Advertisement

Chatbots und mediengestützte Konversation

  • Ulrike Spierling
  • Johannes Luderschmidt
Chapter

Zusammenfassung

Ein Chatbot ist ein Computer-Programm, das automatische Antworttexte auf Textoder Spracheingaben von Nutzenden erzeugt und damit dem Bereich der „künstlichen Intelligenz“ zugeordnet wird. Menschen kommunizieren einerseits untereinander zunehmend mittels Textnachrichten, andererseits wird auch häufiger gesprochene Sprache zur Mensch-Computer-Interaktion genutzt. Diese Trends weisen auf eine zunehmende Bedeutung von Text- und Sprachinteraktion für die interaktive Mediengestaltung hin. Auch wenn Sprachinteraktion mit Computern eine alte Vision ist, ist deren Gestaltung abhängig von technischen und computerlinguistischen Herausforderungen, für die noch heute in der Informatik keine einfachen Lösungen vorliegen. Sowohl hoher Produktionsaufwand als auch eine schwierige Kontrolle über die Qualität der resultierenden Gespräche sind Hürden für die Mediengestaltung, die realistisch eingeschätzt werden müssen. Der Artikel beschreibt, wie heute mit zwei unterschiedlichen Methoden Chatbots erstellt werden. Die Rolle des Media Management wird diskutiert, und es werden Projekte beschrieben, die mit Studierenden im Studiengang Media Management durchgeführt wurden. Innerhalb der Vertiefung „Interaktive Medien“ kann sich der Thematik grundsätzlich angenähert werden, um die Voraussetzungen für eine spätere Zusammenarbeit in interdisziplinären Teams zu schaffen.

Preview

Unable to display preview. Download preview PDF.

Unable to display preview. Download preview PDF.

