Los agentes generativos parecidos a los humanos se utilizan comúnmente en chatbots y asistentes virtuales para proporcionar interacciones naturales y atractivas con el usuario. Pueden comprender y responder las consultas de los usuarios, participar en conversaciones y realizar tareas como responder preguntas y hacer recomendaciones. Estos agentes suelen construirse utilizando técnicas de procesamiento del lenguaje natural (PNL) y modelos de aprendizaje automático, como GPT-3, para producir respuestas coherentes y contextualmente relevantes. Pueden crear historias, diálogos y personajes interactivos en videojuegos o mundos virtuales, mejorando la experiencia de juego.
Los agentes generativos similares a los humanos pueden ayudar a los escritores y creativos a generar ideas, generar tramas o incluso componer poesía o música. Sin embargo, este proceso es diferente de cómo los humanos piensan plenamente. Los humanos suelen tender a adaptar constantemente los cambios de sus planes de acuerdo con los cambios en el entorno físico. Investigadores de la Universidad de Washington y la Universidad de Hong Kong proponen agentes humanoides que guían a los agentes generativos para que se comporten más como humanos mediante la introducción de diferentes elementos.
Inspirándose en la psicología de los humanos, los investigadores han propuesto un mecanismo de dos sistemas: el sistema 1 se encarga del proceso de pensamiento intuitivo y sin esfuerzo y el sistema 2 se encarga del proceso lógico del pensamiento. Para influir en el comportamiento de estos agentes, introdujeron aspectos como las necesidades básicas, las emociones y la cercanía de su relación social con otros agentes.
Los agentes diseñados necesitan interactuar con otros y, al fallar, recibirán una retroalimentación negativa que incluye soledad, enfermedad y cansancio.
La hipótesis del cerebro social propone que gran parte de nuestra capacidad cognitiva ha evolucionado para rastrear la calidad de las relaciones sociales. Las personas suelen interactuar con otras para adaptarse a los cambios. Para imitar este comportamiento, empoderan a agentes humanoides para que ajusten sus conversaciones en función de lo cerca que estén unos de otros. Sus agentes los visualizan usando una interfaz de juego Unity WebGL y presentan los estados de los agentes estimulados a lo largo del tiempo usando un panel de análisis interactivo.
Crearon un entorno de juego HTML sandbox utilizando el motor de juego Unity WebGL para visualizar agentes humanoides en su mundo. Los usuarios pueden seleccionar uno de los tres mundos para ver el estado y la ubicación del agente en cada paso. Su interfaz de juego ingiere archivos estructurados en JSON de los mundos simulados y los transforma en animaciones. Construyeron Plotly Dash para visualizar el estado de varios agentes humanoides a lo largo del tiempo.
Actualmente, sus sistemas admiten diálogos entre solo dos agentes, con el objetivo de ayudar a las conversaciones entre múltiples partes. Como los agentes trabajan con una simulación que no refleja perfectamente el comportamiento humano en el mundo real, se debe informar a los usuarios de que están trabajando con una simulación. A pesar de sus capacidades, es esencial considerar preocupaciones éticas y de privacidad al utilizar agentes generativos similares a los humanos, como la posibilidad de difundir información errónea, sesgos en los datos de capacitación y el uso y monitoreo responsables.
Revisar la Papel y GitHub. Todo el crédito por esta investigación va a los investigadores de este proyecto. Además, no olvides unirte. nuestro SubReddit de 32k+ ML, Comunidad de Facebook de más de 40.000 personas, Canal de discordia, y Boletín electrónicodonde compartimos las últimas noticias sobre investigaciones de IA, interesantes proyectos de IA y más.
Si te gusta nuestro trabajo, te encantará nuestra newsletter.
También estamos en WhatsApp. Únase a nuestro canal de IA en Whatsapp.
Arshad es pasante en MarktechPost. Actualmente cursa su carrera internacional. Maestría en Física del Instituto Indio de Tecnología Kharagpur. Comprender las cosas hasta el nivel fundamental conduce a nuevos descubrimientos que conducen al avance de la tecnología. Le apasiona comprender la naturaleza fundamentalmente con la ayuda de herramientas como modelos matemáticos, modelos de aprendizaje automático e inteligencia artificial.