TUGAS IMK (Persona)
TUGAS IMK (Persona)
Disusun Oleh :
I. Pengantar
Chatterbots dapat memfasilitasi proses interaksi manusia dan komputer dan
juga dapat mencari, memeriksa dan mempengaruhi perilaku user. Baru-baru ini studi
telah menunjukkan pentingnya personality untuk meningkatkan kinerja sistem
komputer. Oleh karena itu, pembangunan chatterbots yang menarik mampu
menegaskan personality selama interaksi dengan pengguna. Karya ini menyajikan
Persona-AIML, sebuah arsitektur untuk penciptaan chatterbots dengan personality
dalam AIML (Artificial Intelligence Markup Language). Ini adalah arsitektur yang
fleksibel memungkinkan penggunaan berbagai model personality dlm konstruksi
pembangunan chatterbots. Awal percobaan dinyatakan memuaskan dan sangat
mendorong hasil apa masalah koherensi dari chatterbot dari perilaku mengenai
sebelum personality ditetapkan.
II. Models dari Personality
Model Komputasional dari personality pada umumnya diadaptasi dari
beberapa teori dan model atau Psikologi model. Teori dan model yang digunakan
dalam pengembangan model komputasional dari personality: Theory of Traits, the
Five Factors Model, Theory of Social Learning, and the OCC Model. Membangun
teori dasar ini, beberapa model personality untuk intelligent agent telah diusulkan.
Model ini memiliki penyajian hasil memuaskan, masing-masing dikembangkan untuk
aplikasi tertentu.
Di antara chatterbots dianalisis dengan personality, dimana personality
tertanam dalam dialog dari pola. Meskipun banyak kemajuan beberapa kawasan,
chatterbots modern masih memiliki fitur personality yang hardcore. Mereka tidak
menawarkan komponen yang fleksibel dalam penciptaan personality model.
III. The Persona-AIML Architecture
Mengingat drawbacks solusi yang ada, Persona-AIML dianggap memiliki
empat komponen (Gambar 1): Kategori Base, Personality Komponen, Dialog Log,
dan Komponen reasoning.
Gambar 1– Persona-AIML Architecture
Kategori Base berisi kategori AIML (input-output pola). Komponen
Personality mendefinisikan keyakinan, unsur elemen personality, dan aturan-aturan
yang menentukan perilaku chatterbot. Dialog Log register meregistrasi komunikasi
dengan pengguna, sehingga konteks dapat dilacak. Komponen reasoning
mengidentifikasi user kategori (berdasarkan Kategori Base), verifikasi atas aturan
dalam Komponen Personality, dan kemudian menentukan respon kepada pengguna.
Dalam arsitektur ini, mungkin menjelaskan elemen unsur-unsur berikut:
attitudes, emotions, mood, physical state dan traits. Personality ini adalah elemen
yang dipilih berdasarkan studi sebelumnya (bagian 2). Namun, berbeda dengan model
investigated, maka unsur-unsur dalam arsitektur hadir dengan karakteristik sebagai
berikut: (1) peraturan atau rules yang terkait dapat langsung ke unsur-unsur element
personality, sehingga memfasilitasi pembangunan dan pemeliharaan chatterbot dari
rules base, (2) intensitas dari masing-masing elemen dapat didefinisikan oleh sebuah
ekspression termasuk unsur lainnya, dan (3) aturan khusus untuk attitudes dan
emotions dapat dibangun untuk user tertentu atau sekelompok user (misalnya, guru
dalam lingkungan pembelajaran jarak jauh).
IV. Percobaan dan Hasil
Untuk memvalidasi Persona-AIML, diterapkan prototipe dengan kategori
dasar dalam Bahasa Portugis. Mengadaptasi Big Five model, berdasarkan Theory of
Traits. Chatterbot berjalan di lingkungan IRC (Internet Relay Chat) dan di Web
selama satu minggu, dan telah diakses oleh (sekitar) 80 pengguna. Mereka
memverifikasi perilaku dari chatterbot berikut: (1) hanya pencarian
Internet untuk answering pengguna; (2) hanya jawaban pertanyaan pribadi dalam
kasus ia gembira. Dengan mempertimbangkan perilaku ini, maka unsur-unsur berikut
ini telah ditentukan: seperti untuk (sikap), kebahagiaan (mood) dan tingkat sosialisasi
(the trait).
Gambar 2 menyajikan segmen dialog dengan implementasi prototipe. Bot yang
mulai dialog dengan sikap elemen ditetapkan 'seperti' pengguna. Di segmen dialog ini,
pengguna menyerang robot (baris 3), memicu sebuah rules memodifikasi sikap elemen
chatterbot benci kepada pengguna. Rules kedua mendefinisikan aturan bahwa tidak akan
menjawab keraguan pengguna ketika sedang kecewa dengan user (baris 6). Akhirnya, rules
lainnya menetapkan bahwa bot hanya akan seperti pengguna lagi pada case apologizes user,
apa yang terjadi di baris 7.
user What do you know?
bot Well, I could say that it’s you who is teaching me,
[user name]
user Aha so you’re stupid
bot I am upset, and I won’t talk to you again until you apologize
...
user I’d like to know about cars
bot I won’t answer until you apologize
user Ok, I am sorry
bot I accept your apologies
user What do you know about cars?
bot There are some interesting sites about cars, click here
Bab ini menjelaskan personas dikembangkan dari profil orang dan wawancara
informal dengan staf setiap sistem. Pekerjaan struktur administrasi untuk pengiriman
di University of Auckland telah dianalisa dan diskusi informal dilakukan dengan user
dari berbagai departemen. Tanggapan pengguna pada tugas-tugas yang dilakukan dan
bagaimana mereka masing-masing sistem yang digunakan adalah dasar untuk
pembangunan dan personas tugas-tugas yang terkait. Blueprint untuk personas
diadopsi dari Pind (2001).Dan tanggapan dari interviewees tentang apa yang mereka
senangi dengan user later yang kemudian digunakan dalam menilai pengguna dari
keramahan sistem yang ada. Struktur administrasi dapat berbeda untuk setiap kursus.
Hal ini sampai ke setiap departemen atau bahkan dosen. Ini berarti bahwa "tutor"
dapat memiliki pekerjaan yang berbeda.