Gli attuali agenti conversazionali tendono ad essere altamente specializzati: funzionano bene finché non ci si allontana dalla tematica sulla quale vengono "allenati".
Questo, secondo me, è normale e corretto perché lo scopo non quello di coinvolgere l'utente parlando "del più e del meno", ma di fargli ottenere informazioni relative ad un topic.

Tuttavia la ricerca fa evolvere il settore con l'obiettivo di creare un agente non specializzato in grado di affrontare una conversazione.
Tale sviluppo potrebbe, in fase successiva, integrare gli agenti specializzati per renderli più "umani".

I principali difetti degli attuali agenti riguardano risposte in contrasto con affermazioni precedenti, mancanza di cultura generale, risposte non specifiche in base al contesto attivo. Ad esempio, se l'utente afferma "adoro il tennis" e l'agente risponde "è fantastico", tale risposta è generica e potrebbe essere utilizzata in qualunque contesto. Ma se l'agente rispondesse "Anch'io! Non ne ho mai abbastanza di Federer!"? In questo caso la risposta sarebbe contestualizzata, e darebbe un effetto estremamente diverso alla conversazione.

Meena è un modello di conversazione neurale di Google che può condurre conversazioni molto precise.
Ha 2,6 miliardi di parametri ed è allenato con 341 GB di testo, filtrato da conversazioni pubbliche dei social media.
L'obiettivo dell'allenamento è quello di ridurre al minimo la "perplexity", ovvero l'incertezza nel prevedere la parola successiva in una conversazione.

I risultati di Meena relativi alla SSA sono molto vicini a quelli di un umano.
SSA (Sensibleness and Specificity Average) è una metrica di valutazione di questo tipo di modelli che raccoglie gli attributi più importanti per una conversazione umana.



Per approfondire: https://ai.googleblog.com/2020/01/to...-that-can.html