Un sistema de diálogo decide cómo debe responder un sistema dado el estado actual.

La mayoría utiliza un enfoque híbrido (es decir, un conjunto jerárquico de políticas capacitadas para diferentes tipos de conversaciones, por ejemplo, llenado de formularios, respuestas a preguntas, narración de historias, bromas, el clima, las noticias, recomendar restaurantes, películas, música, deportes, etc.) para una diversidad de modos de conversación que podrían mantener.

Arquitectura

Para reducir la carga computacional, un mecanismo de toma de decisiones controla qué política / políticas se utilizan en un momento dado.

Los casos de uso de las políticas generalmente no se superponen; sin embargo, si se activan varias políticas simultáneamente, generalmente existe un método para seleccionar la política ganadora.

Tipos de políticas

Hay varios tipos de políticas, cada una con sus propias fortalezas y debilidades:

• Políticas basadas en reglas
• Políticas basadas en la recuperación
• Políticas generativas
• Políticas basadas en gráficos

Políticas basadas en reglas

Debilidades. Las políticas basadas en reglas son uno de los enfoques más tempranos y fáciles de la IA conversacional (por ejemplo, ELIZA) que involucra una montaña de respuestas y heurísticas cuidadosamente elaboradas a mano. Este enfoque tiene problemas con los diálogos de muchos turnos (las reglas son frágiles y se rompen fácilmente por diálogos inesperados) y requiere mucho tiempo para crear y mantener (las reglas no se escalan bien).

Fortalezas. Aparte de uno o dos Chatbots los sistemas de IA conversacional de hoy en día solo usan políticas basadas en reglas para respaldar otras políticas porque son computacionalmente eficientes y pueden ahorrarle al sistema el gasto de procesar consultas frecuentes o habitualmente. 

Además, crean respuestas de plantilla dinámicas que se pueden personalizar intercambiando el valor de sus espacios.

Políticas basadas en la recuperación

Debilidades. Las políticas basadas en la recuperación adoptan un enfoque orientado a la búsqueda para las conversaciones que asume que los diálogos son una secuencia de consultas de búsqueda (iniciadas por el usuario) y resultados de búsqueda (proporcionados por el sistema).

Naturalmente, este tipo de enfoque favorece los diálogos orientados a tareas como la respuesta a preguntas frecuentes, la respuesta a preguntas de dominio abierto (como encontrar una respuesta exacta en los artículos de Wikipedia a una pregunta formulada) y el comercio electrónico. Sin embargo, ver los diálogos de esta manera conduce a conversaciones que son muy directas, aburridas e impulsadas por el usuario (es decir, el sistema simplemente reacciona a lo que dice el usuario en lugar de iniciar proactivamente ideas y temas para un diálogo más natural y atractivo).

Fortalezas. Las políticas basadas en la recuperación garantizan respuestas de alta calidad que son coherentes y están bien formadas (ya que se recuperan de conversaciones o textos generados por humanos). 

Además, la calidad de las respuestas se puede controlar fácilmente filtrando y curando los datos.

Políticas generativas

Debilidades. Mientras que las políticas basadas en la recuperación garantizan respuestas coherentes, no son más que imitaciones limitadas de la variedad natural que se encuentra en los diálogos entre humanos.

Las políticas generativas, por otro lado, componen oraciones naturales sobre la marcha para una amplia gama de temas (por ejemplo, libros, juegos, vacaciones, películas, música, noticias, deportes, conocimientos generales, etc.) sin necesidad de una base de conocimientos externa.

A pesar de las rápidas mejoras de los modelos generativos, todavía no superan los métodos más confiables basados ​​en la recuperación porque con demasiada frecuencia pronuncian oraciones sin sentido e inconsistentes en la información.

Fortalezas. Aunque las políticas generativas no siempre pueden garantizar respuestas de alta calidad, su solidez y alta cobertura complementan muy bien las políticas basadas en la recuperación.

Por ejemplo, si las conversaciones derivan en temas nuevos o nunca antes vistos y las respuestas recuperadas se vuelven demasiado escasas o irrelevantes, una política generativa impulsaría y crearía respuestas adicionales para su inclusión en el grupo de clasificación y recuperación. 

Políticas basadas en gráficos de conocimiento

Las políticas generativas y de recuperación comparten un problema común: producen diálogos aburridos. Quienes están detrás de Alexa señalan que las políticas basadas en la recuperación producen respuestas sobre el tema, pero no necesariamente interesantes. 

Las políticas generativas son mejores para generalizar a lo invisible, pero aún no son atractivas. Se menciona que la política generativa a menudo genera respuestas bien formadas pero breves y que son un poco aburridas.

Las políticas basadas en gráficos de conocimiento son un enfoque novedoso para complementar políticas generativas y basadas en la recuperación para un discurso más estimulante y atractivo. Las políticas basadas en gráficos brindan a un sistema la capacidad de tomar la iniciativa durante las conversaciones y agregar información de manera proactiva y dirigir una conversación hacia temas nuevos pero relacionados.