Literaturverzeichnis

  1. Abadi, M., Barham, P., Chen, J., Chen, Z., Davis, A., Dean, J., Devin, M., Ghemawat, S., Irving, G., Isard, M. (2016): TensorFlow: A System for Large-Scale Machine Learning. In: OSDI (16): 265-283.Google Scholar
  2. Allen, J.F., Ferguson, G., Miller, B., Ringger, E. (1995): TRAINS as an Embodied Natural Language Dialog System. In: Proceedings of AAAI 1995 Fall Symposium “Embodied Language and Action”, AAAI Technical Report FS-95-0, AAAI (www.aaai.org).
  3. Baron, N. S. (2008): Always on: Language in an online and mobile world. Oxford University Press, New York.Google Scholar
  4. Baron, N. S. (2010): Discourse Structures in Instant Messaging: The Case of Utterance Breaks. Language@Internet (7-4).Google Scholar
  5. Boden, C., Fischer, J., Herbig, K., Spierling, U. (2006): CitizenTalk: Application of Chatbot Infotainment to E-Democracy. In: Technologies for Interactive Digital Storytelling and Entertainment, Proceedings TIDSE 2006, LNCS, Springer Verlag, Berlin, Heidelberg.Google Scholar
  6. Braun, A. (2003): Chatbots in der Kundenkommunikation. Xpert.press, Springer Verlag, Berlin, Heidelberg.Google Scholar
  7. Britz, D. (2016): Deep Learning for Chatbots, Part 1, April 2016. Online Tutorial. In: www.wildml.com/2016/04/deep-learning-for-chatbots-part-1-introduction (Zugriff am 14.03.2018).
  8. Conrad, C. (2018): Datenschutz bei neuen Kommunikationskanälen wie Chatbots und Messenger-Diensten: Der automatisierte Kundenkontakt der Zukunft. Blogbeitrag Februar 2018, Daten-schutz-Nord-Gruppe, DSN Holding. In: www.datenschutz-notizen.de/datenschutz-bei-neuen-kommunikationskanaelen-wie-chatbots-und-messenger-diensten-der-automatisierte-kunden-kontakt-der-zukunft-3520019 (letzter Zugriff am 31.03.2018).
  9. Dahl, G. E., Yu, D., Deng, L., Acero, A. (2012): Context-Dependent Pre-Trained Deep Neural Networks for Large-Vocabulary Speech Recognition. In: IEEE Transactions on audio, speech, and language processing (20-1): 30-42.Google Scholar
  10. Dayhoff, J. E., DeLeo, J. M. (2001): Artificial Neural Networks. In: Cancer (91-S8): 1615-1635.Google Scholar
  11. Drechsler, L., Eying, A., Fries, R., Knaub, A., Wendt, C. (2017): Entwicklung von intelligenten Kurations- /Moderator-Bots für Echtzeitkonversationen in Chatverläufen für die App Poltergeist zur Steigerung der User-Interaktion. Projektdokumentation Projekt II, Studiengang Media Management (BA), Sommersemester 2017, Hochschule RheinMain.Google Scholar
  12. Fellbaum, C. (ed.) (1998): WordNet, an Electronic Lexical Database. MIT Press, Cambridge, MA.Google Scholar
  13. Garland, E. (2017): Poppy is the Internet’s Biggest New Popstar, But Is She Actually Real? In: Noisey UK, https://noisey.vice.com/en_ca/article/d7paaq/poppy-is-the-internets-biggest-new-popstar-but-is-she-actually-real (letzter Zugriff am 22.03.2018).
  14. Glock, F., Junker, A., Kraus, M., Lehrian, C., Schäfer, A., Hoffmann, S., Spierling, U. (2011): “Office Brawl” – A Conversational Storytelling Game and its Creation Process. Demonstration. In: ACE/DIMEA 2011, Lissabon, ACM Digital Library.Google Scholar
  15. Google LLC (2018): TensorFlow. In: www.tensorflow.org (letzter Zugriff am 16.03.2018).
  16. Gordon, A., Hobbs, J. (2017): A Formal Theory of Commonsense Psychology: How People Think People Think. Cambridge University Press, Cambridge, UK.Google Scholar
  17. Green, P., Wei-Haas, L. (1985): The rapid development of user interfaces: Experience with the wizard of Oz method. In: Proceedings of the Human Factors Society Annual Meeting, vol. 29, SAGE Publications, Los Angeles, CA: 470-474.Google Scholar
  18. Harris, R. A. (2005): Voice Interaction Design. Crafting the New Conversational Speech Systems. Morgan Kaufmann Publishers, San Francsico.Google Scholar
  19. Jurafsky, D., Martin, J. (2009): Speech and Language Processing: An Introduction to Natural Language Processing. Prentice-Hall, New York.Google Scholar
  20. Knaub, A. (2018): Zugänglichkeit und Nutzbarkeit verschiedener Chatbottechniken im Media Management – Vergleichende Untersuchung von Umsetzungskonzepten. Bachelor-Thesis Studiengang Media Management (BA), WS 2017/18, Hochschule RheinMain, Wiesbaden.Google Scholar
  21. Koch, P., Oesterreicher, W. (1985): Sprache der Nähe – Sprache der Distanz. Mündlichkeit und Schriftlichkeit im Spannungsfeld von Sprachtheorie und Sprachgeschichte. In: Romanistisches Jahrbuch (Berlin) (36): 15-43.Google Scholar
  22. Langley, P. (2011): The changing science of machine learning. In: Machine Learning (82-3): 275-279.Google Scholar
  23. Lenat, D., Guha, R. V. (1989): Building Large Knowledge-Based Systems: Representation and Inference in the Cyc Project. Addison-Wesley Longman Publishing Co., Inc, Boston.Google Scholar
  24. Lenhart, A., Duggan, M., Perrin, A., Stepler, R., Rainie, L., Parker, K. (2015a): Teens, Social Media & Technology Overview 2015. Pew Research Center Internet & Technology Report, April 2015. In: www.pewinternet.org/2015/04/09/teens-social-media-technology-2015 (letzter Zugriff am 31.03.2018).
