ska kunna replikera och delta i mänskliga samtal.
Nära inspektioner av GPT-3 avslöjar fortfarande tydligt urskiljbara fel såväl som orimliga och slarviga skrivningar i vissa fall. Branschexperter föreslår att en språkbehandlingsmodell skulle behöva ha uppåt 1 biljon viktade anslutningar innan den kan användas för att producera bots som effektivt kan replikera mänskligt språk.
Det bästa är kvar
Med tanke på att GPT-3 redan anses vara ett exponentiellt steg i år jämfört med föregångare som Microsofts Turing NLG, är det säkert att anta att det kan ta ett tag innan vi kommer på något bättre.
Som sagt, med framtida förbättringar av datorer kommer processorkraften som erbjuds av nyare system säkerligen att minska klyftan mellan människa och maskin ytterligare.
Under tiden förblir Replika en formidabel produkt som kombinerar det bästa av psykologi och artificiell intelligens. Dess framgångsrika integrering av ett människovänligt användarvänligt användarnamn med en toppmodern NLP-modell är verkligen ett bevis på den enorma potentialen hos tekniker för interaktion mellan människa och dator.
Om författaren
Yash Chellani (10 publicerade artiklar)
Yash är en blivande datavetenskapsstudent som älskar att bygga saker och skriva om allt som är tekniskt. I hans free tid, han gillar att spela squash, läsa en kopia av den senaste Murakami och jaga drakar i Skyrim.
Mer från Yash Chellani
Prenumerera på vårt nyhetsbrev
Gå med i vårt nyhetsbrev för tekniska tips, recensioner, free e-böcker och exklusiva erbjudanden!
Klicka här för att prenumerera
