ミクシィ/AI・ロボット事業部の取り組み

Slide 1

Slide 1 text

ミクシィでの取り組み紹介 2019/07/03 株式会社ミクシィ AI・ロボット事業部 Kentaro Nakanishi

Slide 2

Slide 2 text

自己紹介 Kentaro Nakanishi @cﬁken ミクシィ: AI・ロボット事業部昨年4月まで iOS エンジニア (マッチングアプリ Poiboy) 今は AI 関連新規事業最近は nlpaper と Kaggle とゲームを両立させたい

Slide 3

Slide 3 text

ミクシィグループ ● XFLAG ○ モンスト ○ ファイトリーグ ● みてね ● SNS mixi ● minimo ● スマートヘルス ● ...

Slide 4

Slide 4 text

ミクシィグループでの機械学習に関する取り組み ● XFLAG でのゲームAI (強化学習など) ○ https://speakerdeck.com/mixi_engineers/machine-learning-in-fight-league ● みてねでの画像/動画処理 ○ https://mixi.connpass.com/event/115664/ ● mixi での不適切コンテンツ検出 ○ https://medium.com/mixi-developers/mixi-20190110-d1cde81cf37c ● その他いろいろ

Slide 5

Slide 5 text

AI・ロボット事業部??

Slide 6

Slide 6 text

AI・ロボット事業部での取り組み ● 雑談対話ロボットの制作 ● 特に対話部分にフォーカス ● ハードも作ります ● 新規事業としてやっているのでプロダクトについてはあんまり話せません

Slide 7

Slide 7 text

AI・ロボット事業部での取り組み ● PO 合わせて 12人のチームで開発 ● エンジニア: 7人 ○ 1人はまだ Deep ヒヨコ (私) ○ 1人は Deep 系スーパーマン (私目線) ● 日本語対話データも自社で収集 ○ 100万オーダーのターン

Slide 8

Slide 8 text

We are hiring!!!!!!!!

Slide 9

Slide 9 text

AI・ロボット事業部での取り組み ● 対話モデル変遷の紹介 ● 今後の課題 10分しかないのでサササッと

Slide 10

Slide 10 text

対話モデル変遷の紹介

Slide 11

Slide 11 text

対話モデル変遷 ● Seq2Seq + Attention ● HRED / VHRED ● Transformer ● Alphabot ● Policy Network (Transformer) on BERT ● Policy Network XL ● ???

Slide 12

Slide 12 text

Seq2Seq + Attention 割愛

Slide 13

Slide 13 text

HRED / VHRED ● 対話として一問一答では成立しないため、過去の N回の対話履歴を元に返答を行いたい ● HRED (Hierarchical Recurrent Encoder Decoder) ○ A. Sordoni et al., 2015 ● 長いコンテキストを入力可能に

Slide 14

Slide 14 text

HRED / VHRED ● 学習が難しい: 過学習しがち, 学習時間がかなりかかる ● VHRED は誰も学習が成功しなかった...

Slide 15

Slide 15 text

Transformer ● RNN は学習に時間がかかる/難しい ● Attention is All You Need ○ A. Vaswani et al., 2017 ● 実用レベルだったので RNN から乗り換え ● RNN と比べて圧倒的に学習が早い ○ PDCA 高速化 / GPUコスト減 ● 会話精度も体感的には向上

Slide 16

Slide 16 text

Transformer (Hierarchical) ● 対話モデルでは HRED のように Hierarchical に設計

Slide 17

Slide 17 text

Alphabot ● もっと先を見据えて良い方向へ持っていく対話をしたい ● AlphaGo の枠組みをヒントに設計 ○ N ターン先まで見て良さそうな返答を選ぶ ● Policy, Reward, Alpha の3つのネットワークからなる ○ Policy: 返答を生成 ○ Reward: 返答を評価 ○ Alpha: どの発言が将来的に良い報酬となるかを近似

Slide 18

Slide 18 text

Alphabot Policy と Reward をトレーニングデータから学習 Policy: 発話を生成 Reward: 発話を評価 bot 同士で対話させ、 MCTS で対話を探索/評価

Slide 19

Slide 19 text

Alphabot MCTS の探索は時間がかかるので推論時は厳しい Alpha で MCTS の結果を近似するようなモデルを学習推論的には Policy + Alpha で出力を生成 & 決める

Slide 20

Slide 20 text

Policy Network (Transformer) on BERT ● Alphabot の枠組みは良いが、まだまだ Policy が弱い ● データ数が多くないため名詞などの知識理解が弱点 ● BERT を用いることで改善

Slide 21

Slide 21 text

Policy Network XL ● モデルが過去 N 発話分しか見ることができない ○ コンテキスト理解に限界 ○ 内容のない対話が続くと何の話か分からなくなる ● Transformer の Encoder への入力の一部を Memory Module として、対話の中で更新・保存する ● Transformer-XL から着想

Slide 22

Slide 22 text

Policy Network XL ● N (=3) 発話以前の文脈も取得可能に ● Hierarchical 構造がなくなりシンプルに ● 何を記憶するかも一緒に学習

Slide 23

Slide 23 text

その他: with Condition ● Condition として外部状況を取り込めるようなモデルをいろいろ実験中 ○ どこで入れるか (decoder, encoder, ...) ○ どのように入れるか (binary, embedding, ...) ○ 何を入れるか (ユーザ情報, 天気, 友人情報, ...)

Slide 24

Slide 24 text

??? ● 他にも色々なモデルで試行錯誤 ● 外部情報 (ユーザ情報, 今日の天気, 季節, ...) の活用 ● GAN など生成モデルアプローチも実験 ● ターン制でない対話 ● Encoder-Decoder でない枠組み㊙も試し中 ● 興味がある方は懇親会で

Slide 25

Slide 25 text

今後の課題

Slide 26

Slide 26 text

今後の課題 ● まだ課題だらけ ○ 返答生成のクオリティ ○ モデルの評価 ○ 記憶 ○ レスポンスタイム ○ 多様性 ○ 企画意図の実現 ● 興味がある方は(略)