  25. Lenhart, A., Smith, A., Anderson, M., Duggan, M., Perrin, A. (2015b): Teens, Technology and Friendships. Pew Research Center, August 2015. In: www.pewinternet.org/2015/08/06/teens-technology-and-friendships (letzter Zugriff am 31.03.2018).
  26. Lin, P., Abney, K., Jenkins, R. (eds.) (2017): Robot Ethics 2.0: From Autonomous Cars to Artificial Intelligence, Oxford University Press.Google Scholar
  27. Luong, M.-T. (2018): Neural Machine Translation (seq2seq) Tutorial. In: https://github.com/tensorflow/nmt (letzter Zugriff am 16.03.2018).
  28. Maes, P. (1994): Agents that Reduce Work and Information Overload. In: Communications of the ACM 37: 30-40.Google Scholar
  29. Mauldin, M. L. (1994): ChatterBots, TinyMuds, and the Turing Test Entering the Loebner Prize Competition. In: Proceedings National Conference on Artificial Intelligence AAAI Press, The MIT Press, Seattle: 16-21.Google Scholar
  30. Mohri, M., Rostamizadeh, A., Talwalkar, A. (2012): Foundations of Machine Learning. MIT Press, Cambridge, MA.Google Scholar
  31. myBlix Software GmbH (2018): Poltergeist Emoji Speed Chat Plattform. In: https://poltergeist.chat (letzter Zugriff am 18.03.2018).
  32. Neff, G., Nagy, P. (2016): Talking to Bots: Symbiotic Agency and the Case of Tay. In: International Journal of Communication (10): 4915–4931.Google Scholar
  33. Norman, D. A. (1988): The Design of Everyday Things. Doubleday, New York.Google Scholar
  34. Öksüz, A., Rusch-Rodosthenous, M. (2018): Auf Durchzug oder ganz Ohr? Datenschutz bei Amazon Echo und Google Home. Verbraucherzentrale NRW e.V., Düsseldorf.Google Scholar
  35. Pandorabots, Inc. (2018): Pandorabots. In: https://pandorabots.com (letzter Zugriff am 16.03.2018).
  36. Price, R. (2016): Microsoft is deleting its AI chatbot’s incredibly racist tweets. In: www.businessinsider.de/microsoft-deletes-racist-genocidal-tweets-from-ai-chatbot-tay-2016-3 (letzter Zugriff am 31.03.2018).
  37. Reddy, T. (2017): The code of ethics for AI and chatbots that every brand should follow. Blog post on IBM’s “Built with Watson”, Oktober 2017. In: www.ibm.com/blogs/watson/2017/10/the-code-of-ethics-for-ai-and-chatbots-that-every-brand-should-follow (letzter Zugriff am 31.03.2018).
  38. Serban, I. V., Sordoni, A., Bengio, Y., Courville, A., Pineau, J. (2016): Building End-To-End Dialogue Systems Using Generative Hierarchical Neural Network Models. In: AAAI’16 Proceedings of the Thirtieth AAAI Conference on Artificial Intelligence, AAAI Press. www.aaai.org: 3776-3783.
  39. Shang, L., Lu, Z., Li, H. (2015): Neural Responding Machine for Short-Text Conversation. In: Association for Computational Linguistics: 1577-1586.Google Scholar
  40. Shneiderman, B., Maes, P. (1997): Direct manipulation vs. interface agents. In: ACM Interactions (4-6): 42-61.Google Scholar
  41. Spierling, U. (2011): Introducing Interactive Story Creators to Conversation Modelling. In: Proceedings of the 8th International Conference on Advances in Computer Entertainment Technology (ACE 2011), Lisbon, Portugal, Article No. 38, ACM Digital Library.Google Scholar
  42. Storrer, A. (2001): Getippte Gespräche oder dialogische Texte? Zur kommunikationstheoretischen Einordnung der Chat-Kommunikation. In: A. Lehr, M. Kammerer, K.-P. Konerding, A. Storrer, C. Thimm, W. Wolski [Hrsg.]: Sprache im Alltag. Beiträge zu neuen Perspektiven in der Linguistik, DeGruyter, Berlin: 439-465.Google Scholar
  43. Swartout, W., Artstein, R., Forbell, E., Foutz, S., Lane, H. C., Lange, B., Morie, J., Noren, D., Rizzo, S., Traum, D. (2013): Virtual humans for learning. In: AI Magazine (34-4): 13-30.Google Scholar
  44. Turing, A. M. (1950): Computing Machinery and Intelligence. In: Mind (59-236): 433-460.Google Scholar
  45. Walker, M. A., Grant, R., Sawyer, J., Lin, G. I., Wardrip-Fruin, N., Buell, M. (2011): Perceived or Not Perceived: Film Character Models for Expressive NLG. In: Proceedings of Interactive Storytelling, ICIDS 2011. Lecture Notes in Computer Science, vol. 7069, Springer Verlag, Berlin, Heidelberg: 109-121.Google Scholar
  46. Wallace, R. S. (2003): The Elements of AIML Style. Alice AI Foundation.Google Scholar
  47. Wallace, R. S. (2009): The Anatomy of A.L.I.C.E. In: Epstein R., Roberts G., Beber G. [Eds.]: Parsing the Turing Test, Springer, Dordrecht: 181-210.Google Scholar
  48. Wartala, R. (2017): Praxiseinstieg Deep Learning: Mit Python, Caffe, TensorFlow und Spark eigene Deep-Learning-Anwendungen erstellen, O’Reilly, Heidelberg.Google Scholar
  49. Weizenbaum, J. (1966): Eliza – a computer program for the study of natural language communication between man and machine. In: Communications of the ACM (9-1): 36-45.Google Scholar
  50. Worswick, S. (2018): Meet Mitsuku. In: https://pandorabots.com/mitsuku (letzter Zugriff am 16.03.-2018).

Copyright information

© Springer Fachmedien Wiesbaden GmbH, ein Teil von Springer Nature 2018

Authors and Affiliations

  1. 1.WiesbadenDeutschland

Personalised recommendations