導(dǎo)讀：本文帶你簡單了解一下智能助手背后的會話式人工智能技術(shù)。

作者：木羊同學(xué)

來源：大數(shù)據(jù)DT（ID：hzdashuju）

01 大話智能助理

智能助理應(yīng)該是當(dāng)前人工智能技術(shù)最為成功的落地方向之一。我還記得，當(dāng)初iPhone4S率先推出著名的人工智能助理Siri，馬上就有不少評論家預(yù)測，Siri也將像iPhone一樣，為人類開創(chuàng)一個全新的時代，而調(diào)戲Siri也成了當(dāng)時最流行的游戲之一。當(dāng)時我們在看視頻演示的時候，心中都對Siri充滿的期待。

我們一直說，智能手機(jī)智能手機(jī)，但以前總感覺所謂智能手機(jī)，也就是傳統(tǒng)的手機(jī)+迷你版的電腦，“智能”體現(xiàn)在什么地方呢？現(xiàn)在有了Siri，手機(jī)真的能像個老友一樣和你聊天打屁，感覺要名副其實得多了。

我們都聽過智能助理，可是你是否認(rèn)真想過一個問題：智能助理對于用戶，到底意味著什么？也許不同人能給出很多不同的看法，不過，業(yè)界最常見的答案是，提供了全新的交互界面。

我們說Windows是桌面霸主，它的成功，就成功在提供了在當(dāng)時來說相當(dāng)友好的交互界面，相比黑乎乎的命令輸入，Windows的桌面簡單、直觀，一下降低了PC的使用門檻。

而智能助理則是在這個已經(jīng)不太高的門檻上再打一個“骨折”，幾乎不需要額外的學(xué)習(xí)曲線，不用學(xué)習(xí)使用鍵盤鼠標(biāo)，也不用熟悉系統(tǒng)界面，只需要用對話這種最自然的交互方式就能操控機(jī)器。相信在今年疫情期間，很多人說話最對的對象，就是家里各式各樣的智能助理，譬如智能音箱。

02 新的交互界面

采用對話作為交互方式有很多優(yōu)點，我覺得有兩樣最為重要。一樣就是自然，人類從一出生就開始學(xué)習(xí)的技術(shù)也就兩樣，除了蹣跚學(xué)步，就只有牙牙學(xué)語，說話應(yīng)該是我們?nèi)粘Ｖ凶畛Ｒ娨彩亲盍?xí)慣的交互方式。

另一樣是便捷，回想一下，手機(jī)也好、電腦也好，雖然給我們帶來了種種便利，但也禁錮了我們最為重要的雙手，而現(xiàn)在回歸了用說話的方式操控機(jī)器，雙手就被解放出來可能干別的事情。

正因為這兩樣有點，現(xiàn)在智能助理的應(yīng)用場景很多，所以產(chǎn)品也很多，智能手機(jī)、智能音箱，甚至不少汽車也將智能助理作為重要賣點，現(xiàn)在我家電梯里經(jīng)常播的一個汽車廣告就是這樣，里面的車載智能助理細(xì)心得就像親媽一樣，車主一回到車?yán)锞透鞣N噓寒問暖，就差非要加上一條秋褲。

不過，從今天往回看，智能助理的優(yōu)勢很大，推出自然是理所當(dāng)然，但是，智能助理背后運(yùn)用了一整套互相配合的智能技術(shù)，發(fā)展也是一波三折充滿坎坷。

就拿Siri來說吧，別看今天Siri好像是一位高冷的知識女性，在它波折的成長路途中，說傷痕累累都是輕的，感覺好幾次都差點在一片唾沫星子當(dāng)中遭到滅頂之災(zāi)。

Siri的槽點很多，第一個就是語種。沒錯，雖然Siri可以算是iPhone 4S最大的賣點，很多人干脆就是沖著Siri去果斷賣了腎。可是到手一看，發(fā)現(xiàn)自己吃了沒文化的虧，人家Siri只聽得懂英文，說完Hello以后，95%的用戶都猛然發(fā)現(xiàn)自己像是頭一次相親一樣，接下去就不知道該說什么好，詞窮了。好不容易找到點句子吧，結(jié)果口音還必須純正。

