国外研究揭示AI对话缺陷：还不知道何时该插话

图夫茨大学的研究人员发现，大型语言模型在对话中的“插话”方面普遍表现不佳，这限制了它们的对话能力。
人类在对话中通常会避免同时说话，轮流发言和倾听。每个人都会评估许多输入线索，以确定语言学家所谓的“话轮转换点”（TRP），可以理解为插话的合适时机。TRP 在对话中经常出现，许多时候我们会略过一个 TRP，让说话者继续。其他时候，我们会利用 TRP 来轮流发言，分享我们的想法。

长期以来，人们认为对话中的“副语言”信息 —— 语调、单词和短语的延长、停顿和一些视觉线索 —— 是识别 TRP 最重要的信号。然而，图夫茨大学心理学和计算机科学教授 JP de Ruiter 表示，如果去掉单词，只给人们提供韵律 —— 就像你隔着袜子说话时传出的那种言语的旋律和节奏，他们就无法再察觉出合适的 TRP。
人工智能擅长检测内容中的模式，但无法以接近人类的能力检测到合适的 TRP。
原因在于 AI 的训练数据。大型语言模型，包括最先进的 ChatGPT，都是基于互联网上的大量书面内容进行训练的，包括维基百科条目、在线讨论组、公司网站、新闻网站等。
这些数据集中缺少大量转录的口语对话，这些对话是即兴的，使用更简单的词汇和更短的句子，结构也与书面语言不同。AI 不是在对话中“成长”起来的，因此它没有能力以更自然、更人性化的方式建模或参与对话。
研究人员表示，可以通过对大型语言模型进行预训练，使其在更大规模的自然口语语料库上进行训练，从而克服这些限制。然而，收集如此规模的数据来训练今天的 AI 模型仍然是一个重大挑战。与互联网上的书面内容相比，可用的对话录音和转录数量要少得多。