Kan computere skrive produktanmeldelser med et menneskeligt præg?

Kunstige intelligenssystemer kan trænes til at skrive menneskelignende produktanmeldelser, der hjælper forbrugere, marketingfolk og professionelle anmeldere, ifølge en undersøgelse fra Dartmouth College, Dartmouth's Tuck School of Business og Indiana University.

Forskningen, offentliggjort i International Journal of Research in Marketing , identificerer også etiske udfordringer som følge af brugen af ​​det computergenererede indhold.

"Anmeldelsesskrivning er udfordrende for mennesker og computere, delvist på grund af det overvældende antal forskellige produkter," sagde Keith Carlson, en doktorgradsstipendiat ved Tuck School of Business. "Vi ville se, hvordan kunstig intelligens kan bruges til at hjælpe folk, der producerer og bruger disse anmeldelser."

Til forskningen stillede Dartmouth-teamet to udfordringer. Den første var at afgøre, om en maskine kan læres at skrive originale anmeldelser af menneskelig kvalitet ved kun at bruge et lille antal produktfunktioner efter at være blevet trænet i et sæt eksisterende indhold. For det andet satte holdet sig for at se, om maskinlæringsalgoritmer kan bruges til at skrive synteser af anmeldelser af produkter, som der allerede findes mange anmeldelser for.

"Brug af kunstig intelligens til at skrive og syntetisere anmeldelser kan skabe effektivitet på begge sider af markedet," sagde Prasad Vana, assisterende professor i business administration ved Tuck School of Business. "Håbet er, at AI kan være til gavn for anmeldere, der står over for større skriveopgaver, og forbrugere, der skal sortere så meget indhold om produkter."

Forskerne fokuserede på vin- og ølanmeldelser på grund af den omfattende tilgængelighed af materiale til at træne computeralgoritmerne. Opskrivninger af disse produkter indeholder også relativt fokuserede ordforråd, en fordel, når du arbejder med AI-systemer.

For at afgøre, om en maskine kunne skrive nyttige anmeldelser fra bunden, trænede forskerne en algoritme på omkring 180.000 eksisterende vinanmeldelser. Metadata-tags for faktorer som produktoprindelse, druesort, vurdering og pris blev også brugt til at træne maskinlæringssystemet.

Ved sammenligning af de maskingenererede anmeldelser med menneskelige anmeldelser for de samme vine, fandt forskerholdet overensstemmelse mellem de to versioner. Resultaterne forblev konsistente, selvom holdet udfordrede algoritmerne ved at ændre mængden af ​​inputdata, der var tilgængelige som reference.

Det maskinskrevne materiale blev derefter vurderet af ikke-ekspertstudiedeltagere for at teste, om de kunne afgøre, om anmeldelserne var skrevet af mennesker eller en maskine. Ifølge forskningspapiret var deltagerne ikke i stand til at skelne mellem de menneskelige og AI-genererede anmeldelser med nogen statistisk signifikans. Desuden var deres hensigt med at købe en vin ens på tværs af menneske- versus maskingenererede anmeldelser af vinen.

Efter at have fundet ud af, at kunstig intelligens kan skrive troværdige vinanmeldelser, henvendte forskerholdet sig til ølanmeldelser for at bestemme effektiviteten af ​​at bruge AI til at skrive "anmeldelsessynteser." I stedet for at blive trænet i at skrive nye anmeldelser, fik algoritmen til opgave at samle elementer fra eksisterende anmeldelser af det samme produkt. Dette testede AI's evne til at identificere og give begrænset, men relevant information om produkter baseret på en stor mængde forskellige meninger.

"At skrive en original anmeldelse tester computerens udtryksevne baseret på et relativt snævert sæt data. At skrive en synteseanmeldelse er en relateret, men særskilt opgave, hvor systemet forventes at producere en anmeldelse, der fanger nogle af de centrale ideer, der findes i et eksisterende sæt. af anmeldelser for et produkt," sagde Carlson, der udførte forskningen, mens han var ph.d. kandidat i datalogi ved Dartmouth.

For at teste algoritmens evne til at skrive anmeldelsessynteser trænede forskere den på 143.000 eksisterende anmeldelser af over 14.000 øl. Som med vindatasættet blev teksten i hver anmeldelse parret med metadata, herunder produktnavn, alkoholindhold, stil og score givet af de originale anmeldere.

Som med vinanmeldelserne brugte forskningen uafhængige undersøgelsesdeltagere til at bedømme, om de maskinskrevne resuméer fangede og opsummerede meningerne fra adskillige anmeldelser på en nyttig, menneskelignende måde.

Ifølge papiret havde modellen succes med at tage anmeldelser af et produkt som input og generere en syntesegennemgang for det produkt som output.

"Vores modelleringsramme kan være nyttig i enhver situation, hvor detaljerede attributter for et produkt er tilgængelige, og et skriftligt resumé af produktet er påkrævet," sagde Vana. "Det er interessant at forestille sig, hvordan dette kan gavne restauranter, der ikke har råd til sommelierer eller uafhængige sælgere på online platforme, som måske sælger hundredvis af produkter."

Begge udfordringer brugte et deep learning neuralt net baseret på transformerarkitektur til at indtage, behandle og udlæse gennemgangssprog.

Ifølge forskerholdet er computersystemerne ikke beregnet til at erstatte professionelle skribenter og marketingfolk, men derimod at hjælpe dem i deres arbejde. En maskinskrevet anmeldelse kunne for eksempel tjene som et tidsbesparende første udkast til en anmeldelse, som en menneskelig anmelder derefter kunne revidere.

Forskningen kan også hjælpe forbrugerne. Synteseanmeldelser – ligesom dem om øl i undersøgelsen – kan udvides til konstellationen af ​​produkter og tjenester på online markedspladser for at hjælpe folk, der har begrænset tid til at læse mange produktanmeldelser igennem.

Ud over fordelene ved maskinskrevne anmeldelser fremhæver forskerholdet nogle af de etiske udfordringer, der opstår ved at bruge computeralgoritmer til at påvirke menneskelig forbrugeradfærd.

Holdet bemærker, at marketingfolk kunne få bedre accept af maskingenererede anmeldelser ved fejlagtigt at tilskrive dem til mennesker, og holdet slår til lyd for gennemsigtighed, når computergenererede anmeldelser tilbydes.

"Som med anden teknologi, skal vi være forsigtige med, hvordan dette fremskridt bruges," sagde Carlson. "Hvis de bruges ansvarligt, kan AI-genererede anmeldelser både være et produktivitetsværktøj og kan understøtte tilgængeligheden af ​​nyttig forbrugerinformation."