Automatisierte Dialoge, sei es mit Chatbots oder digitalen Assistenten wie Siri, Alexa oder Google Home, werden erst durch Systeme für „Conversational Artificial Intelligence (Conversational AI)” möglich. Diese Chatbots und Sprachassistenten werden auf Basis von Texten und Dialogen trainiert, um auf einer Sprache und in einer Zieldomäne kommunizieren zu können. Ein Chatbot kann z. B. lernen, wie er auf Italienisch etwas zu Essen bestellt. Der Transfer dieser Modelle auf andere Domänen und in andere Sprachen erweist sich häufig als schwierig, denn es erfordert weiteres Training mit Daten der entsprechenden Domäne und/oder Sprache.

In realen Anwendungsfällen kommt es jedoch häufig vor, dass Modelle auf kleinen spezifischen Korpora oder, in Extremfällen, ohne verfügbare Dialoge in einer Zielsprache oder -domäne trainiert werden müssen.

Daher evaluieren die Projektpartner Methoden zum Transfer von Conversational-AI-Modellen zu verschiedenen Domänen und Sprachen evaluiert – insbesondere für Szenarien, in denen Trainingsdaten nur begrenzt verfügbar sind.

Das Projekt läuft unter dem Einsatz aktueller Technologien des Natural Language Understandings (NLU), vorranging mittels Repräsentations- und Transferlernen.

Ziel des Projektes ist es außerdem, Entwickler:innen von Sprachmodellen und ihre Anwender:innen über eine gemeinsame Schnittstelle enger zusammenzurücken und dadurch eine schnellere Entwicklung von Dialogsystemen zu ermöglichen. Dies soll über die Entwicklung eines Frameworks zum schnellen und effektiven Bootstrapping von Dialogsystemen auf neuen Sprachen und Domänen geschehen.