竹間智能翁嘉頎:人機互動技術探索 | AI 研習社 60 期猿桌會

雷鋒網(公眾號：雷鋒網) AI 科技評論按：隨著語音識別 ASR 的進步，對話機器人從簡單的指令式的語音助手，進化到關鍵詞交互方式，人們能夠使用較為完整的句子來表達意圖，機器人從中截取關鍵詞判斷用戶意圖。

現階段利用 NLP 、NLU 技術，以及機器學習方式，慢慢脫離關鍵詞的束縛，可以更聰明的去理解用戶意圖以做出正確的回應。再下一步是否能脫離一問一答的回應方式？是否機器人能主動的跟人產生互動？沒有情緒情感的機器人真的算是智慧機器人嗎？情緒情感又有哪些可能的應用？

近日，在雷鋒網 AI 研習社公開課上，竹間智能 CTO 翁嘉頎分享了人機互動技術探索。公開課回放視頻網址：http://www.mooc.ai/open/course/587？=aitechtalkwengjiaxin

翁嘉頎 Phantom Weng：竹間智能 CTO，作為 AI 領域的技術專家，他帶領團隊負責竹間在 AI 領域產品研發與技術規劃，領域主要涵蓋對話機器人、計算機視覺、金融科技等領域。此前，翁嘉頎在中國大陸及臺灣的多個科技類創新企業擔任 CTO、首席架構師等職位，帶領團隊進行 AI 及大數據領域的研究開發。他畢業於臺灣大學資訊工程學系，此後就讀於紐約州立大學。熟悉算法、程式語言、搜尋引擎、網絡安全以及郵件安全，使用過的語言超過 35 種。

分享主題：人機互動技術探索

分享提綱：情感計算、意圖、主題、上下文、中文 NLP 應用、多輪對話、算法與數據的關係

雷鋒網 AI 研習社將其分享內容整理如下：

今天講的主題是人機互動技術探索，我會著重講這些技術的應用以及怎樣解決當前的問題。

人機互動現狀

先看一下人機互動目前的現況：第一個，雙十一快到了，我在系統推薦了三件 T 恤後，回答「要黑色的」，結果因為不理解上下文，變成在解釋黑色的基本定義。跟各種機器人交互也常常會有類似答非所問的事情發生。

為什麼現況是這樣的？這是因為大部分人機互動都使用關鍵詞匹配和模板的方式，沒有上下文，語料都是從網絡上爬來的——根本無法控制質量，怎麼清洗基本上都沒法使用。

一個理想中的機器人是貼心的，是能夠有情感、有記憶、懂你的，是能夠陪伴你的。機器人應該避免攻擊性的回答。

使用模板的機器人沒有情商，也無法進行多輪對話。Siri 曾在美國做過一個測驗，測驗結果顯示它的智商為 2 歲，其他的機器人也差不多。而對於成年人來說，智商達到 16-18 歲的機器人，才是我們需要的機器人，然而，如何做到這種程度？

公司介紹

在此之前，我先介紹一下竹間智能這家公司。

我們似乎可以發現，目前在人工智慧的文本分析和語義理解領域，很多公司的技術人員都是做搜尋引擎出身的。

我們公司的 EMOTIBOT 是一個情感機器人，光文字情緒就做了 22 種，人臉表情 9 種，語音情緒 4 種，此外，還做了多模態情感識別。

需要的技術

做到較好的人機互動，需要哪些技術呢？

第一個是上下文理解技術，有三種方式：補全、指代消解和對話主題式補全。

第二個是主題、Speech Act &情感以及 Memory 的運用：

一是利用主題做對話控制；人類對話是有固定的主題，有時候會有主題的轉換，但是至少不是東一句「天氣」西一句「體育」，這是無法聊下去的。尤其機器人回答的答案更要跟原本的對話主題相契合，不然就是答非所問文不對題。

除了對話主題以外，句法句式，根據對話中記憶下用戶的屬性，做出好的回答。例如我不喜歡看恐怖片，當問到「最近有什麼好看的電影」，就不應該出現恐怖片。然後也可以用生成的方式來產生回答，直接生成方式要產生高質量的回答需要大量的數據訓練，所以也可以考慮先生成些細節 (句法、關鍵詞、主題 等等)，再用造句的方式生成整個句子。

此外人機互動目前在特定場景內比較能表現好，因此需要針對場景做深，需要場景專家以及現有的場景語料，才能做到準確率超過 95%。

 NLP 重要性

我們再來講 NLP 的重要性，剛剛所提到的技術有一個自然語言處理平臺，能夠提供我需要的線索。而我們底下其實做了大量苦工，做得模塊較多，就有更多機會，讓各個模塊在匹配時能夠 Cover 對方的弱點。

那我們如何利用 NLU 的基礎信息呢？

中控中心

然後講到一個中控中心的問題，這就涉及到剛剛所提到的多輪對話問題。那多輪之間能不能切換？下面是幾個例子：

竹間智能

經驗分享

最後我分享一下竹間智能的實戰經驗。

一是算法。單一算法在圖像識別上的應用表現可能還好，但在文本和語義理解上基本不可能獲得好的準確率，下面是其無法解決的一些問題：

二是語言學家與數據質量。數據標註上必須非常嚴謹，尤其必須有專業的語言學家加入標準準則的設計，或是標註質量的把控。建議任何一筆數據都有多個標註人員做到交叉審查，當幾個標註人員意見不一致的時候，由語言學家 / 領域專家做最後的判定。不然垃圾的數據只會訓練出垃圾的模型。

未來會不會存在這麼一個世界：每個人都有一個機器人，機器人會懂你，就像好朋友和閨蜜一樣；每家企業也會有機器人，會幫助員工完成訂餐等事宜。這是一個理想的狀態，雖然現在還有一段距離，但是也有很大的希望，不過我們只有將技術底層做好，才能一步步走到這個理想狀態。

以上就是本期嘉賓的全部分享內容。更多公開課視頻請到雷鋒網 AI 研習社社區觀看，關注微信公眾號：AI 研習社（okweiwu），可獲取最新公開課直播時間預告。

雷鋒網原創文章，未經授權禁止轉載。詳情見轉載須知。