19、虚拟现实机器学习中的社交技能训练与推荐系统的“破碎性”

虚拟现实机器学习中的社交技能训练与推荐系统的“破碎性”

虚拟现实中社交技能训练的反思与设计

在虚拟现实环境中进行社交技能训练是一个新兴且具有潜力的领域。以虚拟技能实验室项目为例，它致力于通过与沉浸式VR环境中的对话式AI交互来开发和研究社交技能训练。

在社交互动的虚拟特性反思方面，玩家在与虚拟角色米拉的互动中，如果首次表现不佳，会获得第二次机会。在重新进行对话时，玩家会获得关于米拉以及场景其他情况的额外信息，这促使玩家反思决定和塑造社交互动的各个层面和因素。这种方式并非让玩家机械地学习在特定典型情况下的反应，而是培养学习者反思和评估社交互动的能力，提高其意识水平，并增强在新情况下的反应和互动能力。此外，这种方法在原型制作过程中还能降低开发成本，相比构建具有多个可选场景分支的复杂树状结构，它不需要为米拉预设大量反应。然而，其缺点是自由度和自发性较低，只能通过在元层面上再次体验场景来弥补。

为了在与米拉的首轮言语互动中创造更高的自由度，需要根据VR场景的特定上下文来训练对话式AI组件。文本转语音服务虽然能检测单词，但缺乏场景信息，因此需要添加专门为该场景定制的多层神经网络。这些神经网络需要检测特定上下文的动作，并且需要大量数据样本进行训练，所以要建立一个包含对米拉陈述的可能自发回应的数据库。

具体操作步骤如下：
1. 在学员必须选择预定义答案之前，提供一个完全自由回答的选项，这样既能保证线性故事的推进，又能收集自发回应数据。
2. 当收集到足够的训练数据后，使用监督学习算法处理这些信息，创建一个能够检测更多特定上下文模式的人工神经网络。
3. 即便有了这样的AI，仍可能出现不可预见的回答使AI困惑。此时，米拉需要像人类一样有备用策略，