Können Computer Produktbewertungen mit menschlichem Touch schreiben?

02.05.2022 - USA

Laut einer Studie des Dartmouth College, der Dartmouth's Tuck School of Business und der Indiana University können Systeme mit künstlicher Intelligenz darauf trainiert werden, menschenähnliche Produktbewertungen zu verfassen, die Verbrauchern, Vermarktern und professionellen Bewertern helfen.

Wine photo by Pier Demarten on Unsplash. Illustration by Richard Clark/Dartmouth College.

Ein Team von Programmierern und Marketingfachleuten zeigt, dass Computer wie Menschen schreiben können, und beantwortet, warum das wichtig ist.

Die Studie, die im International Journal of Research in Marketing veröffentlicht wurde, zeigt auch ethische Herausforderungen auf, die durch die Verwendung von computergenerierten Inhalten entstehen.

"Das Verfassen von Rezensionen ist eine Herausforderung für Menschen und Computer, zum Teil wegen der überwältigenden Anzahl unterschiedlicher Produkte", sagte Keith Carlson, Doktorand an der Tuck School of Business. "Wir wollten herausfinden, wie künstliche Intelligenz eingesetzt werden kann, um Menschen zu helfen, die diese Bewertungen erstellen und nutzen.

Für die Forschung stellte sich das Dartmouth-Team zwei Herausforderungen. Erstens sollte festgestellt werden, ob einer Maschine beigebracht werden kann, anhand einer kleinen Anzahl von Produktmerkmalen originelle Bewertungen in menschlicher Qualität zu verfassen, nachdem sie anhand einer Reihe vorhandener Inhalte trainiert wurde. Zweitens wollte das Team herausfinden, ob Algorithmen des maschinellen Lernens verwendet werden können, um Synthesen von Produktrezensionen zu schreiben, für die bereits viele Rezensionen existieren.

"Der Einsatz von künstlicher Intelligenz zum Verfassen und Zusammenfassen von Bewertungen kann auf beiden Seiten des Marktes zu Effizienzsteigerungen führen", so Prasad Vana, Assistenzprofessor für Betriebswirtschaftslehre an der Tuck School of Business. "Die Hoffnung ist, dass KI sowohl den Rezensenten zugute kommt, die ein größeres Schreibpensum zu bewältigen haben, als auch den Verbrauchern, die sich durch eine Vielzahl von Inhalten über Produkte wühlen müssen."

Die Forscher konzentrierten sich auf Wein- und Bierrezensionen , da hier umfangreiches Material zum Trainieren der Computeralgorithmen zur Verfügung steht. Die Rezensionen dieser Produkte weisen außerdem einen relativ konzentrierten Wortschatz auf, was bei der Arbeit mit KI-Systemen von Vorteil ist.

Um herauszufinden, ob eine Maschine von Grund auf nützliche Bewertungen schreiben könnte, trainierten die Forscher einen Algorithmus auf etwa 180.000 vorhandene Weinbewertungen. Metadaten-Tags für Faktoren wie Produktherkunft, Rebsorte, Bewertung und Preis wurden ebenfalls verwendet, um das maschinelle Lernsystem zu trainieren.

Beim Vergleich der maschinell erstellten Bewertungen mit menschlichen Bewertungen für dieselben Weine stellte das Forschungsteam eine Übereinstimmung zwischen den beiden Versionen fest. Die Ergebnisse blieben auch dann konsistent, wenn das Team die Algorithmen durch Änderung der Menge der Eingabedaten, die als Referenz zur Verfügung standen, in Frage stellte.

Das maschinell geschriebene Material wurde dann von nicht fachkundigen Studienteilnehmern bewertet, um zu testen, ob sie feststellen konnten, ob die Bewertungen von Menschen oder von einer Maschine geschrieben wurden. Dem Forschungsbericht zufolge waren die Teilnehmer nicht in der Lage, statistisch signifikant zwischen den von Menschen und der KI erstellten Bewertungen zu unterscheiden. Darüber hinaus war ihre Absicht, einen Wein zu kaufen, bei den von Menschen und Maschinen verfassten Bewertungen des Weins ähnlich.

Nachdem das Forschungsteam festgestellt hatte, dass künstliche Intelligenz glaubwürdige Weinbewertungen verfassen kann, wandte es sich den Bierbewertungen zu, um die Wirksamkeit des Einsatzes von KI beim Verfassen von "Bewertungssynthesen" zu ermitteln. Der Algorithmus wurde nicht darauf trainiert, neue Rezensionen zu verfassen, sondern er sollte Elemente aus bestehenden Rezensionen desselben Produkts zusammenfassen. Auf diese Weise wurde die Fähigkeit der KI getestet, begrenzte, aber relevante Informationen über Produkte auf der Grundlage einer großen Menge unterschiedlicher Meinungen zu erkennen und bereitzustellen.

"Das Verfassen einer Originalbewertung testet die Ausdrucksfähigkeit des Computers auf der Grundlage einer relativ engen Datenmenge. Das Verfassen einer Synthese-Rezension ist eine verwandte, aber eigenständige Aufgabe, bei der das System eine Rezension verfassen soll, die einige der wichtigsten Ideen aus einer bestehenden Reihe von Rezensionen für ein Produkt aufgreift", so Carlson, der die Forschung während seiner Zeit als Doktorand der Informatik in Dartmouth durchführte.

