Chatbot基本概念

Chatbot 基於NLP技術，是一種人機交互方案。與傳統APP交互不同，Chatbot以對話為主要形式。Chatbot的重要性，在交互未來中有介紹。本文主要講Chatbot的基本概念。

1.澄清

Chatbot這個名字有點水分。翻譯是聊天機器人，但它不是機器人。當你聽到一個東西是機器人，就會拿出逗貓那套，各種玩它，逗她，下意識認為它是不同於你的東西。有種「你她」對立的感覺。Chatbot不是「她」，而是一種交互方式。幫助用戶，將用戶意圖，轉化為機器可以理解的內容，從而實現某個事情。叫chat-interaction更恰當些。

2.對話管理（Dialog Management）

對話是chatbot的核心。每一次對話，都是一次交互。當用戶說出一句話，chatbot需要將這句話包含的信息，組成機器可以理解的內容。然後，根據一定的策略，給出一個反饋——回復一句話。這個過程就叫對話管理。

平常對話，不止一輪。多輪對話中，每句話信息不同，需要添加新信息，更新已有信息，這個叫對話狀態管理（Dialog State Tracking，DST）。語言中信息，複雜且多變，DST通常需要複雜又靈活的數據結構。DST是對話管理的第一核心。

對話策略（Policy）要解決的是，如何根據用戶的話中信息，得到恰當的回復。當前大量chatbot的策略，是基於寫死的規則，是一大堆「if-else」的組合。也有一些團隊，在用強化學習，實現智能化規則。

3.意圖

意圖這個詞，人可以看懂，和機器的聯繫就很遠，有點反機器。為什麼？因為這個詞，是產品經理想出來的。

用戶說完一句話，chatbot需要理解這句話。這個理解的首要點在於，搞清楚這句話背後，用戶想要什麼功能。功能也就是意圖。在傳統APP裡面，功能都在界面上，用戶可以看可以摸。現在情況變化，沒有功能界面，用戶只能用語言表達想做什麼，chatbot要去「猜測」這句話是哪個頁面，什麼功能。「猜測」準確極其重要，否則就驢頭不對馬嘴，畫風詭異。

最簡單的意圖理解，是分類問題。對話輪數變多，還要考慮上下文，經典NLU文本分類演算法可能不夠，需要引入更多演算法（如RNN）。

4.實體（或槽）

剛才說，理解一句話，意圖是首要。然後呢，就是識別與意圖有關的實體。實體（Entity）這個詞，臉書，谷歌和微軟的chatbot服務在用。亞馬遜，百度，則用的是槽（slot）這個概念。能對應就好。

意圖對應功能，實體則對應完成功能所需的參數。比如，用戶說，「我要打個電話」。「打電話」就是意圖（功能）。打電話應該怎麼做？用戶還要選擇「什麼時間」打電話，打給「誰」，打「視頻電話」還是「語音」。時間、誰、方式三個就是「打電話」這個意圖關聯的實體。畫過APP交互的知道，這個頁面要怎麼來，不同的是，現在要用一句句對話來實現。

又比如，「我想去河邊釣魚」。「釣魚」就是意圖。這次實體就比較複雜了。「釣具」，「天氣」，河邊在「哪」，怎麼去的「路線」，「出發時間」都和意圖相關。不過，如果用傳統APP，要同時用到很多APP，而且容易亂，此時，chatbot式交互就非常有價值。

實體識別，是詞的提取和匹配問題，最近幾年已發展成熟。chatbot需要應對的是，隨時切換的意圖，以及可能錯綜複雜的實體關係，這需要經驗和洞見。

5.場景（chatbot的應用）

上邊釣魚的例子，實體裡面有「釣具」、「路線」等，實際它們本身也可成為意圖。這時，釣魚就成為一個場景（Story），它是一堆互相關聯意圖的結合體。

在場景這一層，基於Chatbot的應用，與傳統APP已經沒什麼區別。理論上，Chatbot應用可以做的，APP也可以，它們是競爭關係。誰體驗更好、成本更低很重要。對於chatbot，在場景生產的效率上，比APP交互遠高，簡直就是工業與農業的區別。想想，對chatbot真是充滿期待。

推薦電影：

Her

鋼鐵俠

黑客帝國

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！