科技改變生活 · 科技引領(lǐng)未來(lái)
科技改變生活 · 科技引領(lǐng)未來(lái)
編輯導(dǎo)語(yǔ)：隨著科技的進(jìn)步和普及，AI 產(chǎn)品逐漸走進(jìn)了大眾的視野，從手機(jī)語(yǔ)音助手到各類(lèi)智能音箱，AI 技術(shù)不僅方便了我們的生活，還逐漸改變了我們的習(xí)慣。本文作者在做了20+個(gè)AI多輪對(duì)話項(xiàng)目后，為我們總結(jié)了這篇文章。
在AI走進(jìn)大眾視野的這幾年，我們或多或少的都會(huì)接觸到一些AI的產(chǎn)品，你去咨詢天貓客服，一開(kāi)始肯定是個(gè)機(jī)器人接待你的；你接到一個(gè)電話問(wèn)你是否需要買(mǎi)保險(xiǎn)、辦信用卡或貸款，可能對(duì)方就是一個(gè)機(jī)器人；當(dāng)然最常見(jiàn)的就是智能音箱。
以天貓精靈為例：
看起來(lái)很不錯(cuò)的樣子，但是如果用戶接著說(shuō)“幫我換成新褲子的《沒(méi)有理想的人不悲傷》”。
不好意思，這時(shí)天貓精靈是不會(huì)響應(yīng)你的。因?yàn)樘熵埦`在上一輪回復(fù)完用戶的話之后，就結(jié)束了對(duì)話。想要再次跟她對(duì)話，必須喊“天貓精靈”再次喚醒后，才能繼續(xù)對(duì)話。
以上這種每次只能進(jìn)行一輪對(duì)話的模式，我們稱之為“單輪對(duì)話”。其實(shí)目前大多數(shù)機(jī)器人都是單輪對(duì)話的模式。比如說(shuō)閑聊：
這里可能你又會(huì)問(wèn)了，這不是連續(xù)的對(duì)話嗎，怎么會(huì)是單輪呢？
是的，因?yàn)檫@些對(duì)話，每一輪之間都是相互獨(dú)立，上下文之間沒(méi)有關(guān)聯(lián)關(guān)系，我們暫時(shí)稱之為單輪對(duì)話。與單輪對(duì)話相對(duì)的概念是多輪對(duì)話。
舉例：
是的，這就是多輪對(duì)話，也是本文主要討論的內(nèi)容。如果說(shuō)NLP是AI界皇冠上的明珠，那么多輪對(duì)話就是NLP界皇冠上的明珠。由此可見(jiàn)多輪的話的江湖地位。
由上面例子，跟單輪對(duì)話的對(duì)比，引出了對(duì)多輪對(duì)話的定義。
定義：根據(jù)上下文內(nèi)容，進(jìn)行連續(xù)的，以達(dá)到解決某一類(lèi)特定任務(wù)為目的的對(duì)話。
這里有3點(diǎn)：
多輪對(duì)話跟機(jī)器人的關(guān)系圖：
通常來(lái)說(shuō)，一個(gè)全能型的對(duì)話機(jī)器人是由很多個(gè)類(lèi)型的機(jī)器人組成的，比如說(shuō)閑聊機(jī)器人、任務(wù)機(jī)器人、問(wèn)答機(jī)器人。而一個(gè)任務(wù)機(jī)器人內(nèi)又可以包含多個(gè)多輪。
那怎么來(lái)實(shí)現(xiàn)多輪對(duì)話呢？市面上各大廠家的做法是開(kāi)發(fā)一個(gè)用于構(gòu)建多輪對(duì)話的平臺(tái)。有了這樣的平臺(tái)，你就可以構(gòu)建出你想要的對(duì)話流程。
多輪比較擅長(zhǎng)處理的兩類(lèi)經(jīng)典任務(wù)：
如果把多輪對(duì)話比作一輛汽車(chē)的話，那多輪對(duì)話平臺(tái)就是一個(gè)組裝車(chē)間，底層的各類(lèi)AI工具，就相當(dāng)于汽車(chē)的零部件，因此我們可以在對(duì)輪對(duì)話平臺(tái)內(nèi)，用各種的工具，來(lái)組裝出你想要的對(duì)話邏輯。
