自動チャットボットが人間のように会話できない理由

自動チャットボット——それらは何なのか？

私たちは自動チャットボットと愛憎の関係にあります。それらで遊ぶのは好きですが、質問に答えられなかったり、要望を叶えられなかったりするとイライラします。チャットボットを作る人々は、できるだけ人間らしくする挑戦を楽しみますが、それを達成するために数千もの条件分岐を書くのは非常に骨が折れます。

自動チャットボットとのやり取りを人間らしくしたいというこの相互の願望が、自然言語処理（NLP）によるボットの強化を推し進めてきました。チャットボットの裏にある機械学習と、そこから学習する仕組みは、意思決定ツリーのロジックに基づき、所定の入力と出力のシーケンスの交換で構成されています。しかし、自然な会話はそうではありません。

自然な会話のパターンを歪める

自然な会話と同様に、人間と自動チャットボットは順番に話します（メッセージを交換します）。自然な会話では、話されている内容に関わらず、視覚的手がかりや声のトーンがない場合でも、話が重なることに意味があり、ターンの間の沈黙に意味があり、誤解を修復しようとする努力に意味があります。これらのアクションは実際に「ターンを取る」ことの構成要素であり、自然な会話に固有のものです。これらは会話を前進させ、展開に伴いその意図を明らかにするのを助けます。

チャットボットからディベートボットへ？

インタラクションのパターンにおいて、これらのチャットボットは、自然な会話よりも、ディベートにおける事前割り当てられたターンの応酬（Sacks et al., 1974）とより多くの共通点を持っています。自動チャットボットの仕事が「取りに行く」ことだとしたら、「こんにちは」のような社交辞令は必要なのか？ チャットボットを人間らしくすることで、ユーザーの期待管理を誤らせる責任が生じるのか？ それともこれは単なる「笑顔のサービス」なのか？

チャットボットが実はチャットしていないかもしれないという考えは、ほぼ哲学的な問いを投げかけます。なぜボットはこれほど人間らしくなければならないのか、どのような能力でなのか？ チャットボットを自動化するとき、私たちは実際に何を自動化しているのか？

ターンを取る

より正確で関連性の高い応答を提供するため、自動チャットボットはGoogleの会話型検索と同様にNLPを活用しています。これによりより知的な処理が可能になりますが、依然として人間とボットがよく整理されたターンで話す（一度に一つのメッセージ、または一つのよく構築されたマルチスタックを送信する）ことに大きく依存しています。チャットボットも人間もマルチスタックを送れますが、人間のマルチスタックの方がはるかに破壊的です。チャットボットの次の応答を無関係または不適切なものにし、Q&Aのような不適切なペアアクションを生み、ユーザーをフラストレーションさせます。

自然な会話は、整然と順番に生成されるペアアクションで構成されていないため、チャットボットとのやり取りを単発のペア交換のセットとしてではなく、全体として分析し始める必要があります。また、人間がこうした破壊的なマルチスタックを作ったときに、より良く「会話」を聞き取るための介入も必要です。

沈黙の意味

人間とチャットボットのやり取りを管理する一つの方法は、アニメーションです。ローダー、「入力中…」「お待ちください」といった形式のアニメーションは、透明性の管理と会話を前進させるという、ボットとユーザーの双方にメリットをもたらします。会話の中でターンを主張することで、問題となりうる人間のマルチスタックを減らそうとします。

Googleのデザイナー、エイドリアン・ズンブルネン氏が「アニメーションなしに会話はない」と述べたように、これは大部分で真実です。私たちが時間的遅延を肯定または否定の応答と関連付けるのと同様に、ボットが私たちの応答ラグから同じ意味を推測できるでしょうか？ 技術的能力が低いのか、チャットインターフェースを使って考える時間を稼いでいるのかを理解することは、修復の意図を感知する際の興味深い課題です。

ボットは人間でなければならないのか？

Googleは人間のふりをしません。検索語分析を見ると、私たちは非常に人間的な質問を投げかけています。さらに、Googleが無関係な結果を表示したり非マッチを示したりしても、検索語が正しくなかったと自分を責めます。「ググる」ことは会話としてではなく、検索として設定されているため、私たちはより寛容になれます。より人間らしく見える・感じられるボットに共感し、機械的なものに共感しにくいことは、インタラクションにおいて必ずしも不利ではありません。ユーザーの期待を設定するのに役立ちます。

間違ったインターフェース？

自動チャットボットを駆動する意思決定ツリーは、条件制御文のシーケンスで構築されており、アドベンチャーゲームの対話と類似しています。

Netflixから昨年末に配信された『ブラックミラー』最新作『バンダースナッチ』は、自由意志を探る「選択肢による冒険」映画です。Netflixは「状態追跡」を開発し、私たちの選択の軌跡を保存して後で物語に展開できるようにしました。バンダースナッチは250のセグメントで構成される分岐物語で、Twine（インタラクティブフィクション執筆用の意思決定ツリーツール、チャットボットの意思決定ツリー設計にも使用）で書かれました。映画と同様に、チャットボットもアドベンチャーゲームインターフェースの親しみやすさとUI特性を活用できるのではないでしょうか？

現在のチャットボットインターフェースは、画面サイズが限られ、メッセージ長が制限され、通常画面の右下隅に鎮座しています。ICQのような古いメッセンジャーサービスからのUI継承を理解しつつも、なぜ自動チャットボットでフルスクリーン化が進まないのでしょうか？

予測から管理へ

人間と自動チャットボットのやり取りによって自然な会話が歪められることは、NLPの知能にもかかわらず、自動チャットボットとのやり取りが依然として複雑な感情を持って迎えられる理由を説明するかもしれません。UIのアフォーダンスと、自然な会話への参加とは何かという学習済み行動の両方により、沈黙、ターンの重なり、会話修復に意味があります。

自動チャットボットの応答は必ずしも人間的である必要はありません。ただ、非常に人間的な方法で「管理」される必要があるだけです。