在大多數(shù)時候，Siri需要識別半天不說，最后返回結(jié)果經(jīng)常是牛頭不搭馬嘴。語音識別時間長、識別結(jié)果不準(zhǔn)在后來很長一段時間都是Siri的重要槽點，給人一種蠢笨難忍的感覺。哪怕后來iOS 6以后，Siri終于學(xué)會了中文，仍然距離那種與用戶談笑生風(fēng)的形象相去甚遠(yuǎn)。

03 智能助理的耳朵和嘴巴

當(dāng)時大家對智能助手還很新奇的時候，最想知道的問題之一，就是這個小葫蘆里面究竟裝了一副怎樣的藥，是不是真的把人縮小了然后塞進(jìn)里面去。

我當(dāng)時就十分好奇Siri的原理，究竟要做到以自然語言的形式，做到自然對話來控制機(jī)器，背后是怎樣的一套機(jī)制在運(yùn)行呢？但是查了好多資料，感覺大家也都還不甚清楚，只是模模糊糊說很高大上。

大家都容易高估不了解的東西的難度。其實，智能助理還真不太“復(fù)雜”，說起來，結(jié)構(gòu)和我們熟悉的電腦還十分類似。

先說外設(shè)，智能助理要開口說話，同樣需要一套輸入輸出設(shè)備，具體來說，我們不妨將智能助理的大腦當(dāng)作電腦的CPU，CPU是需要得到數(shù)據(jù)輸入，然后經(jīng)過計算，在將結(jié)果輸出，而所謂外設(shè)，就是能夠能夠?qū)⑼獠康恼Z音轉(zhuǎn)化為機(jī)器能懂的輸入，以及將機(jī)器經(jīng)過運(yùn)算得到的結(jié)果轉(zhuǎn)化成語音輸出。

這是兩項獨(dú)立的任務(wù)，當(dāng)然也都是采用人工智能技術(shù)來完成，分別為負(fù)責(zé)將語音轉(zhuǎn)化為機(jī)器輸入的自動語音識別技術(shù)（ASR），以及將結(jié)果轉(zhuǎn)化為語音輸出的語音生成技術(shù)（TTS）。這兩項技術(shù)雖然聽著復(fù)雜，背后的技術(shù)原理也確實足以寫一本書，不過已經(jīng)發(fā)展得較為成熟，人工智能方面有較為豐富的技術(shù)積累。

簡單來說，ASR負(fù)責(zé)將聲音轉(zhuǎn)成文本，而TTS則負(fù)責(zé)將文本轉(zhuǎn)成聲音。具體就不介紹了，市面上已經(jīng)有太多類似的技術(shù)，譬如微信就有聲音轉(zhuǎn)文本，這就是典型的ASR，而許多讀書工具都有AI朗讀功能，雖然吧效果一言難盡，從感情到靈魂一路都缺，不過用來理解ASR應(yīng)該沒有問題。

04 智能助理的大腦

最難也是最復(fù)雜的部分，就是實現(xiàn)智能語音助手的大腦，通常可以切分為三項獨(dú)立的任務(wù)，分別為自然語言理解（NLU）、對話管理（DM）和自然語言生成（NLG）。這里出現(xiàn)了很多縮寫，其實核心就是自然語言處理（NLP）。

自然語言處理，被譽(yù)為人工智能皇冠上的寶石，也是現(xiàn)在人工智能研究的重點方向，不斷有模型推陳出新，很有一點一代版本一代神的意思。現(xiàn)在NLP的扛把子叫Bert，各大頂會只要和NLP沾邊，都會現(xiàn)在肯定都會有一個占比頗重的環(huán)節(jié)，叫花式玩弄Bert。

說遠(yuǎn)了說回來。在智能助手的大腦中，NLU、DM和NLG就是NLP的兩項重要任務(wù)。

NLU很好理解，人的語言和機(jī)器指令有個很大的不同點，就是前者屬于非結(jié)構(gòu)化數(shù)據(jù)，而后者屬于結(jié)構(gòu)化數(shù)據(jù)。非結(jié)構(gòu)化數(shù)據(jù)機(jī)器是聽不懂的，必須轉(zhuǎn)化成結(jié)構(gòu)化數(shù)據(jù)，機(jī)器才好理解和執(zhí)行。那誰來扮演中介商呢？就是NLU。道理很好懂，但是實現(xiàn)很復(fù)雜，還有無數(shù)的坑在前面等著大家去填。