這里你可能想說(shuō)，這個(gè)哪里智能了，不就是我們實(shí)現(xiàn)定義好的流程嗎？是的，它確實(shí)并沒(méi)有你想象中的那么智能，沒(méi)有你想象中的那樣通過(guò)大量的數(shù)據(jù)就能自己學(xué)習(xí)出一個(gè)流程，也沒(méi)你想象中的那樣機(jī)器可以自己生成新的答復(fù)話術(shù)。
但是它確實(shí)能解決很多工業(yè)上的問(wèn)題，特別是一些比較固定的流程，比如說(shuō)：
這些固化的流程完全可以用機(jī)器人來(lái)完成，大大減少人力成本。相比于人，機(jī)器人可以一天24小時(shí)，同一時(shí)間多線路給多個(gè)人撥打電話。
1）進(jìn)入多輪對(duì)話任務(wù)的條件
比如識(shí)別到有訂票的意圖，則進(jìn)入到訂機(jī)票的多輪對(duì)話任務(wù)中；也可以通過(guò)關(guān)鍵字、指令等方式進(jìn)入到多輪對(duì)話任務(wù)中。
2）機(jī)器人的應(yīng)答話術(shù)
即用戶的每一個(gè)動(dòng)作（query），機(jī)器人應(yīng)該用什么話術(shù)去應(yīng)答。
目前任務(wù)類(lèi)型的對(duì)話通常話術(shù)都是預(yù)設(shè)的，基本不會(huì)是生成式的。因?yàn)槿蝿?wù)性對(duì)話容錯(cuò)率很低，寧可答不上，也不能答錯(cuò)。生成式的應(yīng)答話術(shù)，更多是在閑聊機(jī)器人中，因?yàn)殚e聊容錯(cuò)率相對(duì)比較高。
3）流程流轉(zhuǎn)條件的設(shè)置（if）
4）滿足條件執(zhí)行動(dòng)作的設(shè)置（then）
條件設(shè)置和動(dòng)作設(shè)置是整個(gè)流程的核心思想，整個(gè)對(duì)話流程都是按：如果條件是什么…那么執(zhí)行什么動(dòng)作…的格式設(shè)置。
5）退出多輪對(duì)話任務(wù)的條件
最后，這個(gè)對(duì)話肯定是不能永遠(yuǎn)繼續(xù)下去的，需要設(shè)置結(jié)束對(duì)話的條件，比如說(shuō)常見(jiàn)的有以下幾種情況：
按另外一個(gè)維度，可以把多輪對(duì)話分為流程和解析工具。
1）流程–就是設(shè)定的流轉(zhuǎn)規(guī)則，如是什么，那就做什么
（如下圖，如果是肯定回復(fù)那就跳轉(zhuǎn)到A節(jié)點(diǎn)，如果是否定回復(fù)就跳轉(zhuǎn)到B節(jié)點(diǎn)）這一塊跟AI沒(méi)有什么關(guān)系。
2）解析工具–理解用戶說(shuō)的話是什么
（如上圖，如果用戶說(shuō)“我是他媽媽”，機(jī)器人怎么知道這是屬于否定回復(fù)，這就是解析工具要做的事情），也是整個(gè)多輪對(duì)話的核心。
解析工具主要分類(lèi)兩大類(lèi)：信息收集、文本分類(lèi)。
1）信息收集
收集信息的方式主要有兩種：對(duì)話里收集、對(duì)話外收集。
2）文本分類(lèi)
對(duì)話中的文本分類(lèi)，通常又分為兩大類(lèi)：有較完整的句子結(jié)構(gòu)類(lèi)文本、超短文本。
除了是否有句子結(jié)構(gòu)外，兩類(lèi)型的文本分類(lèi)解析工具的應(yīng)用場(chǎng)景也不一樣。有句子結(jié)構(gòu)類(lèi)文本解析工具，是全局的應(yīng)用。比如說(shuō)“我要轉(zhuǎn)人工服務(wù)”，可以做出一個(gè)意圖，不管在流程的哪個(gè)節(jié)點(diǎn)，用戶表達(dá)了這樣的意圖，都可以識(shí)別。
