Systémy umělé inteligence vycvičit k tomu, aby se jejich recenze produktů viditelně nelišily od lidských – alespoň podle studie Dartmouth College, Dartmouth Tuck School of Business a Indiana University lze . Množství typů automaticky generovaných textů je tak může ještě rozšířit. Vedle toho pak umělá inteligence může fungovat i jako podpůrný prostředek pro lidského recenzenta. (Poznámka: míněno ve větší míře, než že automatický systém funguje třeba jako srovnávač cen.)
V první fázi výzkumu vědci na souboru recenzí vyškolili systémy, které pak dokázaly psát recenze pouze na základě malého množství vstupních informací typu technických parametrů. Druhý úkol pak byl jednodušší, použít systémy strojového učení pro vytváření recenzí produktů, k nimž je již k dispozici větší množství recenzí dalších (tedy řekněme sumarizace/rešeršování).
Konkrétně se výzkumníci zaměřili na recenze vína a piva, protože zde měli k dispozici rozsáhlý materiál pro trénování. Navíc mají oba tyto obory specializovaný a ustálený slovník (ve větší míře než třeba u recenzí knih). Použito bylo 180 000 recenzí vín, texty včetně metadat (cena, odrůda/původ, ročník – ať už byly součástí původních textů, dodány ručně nebo jiným automatizovaným nástrojem).
Strojově napsané materiály pak hodnotili dobrovolníci, kteří nebyli odborníky. Měli za úkol zkusit určit, zda recenze napsal člověk, nebo systém AI. S žádnou statistickou významností toho schopni nebyli. Rozdíl nefungoval ani na nějaké podprahové úrovni, např. že by jeden typ textů způsoboval větší ochotu si příslušné víno koupit.
V případě pivních recenzí pak autoři studie zkusili vyvinout systém pro sumarizaci recenzí stávajících. Vyšli ze 170 000 recenzí 14 000 piv, opět s metadaty (obsah alkoholu, pivní styl…). Dobrovolníci pak opět porovnávali syntézy vytvořené člověka a počítačem a ani zde nedokázali objevit rozdíly.
Výzkumníci soudí, že tyto systémy by mohly najít rozsáhlé využití třeba u on-line prodejců, kteří prodávají velké množství produktů, ale často jde přitom o malé firmy. Třeba to bude alespoň v první fázi fungovat jako u automatizovaných překladačů, kdy bude generovaný text ještě dále přepisován člověkem. Požadavkem na testovaný systém je pouze to, aby pro výrobek byly k dispozici určité parametry, technická data.
Konkrétně byly v tomto případě pro strojové učení použity neuronové sítě s architekturou transformátorů.
Samozřejmě spolu s provedeným výzkumem vznikají třeba i otázky, zda by prodejce/vydavatel měl nějak odlišovat, zda recenzi napsal program nebo člověk. Přijímali by lidé recenze vytvořené strojově a takto označené kvůli tomu hůře?
Keith Carlson et al, Complementing human effort in online reviews: A deep learning approach to automatic content generation and review synthesis, International Journal of Research in Marketing (2022). DOI: 10.1016/j.ijresmar.2022.02.004
Zdroj: Dartmouth College / TechXplore.com a další