在智能助手中，NLU的角色是這樣的，首先ASR將聲音轉(zhuǎn)成文本，當(dāng)然，是非結(jié)構(gòu)化文本，然后將這些文本輸入給NLU，有NLU做一些閱讀理解，把理解以后的意思按固定格式填寫，也就是形成機(jī)器能懂得結(jié)構(gòu)化文本，交給下游環(huán)節(jié)處理。

NLU的下游環(huán)節(jié)就是DM，對話管理，名字起得有點莫名其妙，其實就干兩件事，一件事是狀態(tài)追蹤，解釋起來很復(fù)雜，不過可以簡單理解為根據(jù)上下文理解當(dāng)前輸入的意思，也就是做了個閱讀理解。另一件事就是動作生成，你得根據(jù)人說話的意思作出回答。

那NLG是什么呢？和NLU正好反過來，是文本生成。上游不是通過DM作了閱讀理解，輸入了結(jié)構(gòu)化文本嗎？那根據(jù)這個輸入，咱得通過動作生成思考一下該回答啥，一般的機(jī)器知道回答個Yes和No就了不起了，頂多再多給一點選項，不過光這樣一點也不像自然對話，還得擴(kuò)展擴(kuò)展，也就是根據(jù)某個意思，“生成”一點文本內(nèi)容，這就是NLG的工作。到了這一步，整條鏈子就串起來了。

現(xiàn)在這種智能助理應(yīng)用已經(jīng)非常多了，而還有一種類似但應(yīng)用更廣的技術(shù)，叫對話機(jī)器人技術(shù)，譬如雙十一肯定能遇到的淘寶機(jī)器人客服，這種客服不需要聽說能力，直接用文字對文字的形式進(jìn)行溝通，相信看完了上文，大家應(yīng)該也清楚對話機(jī)器人技術(shù)的基本原理。

不過，上面只是很淺顯地介紹了會話式人工智能技術(shù)，還有很多細(xì)節(jié)的問題，譬如中文分詞問題，需要在實際實踐是加以解決。我推薦一本書，叫《會話式AI：自然語言處理與人機(jī)交互》，里面系統(tǒng)地介紹了會話式人工智能的相關(guān)內(nèi)容，想要更深入了解該技術(shù)的同學(xué)可以仔細(xì)閱讀。

關(guān)于作者：莫凡，網(wǎng)名木羊同學(xué)。娛樂向機(jī)器學(xué)習(xí)解說選手，《機(jī)器學(xué)習(xí)算法的數(shù)學(xué)解析與Python實現(xiàn)》作者，前沿技術(shù)發(fā)展觀潮者，擅長高冷技術(shù)的“白菜化”解說，微信公眾號“睡前機(jī)器學(xué)習(xí)”，個人知乎號“木羊”。

延伸閱讀《會話式AI：自然語言處理與人機(jī)交互》

點擊上圖了解及購買

轉(zhuǎn)載請聯(lián)系微信：DoctorData

推薦語：騰訊、阿里、國家標(biāo)準(zhǔn)委&AIIA人工智能專家多年大型項目經(jīng)驗總結(jié)，詳解NLP和人機(jī)交互核心技術(shù)，從技術(shù)、算法、實戰(zhàn)3維度講解聊天機(jī)器人原理、實現(xiàn)與工程實踐。

劃重點????

干貨直達(dá)????

• 華為內(nèi)部資料流出！揭秘華為數(shù)據(jù)湖：3大特點、6個標(biāo)準(zhǔn)、入湖流程
  

• 中臺的本質(zhì)及中臺建設(shè)的4點思考
  

• 什么是YARN？跟HBase和Spark比優(yōu)勢在哪？終于有人講明白了
  

• 終于有人把大數(shù)據(jù)講明白了

更多精彩????

在公眾號對話框輸入以下關(guān)鍵詞

查看更多優(yōu)質(zhì)內(nèi)容！

PPT?|?讀書?|?書單?|?硬核?|?干貨?|?講明白?|?神操作

大數(shù)據(jù)?|?云計算?|?數(shù)據(jù)庫?|?Python?|?可視化

AI?|?人工智能?|?機(jī)器學(xué)習(xí)?|?深度學(xué)習(xí)?|?NLP

5G?|?中臺?|?用戶畫像?|?1024?|?數(shù)學(xué)?|?算法?|?數(shù)字孿生

據(jù)統(tǒng)計，99%的大咖都完成了這個神操作

????

總結(jié)

以上是生活随笔為你收集整理的为什么Siri总是像个智障？智能助手背后的技术到底有多难？的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。