超短文本類(lèi)解析工具，是局部應(yīng)用的，是強(qiáng)依賴上線文的。比如說(shuō)用戶單獨(dú)說(shuō)一句“不是的”，如果沒(méi)有上下文，是沒(méi)有意義的。
機(jī)器問(wèn)“請(qǐng)問(wèn)您是深戶嗎”，用戶可以回復(fù)“不是的”；
機(jī)器問(wèn)“請(qǐng)問(wèn)您是深圳高校學(xué)生嗎”，用戶可以回答“不是的”；
因此同樣“不是的”，在不同的地方表達(dá)的意思是不一樣的，只有聯(lián)系上文，才能確定明確的含義。
解析工具直接決定了多輪對(duì)話平臺(tái)能力的上限，而決定解析工具能力又可以分為兩層：基礎(chǔ)技術(shù)層、產(chǎn)品層。
1）例子1
問(wèn)在哪里出發(fā)后，我們往往會(huì)調(diào)用一個(gè)地址解析器來(lái)解用戶接下來(lái)說(shuō)的話，用戶回復(fù)“深圳明天會(huì)下雨嗎”，這時(shí)會(huì)抽到地址【深圳】，那機(jī)器人就理解為出發(fā)地是【深圳】了。
解析器確實(shí)沒(méi)有問(wèn)題，解出了地址【深圳】，但是解出的地址是不是符合上文需要填充的槽位，這時(shí)機(jī)器人就無(wú)能為力了，因?yàn)榻馕銎髦还芙馕?，不管業(yè)務(wù)。
2）例子2
問(wèn)是幾月份，我們往往會(huì)在這個(gè)時(shí)候調(diào)用一個(gè)時(shí)間解析器來(lái)解用戶接著說(shuō)的話，用戶只回復(fù)“8”，這時(shí)時(shí)間解析器解不出結(jié)果，因?yàn)闀r(shí)間解析器只能解“8月”、“8號(hào)”等等這個(gè)帶單位的時(shí)間。純說(shuō)一個(gè)數(shù)字，機(jī)器人就懵掉了。
從上面兩個(gè)例子就可以看出，解析工具跟實(shí)際應(yīng)用場(chǎng)景的隔閡，導(dǎo)致了運(yùn)用起來(lái)不夠靈活，主要矛盾點(diǎn)體現(xiàn)在：
舉例：
還是以上面例子為例，首先來(lái)了解幾個(gè)概念：
ok，了解了上面的概念之后，我們?cè)倩剡^(guò)來(lái)看這個(gè)例子。
用戶說(shuō)了：深圳明天會(huì)下雨嗎？
會(huì)有兩個(gè)解析工具解到結(jié)果，假設(shè)地址解析工具得到的信心分是90分，意圖解析工具解到的【查天氣】意圖的信心分也是90，但是由于地址解析工具屬于主流程，優(yōu)先級(jí)高于查天氣意圖，因此機(jī)器人最后選擇的是前者。因此機(jī)器人的動(dòng)作是把【深圳】當(dāng)作了出發(fā)地填入槽位。
因此，從這里可以看到有兩個(gè)問(wèn)題：
這里先理清一對(duì)概念：
舉例：
機(jī)器人的話術(shù)已經(jīng)被事先死死的設(shè)定了，問(wèn)完問(wèn)題1，就問(wèn)問(wèn)題2。沒(méi)有根據(jù)用戶的話做出一些反饋，就會(huì)顯得很生硬。
假設(shè)能這樣：
這樣不但能對(duì)用戶的回答做出響應(yīng)，還根據(jù)用戶前面說(shuō)的話來(lái)調(diào)整問(wèn)題2的問(wèn)法。這就是非生成式回答無(wú)法達(dá)到的效果，這也是機(jī)器人比較死板的原因。
舉例：
還記得她嗎，在采訪中她說(shuō)“我已經(jīng)用了洪荒之力了”。如果你只看文字，你能理解她里面所表達(dá)的是滿意的情緒嗎？
