哈工大教授劉挺：人機對話技術的進展

導語：劉挺表示，人機對話概述，就是人機對話的基本框架，包括語音接入、語音輸出，或者說文本直接交互。

本文作者：呂倩

7月8日，由中國計算機學會（CCF）主辦、雷鋒網與香港中文大學（深圳）全程承辦的 AI 盛會——全球人工智慧與機器人峰會（CCF-GAIR）上，哈爾濱工業大學劉挺教授現場講解人機對話技術進展歷程。

劉挺表示，人機對話概述，就是人機對話的基本框架，包括語音接入、語音輸出，或者說文本直接交互。其中包括三個重要的模塊——語言理解、對話管理、語言生成。

從學術界角度切入，劉挺將人機對話的歷程分為三個階段——語音助手時代、2014年進入聊天機器人時代，以及場景化的任務執行時代。

2011年，在技術尚未成熟時，喬布斯臨終前在iPhone4S中推出Siri。2014年，據雷鋒網了解，中國各廠商紛紛效仿推出語音助手，與此同時，也有很多企業將語音助手團隊解散。主要原因，劉挺解釋道：

第一，技術尚不成熟，聽得見，但聽不懂。以至於很多本來嚴肅的服務，最後變成對其他語音助手的調戲。語言並不總是最自然的溝通方式，它需要私密的環境，有時候還需要圖像界面進行配合。

第二，語境的建模和機器人自身建模方面，還有很多困難。比如你問機器人，「你今年多大了？」「我5歲了」，「你結婚了嗎？」「我結婚10年了」。這就自相矛盾，因為機器人建模很困難。

第三，在具體應用上，用戶留存率並不是很高。雖然用戶量大，但持續跟機器人聊下去的並不多。

而就人機對話功能方面，劉挺對雷鋒網(公眾號：雷鋒網)表示，主要有四大功能——聊天、知識問答、任務執行、推薦。

人機對話系統層面，分為三方面——自然語言理解、對話管理、自然語言生成。劉挺從功能方面切入技術的發展狀況——聊天上，最早是在上世紀60年代有人研究出與精神病患者聊天的機器人，之後，騰訊推出小Q機器人，微軟小冰等。

單輪對話的進展比較技術化，發展趨勢不僅通過演算法解決問題，且要確定一個主題借用外部資源，把話說得更豐滿。

多輪對話方面，聊天與搜索有很大區別。雖然目前搜索也啟動多輪搜索，但真正的多輪對話需要讓人感覺到這是一個完整的對話，其中包括深度學習與強化學習的融合等多方面技術。

從Siri開始，微軟、Facebook、亞馬遜、百度等大企業，不但自己做智能助手，而且提供對話平台，即對話操作系統或對話人工智慧。

對話型技術發展，經歷普通的時間、地點等基礎要素，要之後又CRF與LSTM，以及之後兩者結合。對話生成，略過模板階段，進入序列深度學習。

劉挺以哈工大實驗室研製的名為「笨笨」的系統為例，功能包括聊天、知識問答、任務執行、推薦。多輪對話是基於DQN進行。這個優化和任務執行的優化正好反過來。聊天的優化是要儘可能讓這個聊天能繼續下去，讓話題輪數更多。

劉挺在雷鋒網CCF-GAIR現場表示，人機對話是自然語言處理髮展的一個高峰，從歷程上分為四個階段——從形式匹配到語義匹配，到文本推理，再到言外之意。目前劉挺教授所在哈工大實驗室具體布局工作，主要分幾個方向，第一，基礎架構、LTP；第二，人機對話；第三，篇章劃分。

雷鋒網原創文章，轉載請至雷鋒網官網申請授權。歡迎熱情討論，轉發分享~

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！