최근 대화형 인공지능이 사용자에게 보다 넓은 범위의 사실적 지식을 적확하게 전달할 수 있게 되면서 그 사용처가 확대되고 있다. 이에 따라, 다양한 사회적 상호작용에서 발생하는 정보를 처리하는 능력을 갖추는 것 또한 중요해지고 있다.
본 학위 논문에서는 대화형 인공지능으로 하여금 더 나은 사회 인지 기제와 다양한 사회적 상식을 갖추도록 하는 여러가지 방법들을 소개한다. 본론 1부에서는 사회 인지와 화용론에서 착안하여 대화 인공지능의 답변 생성 결과를 개선하는 기법들을 제안한다. 구체적으로, 제 3 장에서는 대화 인공지능의 생성된 답변이 보다 자신의 페르소나에 일관될 수 있도록 Rational Speech Acts 프레임웍에 기반한 새로운 디코딩 방법을 소개한다. 제 4 장에서는 대화에서 상대방의 감정의 원인과 관련된 단어를 약지도학습(weakly supervised learning)으로 파악하는 기법을 제안한다. 그리고 답변 생성 시 그러한 특정 단어에 초점을 맞출 수 있도록 하는 디코딩을 위해 제 3 장의 내용을 보다 발전시킨다.
2부에서는 사회적 상식을 결합한 대화 데이터셋을 구축하는 방법론들을 살펴본다. 제 5 장에서는 기존 대화 데이터셋들이 지닌 긍정성 관련 편향을 분석하고 이를 상쇄하여 대화형 인공지능을 보다 친사회적으로 만들기 위해 사회 규범을 반영한 ProsocialDialog 데이터셋을 소개한다. 제 6 장에서는 사전 훈련된 언어 모델과 상식 지식 그래프(commonsense knowledge graph)를 사용하여 기존 대화 데이터셋의 품질과 규모를 크게 개선하는 SODA 데이터셋을 제안한다. 그리고 이를 학습시킨 대화 모델 COSMO가 기존 대화 모델들에 비해 유의미하게 성능이 뛰어나다는 점을 보인다. 마지막으로, 제 7 장에서는 향후 대화형 인공지능 분야에서 유망한 연구 방향을 다루며 본 학위 논문을 마무리한다.