Rocketbots CEO und Vorsitzender der AI Society of Hong Kong, Gerardo Salandra, sprach auf der World AI Show in Singapur zum Thema "Warum Chatbots scheitern" zu einem interessierten Publikum.
Rocketbots, gegründet von Salandra, begann als Chatbot-Agentur in Hongkong, die sich nun in eine KI-gestützte Helpdesk-Plattform verwandelt hat. Die Anfänge von Rocketbots als Agentur haben viele Einblicke in die Chatbot-Branche gewährt, vor allem in die Fehler von Chatbots und deren technologische Ursachen sowie die Auswirkungen auf die Wahrnehmung von KI durch Unternehmen. Der erste Punkt, den Gerardo anspricht, sind die Schmerzen von Chatbots, ihre ständigen Misserfolge. Es ist so gut wie sicher, dass jede Interaktion zwischen Bot und Mensch irgendwann einmal scheitert, und das ist bei der Entwicklung von KI auf Retrieval-Basis immer noch die Regel. Retrieval-basierte KI ist kaum KI, sagt Salandra, denn sie verwendet einfache Entscheidungsbäume, um Konversationen zu erstellen, und nutzt die Geschwindigkeit eines Computers, um ihn als intelligent erscheinen zu lassen. Das Lernen bei abrufbasierter KI beruht auf Dateneingabe und maschinellem Lernen, um einen unvollkommenen Entscheidungsbaum zu perfektionieren. Schlechtes Training, mangelhafte Daten, ungeplante Konversationsstränge und koloquiale menschliche Sprache sind die Hauptgründe für das Scheitern eines Chatbots.
Unternehmen haben große Summen in den Einsatz von Chatbots investiert, vor allem wenn es um Kundeninteraktionen geht, um die Kosten für den Kundensupport zu senken. Die Misserfolge von Chatbots haben jedoch einen schlechten Beigeschmack bei den Kunden hinterlassen, und damit auch bei den Unternehmen, die Zeit und Geld in eine kaum effektive Lösung investiert haben. Diese Einsicht hat Rocketbots dazu veranlasst, auf eine Kundenkommunikationsplattform SaaS umzusteigen und eine neue KI-Methode, die Neural Networked AI, einzusetzen. Neuronale Netze lernen wie Menschen, positiver Input verstärkt die Entscheidungen, und negativer Input verhindert, dass sie falsche Entscheidungen treffen. Ein solches Modell löst in der Tat einen Großteil der Probleme, die zum Scheitern von Chatbots auf Retrieval-Basis führen, aber es hat auch seine eigenen Fehler.
Ein Beispiel, das Salandra anführt, ist das Scheitern von Microsofts KI Tay, die in einer öffentlichen Demonstration aus den Interaktionen in den sozialen Medien lernte. Tay hatte aus allen ihm zur Verfügung gestellten Daten gelernt, was leider in einer KI endete, die Meinungen und Aussagen hatte, die beleidigend, rassistisch und mit Schimpfwörtern gespickt waren. Auch wenn sich diese Lernmethode als effektiv erwiesen hat, zeigt sie doch, dass neuronale Netze wie ein kleines Kind richtig erzogen werden müssen, damit sie lernen, was das Beste ist. Es wird eine Frage der Zeit sein, bis KI für Interaktionen zwischen Menschen und Robotern vollständig automatisiert werden kann, aber mit effektiver Pflege und Zielsetzung gibt es Grund zu der Annahme, dass Unterhaltungen bis zu einem gewissen Grad automatisiert werden könnten.
