[論文レビュー] Plato Dialogue System: A Flexible Conversational AI Research Platform

Alexandros Papangelis, Mahdi Namazifar+4 more|arXiv (Cornell University)|Jan 17, 2020

Topic Modeling参考文献 31被引用数 15

ひとこと要約

Plato Dialogue System は、任意の Python ベースの学習フレームワークと統合可能な、柔軟でモジュラーな会話型 AI リサーチプラットフォームです。ジョイント学習、エンドツーエンド学習、マルチエージェント学習を含む多様なエージェントアーキテクチャをサポートしており、ASR、LU、DST、DM、TTS の各モジュールを構成可能な YAML 設定と Ludwig などのツールとの統合により、迅速なプロトタイピングと評価が可能です。

ABSTRACT

As the field of Spoken Dialogue Systems and Conversational AI grows, so does the need for tools and environments that abstract away implementation details in order to expedite the development process, lower the barrier of entry to the field, and offer a common test-bed for new ideas. In this paper, we present Plato, a flexible Conversational AI platform written in Python that supports any kind of conversational agent architecture, from standard architectures to architectures with jointly-trained components, single- or multi-party interactions, and offline or online training of any conversational agent component. Plato has been designed to be easy to understand and debug and is agnostic to the underlying learning frameworks that train each component.

研究の動機と目的

• 会話型 AI の研究と実用化を橋渡しする統合的かつ拡張可能なプラットフォームの必要性に対応するため。
• 会話システムの低レベルな実装詳細を抽象化することで、研究者の参入障壁を低減するため。
• ジョイント学習、エンドツーエンドモデル、マルチエージェント相互作用を含む多様なアーキテクチャを、1 つのフレームワーク内でサポートするため。
• 任意の Python ベースの機械学習フレームワーク（例：PyTorch、TensorFlow）および外部 API（例：Google Cloud、Amazon Transcribe）とのシームレスな統合を可能にするため。
• 複数のドメインや相互作用モードにわたり、新しい会話コンポーネントや学習戦略の評価に共通のテストベッドを提供するため。

提案手法

• Plato は、各会話システムモジュール（例：LU、DM、LG）を個別に構成可能かつ合成可能とする、コンポーネント駆動型のモジュラーなアーキテクチャを採用しています。
• システムは、グローバル設定、会話パrameter、エージェントごとの構成（モデルパスやハイパーパramータを含む）を定義する YAML ファイルによって構成されます。
• 各コンポーネントは、深層学習や強化学習で学習されたモデル、ルールベースのシステム、または API コール（例：Google Cloud Speech や Amazon Polly）として実装可能です。
• Plato は 3 つの相互作用モードをサポートしています：人間ユーザーとの単一エージェント、シミュレーテッドユーザーまたはデータ、テキスト、会話アクティビティ、または音声を介したマルチエージェント相互作用、および PySimpleGUI を使用した GUI ベースの相互作用。
• Ludwig との統合により、YAML 設定ファイルでモデルアーキテクチャとデータ入力を定義するだけで、コードレスで深層学習モデルの学習が可能になります。
• プラットフォームは、任意のコンポーネントのオンラインおよびオフライン学習をサポートしており、複数エージェント間で同時にまたはスケジュールされた学習（マルチエージェント強化学習の設定を含む）が可能です。

実験結果

リサーチクエスチョン

• RQ1 会話型 AI プラットフォームは、ジョイント学習やエンドツーエンド学習を含む多様なアーキテクチャをサポートしながら、モジュラーかつ拡張可能であるにはどうすればよいですか？
• RQ2 複数の機械学習フレームワークや外部 API とのシームレスな統合を実現するための設計パターンは何か？ これによりベンダーロックインを回避できます。
• RQ3 統合されたプラットフォームは、研究と実用の両方のユースケースにおいて、完全な会話システムの迅速なプロトタイピングと評価をどのように可能にしますか？
• RQ4 シングルエージェントとマルチエージェントの会話シナリオの両方で、一貫性があり再現可能な実験を実現するための構成パターンは何か？
• RQ5 ルールベースと学習されたコンポーネントを同じパイプライン内でサポートするには、モジュラリティとデバッグ可能性を維持しながらどうすればよいですか？

主な発見

• Plato は、プラグアンドプレイ型のコンポーネントアーキテクチャにより、PyTorch、TensorFlow、Keras を含む任意の Python ベースの学習フレームワークを用いて、会話エージェントのエンドツーエンド学習を可能にします。
• YAML ファイルによる構成により、会話システムコンポーネントのジョイントトレーニングとマルチエージェント相互作用（同時に実行または交互に実行する学習スケジュールを含む）が可能になります。
• Ludwig との統合により、YAML でモデルアーキテクチャとデータ入力を定義するだけで、コードレスで深層学習モデルの学習が可能になり、開発の負荷が著しく低減されます。
• Plato は、人間が関与する会話とシミュレーテッドユーザーの両方の相互作用をサポートしており、会話アクティビティまたは自由入力テキストによる入力が可能で、会話ポリシーとステートトラッカーの包括的評価が可能になります。
• PySimpleGUI を使用して構築された GUI ベースのコントローラーにより、リアルタイムの二エージェント相互作用が可能となり、プロトタイピングやデモンストレーションのための柔軟なインターフェースとして機能します。
• Plato のモジュラーかつフレームワークに依存しない設計により、研究者は個々のコンポーネントを独立して開発・テスト・デバッグでき、同時に完全なシステム統合を維持できます。