正常人與人的對(duì)話，一般會(huì)根據(jù)語(yǔ)調(diào)、文字、表情、動(dòng)作等維度，組合起來(lái)理解對(duì)話所表達(dá)的內(nèi)容。但是目前大多數(shù)的多輪對(duì)話平臺(tái)都是只以【文字】單一維度來(lái)做解析處理，即使很多平臺(tái)都亮出了自己在ASR環(huán)節(jié)的情緒理解有多么強(qiáng)大，但真正跟多輪平臺(tái)運(yùn)用起來(lái)是隔離開(kāi)的，訓(xùn)練數(shù)據(jù)只是轉(zhuǎn)譯成文本的形式訓(xùn)練，而不是直接拿語(yǔ)音去訓(xùn)練。
不同語(yǔ)氣的“呵呵”，表達(dá)的意思是不一樣，有的是開(kāi)心，有的是諷刺。如果丟失了語(yǔ)調(diào)的維度，那解析的結(jié)果肯定是會(huì)失真的。
在以用戶體驗(yàn)為王的時(shí)代，如果你操作一個(gè)軟件或APP，你還要看它的說(shuō)明書(shū)，甚至看了說(shuō)明書(shū)還不會(huì)操作，那你肯定會(huì)瘋掉。
沒(méi)錯(cuò)，多輪對(duì)話操作平臺(tái)就是一個(gè)看了說(shuō)明說(shuō)還不會(huì)用平臺(tái)，通常需要經(jīng)常專業(yè)的培訓(xùn)才會(huì)使用，因此是有很高的使用門(mén)檻的，而且邏輯能力不好人，還真做不來(lái)。
除了操作門(mén)檻高，后續(xù)的優(yōu)化也不靈活。不是說(shuō)像我們想象中的那么簡(jiǎn)單，加點(diǎn)數(shù)據(jù)，標(biāo)注下就能解決的。比如說(shuō)機(jī)器人詢問(wèn)：你是馬先生嗎？
你一開(kāi)始想到的用戶可能的回答是兩類(lèi)：肯定回復(fù)（是的、我是）、否定回復(fù)（不是、打錯(cuò)了）。但是上線后，你會(huì)發(fā)現(xiàn)還有很多類(lèi)型的回復(fù)：中性回復(fù)【怎么啦、你說(shuō)】、式有關(guān)系人【我是他老婆、我是他兒子】、反問(wèn)【你是誰(shuí)呀、是機(jī)器人吧你】
每增加一個(gè)分類(lèi)，就要重新在流程圖里增加分支，從新設(shè)定規(guī)則等等，并非直接加點(diǎn)數(shù)據(jù)重新訓(xùn)練就能解決問(wèn)題了。
前面大篇幅討論了，目前多輪對(duì)話平臺(tái)的核心是解析工具，因此我覺(jué)得未來(lái)的優(yōu)化方向也是在解析工具上面，比如說(shuō)：
目前的做法是對(duì)話流程、對(duì)話分支是由人工搭建的，這種方式對(duì)數(shù)據(jù)的利用率是非常低的。只是根據(jù)對(duì)話記錄，人為整理出對(duì)話流程，而對(duì)話之間的上下文關(guān)系是不參與到模型訓(xùn)練的。機(jī)器人不會(huì)隨著人機(jī)對(duì)話量的增加而變得更加聰明。
未來(lái)的優(yōu)化方向一定是最大化的利用數(shù)據(jù)，比如說(shuō)通過(guò)給機(jī)器輸入大量的對(duì)話記錄，機(jī)器能夠?qū)W習(xí)出對(duì)話之間的邏輯關(guān)系，然后自己能學(xué)習(xí)出一個(gè)對(duì)話流程。
最后，用一句話總結(jié)下目前的多輪對(duì)話平臺(tái)：在解決固定化流程的問(wèn)題上，確實(shí)能降低人力成本，但是對(duì)話比較死板，要想做到向人與人之間的自然交流，還有很長(zhǎng)的路要走。
AI人，一起加油吧！
本文由 @Jimmy 原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理。未經(jīng)許可，禁止轉(zhuǎn)載。
題圖來(lái)自Unsplash，基于CC0協(xié)議。