2019 Fiscal Year Annual Research Report
Consensus Support based on Multi-agent Automated Negotiation from Dialogs
| Project/Area Number |
19H04216
|
|---|
| Research Institution | Tokyo University of Agriculture and Technology |
|---|
Principal Investigator |
藤田 桂英 東京農工大学, 工学(系)研究科(研究院), 准教授 (00625676)
|
|---|
| Project Period (FY) |
2019-04-01 – 2023-03-31
|
| Keywords | マルチエージェントシステム / 自動交渉 / 自然言語処理 / 合意形成支援 |
|---|
| Outline of Annual Research Achievements |
本研究では、エージェントが人間同士の自然言語による交渉に介入し、適切な合意案をフィードバックする方法論を明らかにする。さらに、人間の交渉参加者同士が自然言語で交渉中に人工知能が交渉参加者の効用を自動的に推定し、合意案を予測しながら、適切にフィードバックするWebシステムの実現を目指す。上記のシナリオの実現のためには、自然言語の交渉ダイアログからの効用推定、合意案の予測、フィードバックに関する学術的観点からの解明とこれらをWebシステムとして実現し、現実問題へ適用するための検証も必要となる。そこで、以下の4つの目的を設定する。
(1) 自然言語交渉ダイアログからの効用推定法を解明 (2) 交渉シミュレーションによる適切な合意案の予測法の解明 (3) 現実の人間同士の交渉を合意へ導くフィードバック法の解明 (4) (1)~(3)を融合したWebシステムの構築と現実問題への適用可能性の検証
まず、自然言語交渉ダイアログからの効用推定のために、交渉における論点数が多い場合や論点間に依存関係がある複雑な交渉ダイアログデータの作成とそれらのデータにおいて高い効用推定可能な手法の開拓を行った。新たに提案した効用推定手法は、深層学習手法を導入することで目標とする精度を達成した。最終的に、現実的な交渉問題設定(論点数が多い、論点間に依存関係が存在)において、新たに提案する手法が、高い精度で交渉参加者の効用を推定できることを明らかにした。
さらに、研究代表者らが行ってきた自動交渉の成果を交渉シミュレーションによる将来の合意案予測に発展させ、現実的なリスポンスタイムでシミュレーションを適切に実行可能で、適切な合意案を発見できることを明らかにした。
また、交渉過程の可視化や複数の合意案候補とその選択理由を示すフィードバック法の検討もおこなった。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
(1) 自然言語交渉ダイアログからの効用推定法の開拓: 交渉における論点数が多い場合や論点間に依存関係がある場合のような複雑な交渉ダイアログデータの作成とそれらのデータにおいて高い効用推定を行うことが可能な手法の提案を行なった。これまで行なってきた自然言語データへのアノテーション手法を活用し、複雑な交渉ダイアログデータの作成を行い、新たに深層学習手法を発展させることで目標とする精度で、ユーザの効用推定を達成できた。実際に、現実的な交渉問題設定(論点数が多い、論点間に依存関係が存在)において、新たに提案する手法が、高い精度で交渉参加者の効用を推定できることを明らかにした。
(2) マルチエージェント自動交渉による交渉シミュレーション法の実現: 研究代表者らが行ってきた自動交渉の成果を交渉シミュレーションによる将来の合意案予測に発展させた。代表者らが行っていたこれまでの自動交渉研究では、推定した効用に不確実性がある場合や予測された効用の信頼度が低い場合などのあいまいな効用を仮定していなかった。そこで、Preference Elicitationに関する研究成果を導入し、現実的なリスポンスタイムでシミュレーションを適切に実施でき、適切な合意案を発見できることを明らかにした。
(3) 現実の人間同士の交渉を合意へ導くフィードバック法の開拓: 人間の交渉は自然言語であることから、まずは、自然言語文による問いかけでフィードバックすること検証した。問いかけ文の自動生成には、End-to-End深層学習による自然言語文生成手法、もしくは、問いかけテンプレート活用した手法に関する検討を行なった。さらに、交渉過程の可視化や複数の合意案候補とその選択理由を示すフィードバックも検討した。
|
| Strategy for Future Research Activity |
今後は、各研究目標に関して、以下のように研究を進めていく。
(1) 自然言語交渉ダイアログからの効用推定法の開拓: 引き続き、交渉における論点数が多い場合や論点間に依存関係がある場合のような複雑な交渉ダイアログデータの作成とそれらのデータにおいてより高い効用推定を行うことが可能な手法の開拓を行う。
(2) マルチエージェント自動交渉による交渉シミュレーション法の実現: 研究代表者らが行ってきた自動交渉の成果を交渉シミュレーションによる将来の合意案予測をさらに発展させ、より複雑な交渉設定でも合意案予測が可能な手法を開拓する。
上記の(1)および(2)に関して、これまで想定していなかった新しい知見を得たため、引き続き研究を進める。さらに、以下の(3)、(4)に関して最終目標の実現のために研究を進める。
(3) 現実の人間同士の交渉を合意へ導くフィードバック法の開拓: 自然言語文による問いかけによる交渉の合意へ導くフィードバック法を検証する。問いかけ文の自動生成には、End-to-End深層学習による自然言語文生成手法、もしくは、問いかけテンプレート活用した手法を用いる。さらに、交渉過程の可視化や複数の合意案候補とその選択理由を示すフィードバックも検討する。最終的に、様々な方法でのフィードバックに対して、現実世界の交渉や合意形成に影響を与えるかを解析し明らかにする。
(4) Webシステム構築と実ドメインへの適用: ユーザがフォームに自然言語で投稿し、交渉を行いながら、適切なタイミングで各機能が動作するシステムを構築する。さらに、実ドメインを一つ決定し、そこで構築したシステムを動作させ、有効性を評価する。実ドメインとして様々な仕様決定のための交渉ダイアログを対象とすることを検討している。
|