Um die Fähigkeit des Algorithmus zum Verfassen von Rezensionssynthesen zu testen, trainierten die Forscher ihn anhand von 143.000 vorhandenen Rezensionen zu über 14.000 Bieren. Wie beim Weindatensatz wurde der Text jeder Bewertung mit Metadaten wie dem Produktnamen, dem Alkoholgehalt, dem Stil und den von den ursprünglichen Bewertern vergebenen Noten gepaart.

Wie bei den Weinrezensionen wurden auch hier unabhängige Studienteilnehmer eingesetzt, um zu beurteilen, ob die maschinell erstellten Zusammenfassungen die Meinungen zahlreicher Rezensenten auf nützliche, menschenähnliche Weise erfassen und zusammenfassen.

Der Studie zufolge war das Modell erfolgreich, wenn es die Bewertungen eines Produkts als Input nahm und eine zusammenfassende Bewertung für dieses Produkt als Output generierte.

"Unser Modellierungsrahmen könnte in jeder Situation nützlich sein, in der detaillierte Attribute eines Produkts verfügbar sind und eine schriftliche Zusammenfassung des Produkts benötigt wird", so Vana. "Es ist interessant, sich vorzustellen, wie dies Restaurants zugute kommen könnte, die sich keine Sommeliers leisten können, oder unabhängigen Verkäufern auf Online-Plattformen, die möglicherweise Hunderte von Produkten verkaufen."

In beiden Fällen wurde ein neuronales Netz mit tiefem Lernen auf der Grundlage einer Transformator-Architektur verwendet, um die Bewertungssprache aufzunehmen, zu verarbeiten und auszugeben.

Dem Forschungsteam zufolge sollen die Computersysteme professionelle Autoren und Vermarkter nicht ersetzen, sondern sie vielmehr bei ihrer Arbeit unterstützen. Eine maschinell geschriebene Rezension könnte beispielsweise als zeitsparender erster Entwurf einer Rezension dienen, der dann von einem menschlichen Rezensenten überarbeitet werden könnte.

Die Forschung kann auch den Verbrauchern helfen. Synthese-Rezensionen - wie die über Bier in der Studie - können auf die Konstellation von Produkten und Dienstleistungen auf Online-Marktplätzen ausgeweitet werden, um Menschen zu helfen, die nur wenig Zeit haben, viele Produktrezensionen durchzulesen.

Neben den Vorteilen maschinell verfasster Bewertungen weist das Forschungsteam auch auf einige ethische Herausforderungen hin, die sich aus dem Einsatz von Computeralgorithmen zur Beeinflussung des menschlichen Verbraucherverhaltens ergeben.

Das Team stellt fest, dass Vermarkter die Akzeptanz maschinell erstellter Bewertungen erhöhen könnten, indem sie diese fälschlicherweise Menschen zuschreiben, und plädiert für Transparenz, wenn computergenerierte Bewertungen angeboten werden.

"Wie bei jeder anderen Technologie auch, müssen wir vorsichtig sein, wie dieser Fortschritt eingesetzt wird", so Carlson. "Wenn sie verantwortungsvoll eingesetzt werden, können KI-generierte Bewertungen sowohl ein Produktivitätswerkzeug sein als auch die Verfügbarkeit nützlicher Verbraucherinformationen unterstützen."

Zu den Forschern, die an der Studie mitgewirkt haben, gehören Praveen Kopalle von der Tuck School of Business in Dartmouth, Allen Riddell von der Indiana University und Daniel Rockmore vom Dartmouth College.

Hinweis: Dieser Artikel wurde mit einem Computersystem ohne menschlichen Eingriff übersetzt. LUMITOS bietet diese automatischen Übersetzungen an, um eine größere Bandbreite an aktuellen Nachrichten zu präsentieren. Da dieser Artikel mit automatischer Übersetzung übersetzt wurde, ist es möglich, dass er Fehler im Vokabular, in der Syntax oder in der Grammatik enthält. Den ursprünglichen Artikel in Englisch finden Sie hier.

Weitere News aus dem Ressort Wissenschaft

Meistgelesene News

Weitere News von unseren anderen Portalen

Alle FT-IR-Spektrometer Hersteller

Verwandte Inhalte finden Sie in den Themenwelten

Themenwelt Künstliche Intelligenz (KI) für Lebensmittel und Getränke

Künstliche Intelligenz (KI) optimiert die Lebensmittel- und Getränkeindustrie durch automatisierte Qualitätskontrollen und präzisere Nachfrageprognosen. Besonders in der Produktentwicklung spielt KI eine wichtige Rolle, indem sie Geschmacksvorlieben und Markttrends analysiert. Dadurch können neue Produkte entwickelt werden, die besser auf die Bedürfnisse der Verbraucher abgestimmt sind, was die Effizienz und Kundenzufriedenheit steigert.

Themenwelt anzeigen
Themenwelt Künstliche Intelligenz (KI) für Lebensmittel und Getränke

Themenwelt Künstliche Intelligenz (KI) für Lebensmittel und Getränke

Künstliche Intelligenz (KI) optimiert die Lebensmittel- und Getränkeindustrie durch automatisierte Qualitätskontrollen und präzisere Nachfrageprognosen. Besonders in der Produktentwicklung spielt KI eine wichtige Rolle, indem sie Geschmacksvorlieben und Markttrends analysiert. Dadurch können neue Produkte entwickelt werden, die besser auf die Bedürfnisse der Verbraucher abgestimmt sind, was die Effizienz und Kundenzufriedenheit steigert.