지능형 시스템에서 기존의 수작업 기반의 지식구조 구축은 많은 시간과 노력이 들어가며 환경의 변화에 적절히 적응하기가 어려운 한계가 있다 이러한 한계를 극복하기 위하여 최근 학습을 통한 동적 지식구조 구축방법이 연구되고 있다. 자율 자아 성장(AMD: Autonomous Mental Development)은 자율적 기계 학습의 새로운 패러다임으로 지능형 시스템이 변화하는 환경에 스스로 적응하도록 시도한다 대화형 에이전트에서의 대화 학습은 AMD와 동일한 맥락에서 해석할 수 있다. 본 논문에서는 화행별 템플릿과 유전자 프로그래밍을 이용한 대화형 에이전트의 대화 학습기법을 제안한다. 제안하는 에이전트는 화행별 템플릿을 기반으로 대화 지식을 획득하고 유전자 프로그래밍의 진화 방법을 통해 적절한 표현을 갖는 문장을 생성한다. 적용 사례와 사용자 평가를 통해서 제안하는 방법의 유용성을 확인하였다.
The manual construction of the knowledge-base takes much time and effort, and it is hard to adjust intelligence systems to dynamic and flexible environment. Thus mental development in those systems has been investigated in recent years. Autonomous mental development is a new paradigm for developing autonomous machines, which are adaptive and flexible to the environment. Learning conversation, a kind of mental development, is an important aspect of conversational agents. In this paper, we propose a learning conversation method for conversational agents which uses several promising techniques; speech-act templates and genetic programming. Knowledge acquisition of conversational agents is implemented by finite state machines and templates, and dynamic sentence generation is implemented by genetic programming Several illustrations and usability tests how the usefulness of the proposed method.
