Khóa luận tốt nghiệp: Học sâu suốt đời tương tác và ứng dụng vào chatbot

Trong kỷ nguyên số, chatbot đã trở thành một công cụ phổ biến, hỗ trợ đa dạng các hoạt động từ tư vấn đến giải trí. Tuy nhiên, khả năng "thông minh" của chatbot hiện tại còn hạn chế, đặc biệt khi hoạt động trong "thế giới đóng" với cơ sở tri thức cố định. Điều này khiến chúng khó thích nghi và học hỏi những thông tin mới từ tương tác trực tiếp với người dùng, khác với cách con người tiếp thu tri thức liên tục. Nghiên cứu này nhấn mạnh tầm quan trọng của học máy suốt đời (Lifelong Machine Learning) – một phương pháp tiếp cận mô phỏng khả năng học hỏi không ngừng của con người. Mục tiêu là xây dựng hệ thống chatbot có khả năng học hỏi tri thức mới thông qua tương tác (learning-on-the-job), từ đó làm giàu cơ sở tri thức và nâng cao hiệu suất hoạt động trong môi trường thực tế.

Sinh viên, nghiên cứu sinh, giảng viên và các nhà nghiên cứu trong lĩnh vực Trí tuệ nhân tạo, Học máy, Xử lý ngôn ngữ tự nhiên và phát triển Chatbot.

Khóa luận này tập trung giải quyết hạn chế cố hữu của các hệ thống chatbot hiện hành, vốn thường bị giới hạn bởi cơ sở tri thức cố định và thiếu khả năng thích ứng trong môi trường "thế giới mở". Nhận thấy sự cần thiết của việc "học khi làm việc" (learning-on-the-job) thông qua tương tác với người dùng để mở rộng tri thức, nghiên cứu đã phát biểu một bài toán cụ thể về việc thu nhận tri thức mới cho chatbot thông qua đối thoại. Để giải quyết bài toán này, khóa luận đề xuất một mô hình học suốt đời (Lifelong Machine Learning) thông qua tương tác, với trọng tâm là thành phần tạo ra các câu hỏi tương tác để thu thập các dữ kiện hỗ trợ (support facts) từ người dùng. Phương pháp tiếp cận bao gồm việc khảo sát chi tiết hai mô hình học suốt đời qua tương tác nổi bật là LILI và CILK, từ đó đúc kết và áp dụng các kỹ thuật phù hợp. Mô hình được triển khai và thử nghiệm trên hai bộ ngữ liệu phổ biến: Wordnet, với 18 quan hệ và hơn 300 bộ ba dữ kiện, cùng với một phần của Freebase. Kết quả thực nghiệm đã cho thấy hiệu quả đáng kể, đặc biệt là với bộ ngữ liệu Wordnet. Giá trị ứng dụng của nghiên cứu này nằm ở khả năng nâng cao sự "thông minh" và tính linh hoạt của chatbot, giúp chúng có thể tự động cập nhật và mở rộng tri thức liên tục, từ đó cung cấp phản hồi chính xác và toàn diện hơn trong các cuộc trò chuyện. Điều này có hàm ý quan trọng cho sự phát triển của trí tuệ nhân tạo tương tác, hướng tới các hệ thống có khả năng học hỏi và tiến hóa như con người trong thế giới thực.