哈工大教授劉挺：人機(jī)對話技術(shù)的進(jìn)展| CCF-GAIR 2017

7月8日，由中國計算機(jī)學(xué)會（CCF）主辦、雷鋒網(wǎng)與香港中文大學(xué)（深圳）全程承辦的 AI 盛會——全球人工智能與機(jī)器人峰會（CCF-GAIR）上，哈爾濱工業(yè)大學(xué)劉挺教授現(xiàn)場講解人機(jī)對話技術(shù)進(jìn)展歷程。

劉挺表示，人機(jī)對話概述，就是人機(jī)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(xué)術(shù)界角度切入，劉挺將人機(jī)對話的歷程分為三個階段——語音助手時代、2014年進(jìn)入聊天機(jī)器人時代，以及場景化的任務(wù)執(zhí)行時代。

2011年，在技術(shù)尚未成熟時，喬布斯臨終前在iPhone4S中推出Siri。2014年，據(jù)雷鋒網(wǎng)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(yè)將語音助手團(tuán)隊解散。主要原因，劉挺解釋道：

• 第一，技術(shù)尚不成熟，聽得見，但聽不懂。以至于很多本來嚴(yán)肅的服務(wù)，最后變成對其他語音助手的調(diào)戲。語言并不總是最自然的溝通方式，它需要私密的環(huán)境，有時候還需要圖像界面進(jìn)行配合。

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

• 第三，在具體應(yīng)用上，用戶留存率并不是很高。雖然用戶量大，但持續(xù)跟機(jī)器人聊下去的并不多。

而就人機(jī)對話功能方面，劉挺對雷鋒網(wǎng)表示，主要有四大功能——聊天、知識問答、任務(wù)執(zhí)行、推薦。

人機(jī)對話系統(tǒng)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(shù)的發(fā)展?fàn)顩r——聊天上，最早是在上世紀(jì)60年代有人研究出與精神病患者聊天的機(jī)器人，之后，騰訊推出小Q機(jī)器人，微軟小冰等。

單輪對話的進(jìn)展比較技術(shù)化，發(fā)展趨勢不僅通過算法解決問題，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(qū)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(xué)習(xí)與強(qiáng)化學(xué)習(xí)的融合等多方面技術(shù)。

從Siri開始，微軟、Facebook、亞馬遜、百度等大企業(yè)，不但自己做智能助手，而且提供對話平臺，即對話操作系統(tǒng)或?qū)υ捜斯ぶ悄堋?br/>

對話型技術(shù)發(fā)展，經(jīng)歷普通的時間、地點(diǎn)等基礎(chǔ)要素，要之后又CRF與LSTM，以及之后兩者結(jié)合。對話生成，略過模板階段，進(jìn)入序列深度學(xué)習(xí)。

劉挺以哈工大實驗室研制的名為“笨笨”的系統(tǒng)為例，功能包括聊天、知識問答、任務(wù)執(zhí)行、推薦。多輪對話是基于DQN進(jìn)行。這個優(yōu)化和任務(wù)執(zhí)行的優(yōu)化正好反過來。聊天的優(yōu)化是要盡可能讓這個聊天能繼續(xù)下去，讓話題輪數(shù)更多。

劉挺在雷鋒網(wǎng)CCF-GAIR現(xiàn)場表示，人機(jī)對話是自然語言處理發(fā)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(chǔ)架構(gòu)、LTP；第二，人機(jī)對話；第三，篇章劃分。

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。