導讀：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。

作者：木羊同學

來源：大數據DT（ID：hzdashuju）

01 大話智能助理

智能助理應該是當前人工智能技術最為成功的落地方向之一。我還記得，當初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測，Siri也將像iPhone一樣，為人類開創一個全新的時代，而調戲Siri也成了當時最流行的游戲之一。當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，智能手機智能手機，但以前總感覺所謂智能手機，也就是傳統的手機+迷你版的電腦，“智能”體現在什么地方呢？現在有了Siri，手機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時來說相當友好的交互界面，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不太高的門檻上再打一個“骨折”，幾乎不需要額外的學習曲線，不用學習使用鍵盤鼠標，也不用熟悉系統界面，只需要用對話這種最自然的交互方式就能操控機器。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習的技術也就兩樣，除了蹣跚學步，就只有牙牙學語，說話應該是我們日常中最常見也是最習慣的交互方式。

另一樣是便捷，回想一下，手機也好、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，而現在回歸了用說話的方式操控機器，雙手就被解放出來可能干別的事情。

正因為這兩樣有點，現在智能助理的應用場景很多，所以產品也很多，智能手機、智能音箱，甚至不少汽車也將智能助理作為重要賣點，現在我家電梯里經常播的一個汽車廣告就是這樣，里面的車載智能助理細心得就像親媽一樣，車主一回到車里就各種噓寒問暖，就差非要加上一條秋褲。

不過，從今天往回看，智能助理的優勢很大，推出自然是理所當然，但是，智能助理背后運用了一整套互相配合的智能技術，發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中遭到滅頂之災。

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，發現自己吃了沒文化的虧，人家Siri只聽得懂英文，說完Hello以后，95%的用戶都猛然發現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，結果口音還必須純正。

在大多數時候，Siri需要識別半天不說，最后返回結果經常是牛頭不搭馬嘴。語音識別時間長、識別結果不準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終于學會了中文，仍然距離那種與用戶談笑生風的形象相去甚遠。

03 智能助理的耳朵和嘴巴

當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里面去。

我當時就十分好奇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器，背后是怎樣的一套機制在運行呢？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“復雜”，說起來，結構和我們熟悉的電腦還十分類似。

先說外設，智能助理要開口說話，同樣需要一套輸入輸出設備，具體來說，我們不妨將智能助理的大腦當作電腦的CPU，CPU是需要得到數據輸入，然后經過計算，在將結果輸出，而所謂外設，就是能夠能夠將外部的語音轉化為機器能懂的輸入，以及將機器經過運算得到的結果轉化成語音輸出。

這是兩項獨立的任務，當然也都是采用人工智能技術來完成，分別為負責將語音轉化為機器輸入的自動語音識別技術（ASR），以及將結果轉化為語音輸出的語音生成技術（TTS）。這兩項技術雖然聽著復雜，背后的技術原理也確實足以寫一本書，不過已經發展得較為成熟，人工智能方面有較為豐富的技術積累。

簡單來說，ASR負責將聲音轉成文本，而TTS則負責將文本轉成聲音。具體就不介紹了，市面上已經有太多類似的技術，譬如微信就有聲音轉文本，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應該沒有問題。

04 智能助理的大腦

最難也是最復雜的部分，就是實現智能語音助手的大腦，通常可以切分為三項獨立的任務，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，被譽為人工智能皇冠上的寶石，也是現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。現在NLP的扛把子叫Bert，各大頂會只要和NLP沾邊，都會現在肯定都會有一個占比頗重的環節，叫花式玩弄Bert。

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

NLU很好理解，人的語言和機器指令有個很大的不同點，就是前者屬于非結構化數據，而后者屬于結構化數據。非結構化數據機器是聽不懂的，必須轉化成結構化數據，機器才好理解和執行。那誰來扮演中介商呢？就是NLU。道理很好懂，但是實現很復雜，還有無數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將聲音轉成文本，當然，是非結構化文本，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，也就是形成機器能懂得結構化文本，交給下游環節處理。

NLU的下游環節就是DM，對話管理，名字起得有點莫名其妙，其實就干兩件事，一件事是狀態追蹤，解釋起來很復雜，不過可以簡單理解為根據上下文理解當前輸入的意思，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，輸入了結構化文本嗎？那根據這個輸入，咱得通過動作生成思考一下該回答啥，一般的機器知道回答個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，還得擴展擴展，也就是根據某個意思，“生成”一點文本內容，這就是NLG的工作。到了這一步，整條鏈子就串起來了。

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

不過，上面只是很淺顯地介紹了會話式人工智能技術，還有很多細節的問題，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交互》，里面系統地介紹了會話式人工智能的相關內容，想要更深入了解該技術的同學可以仔細閱讀。

關于作者：莫凡，網名木羊同學。娛樂向機器學習解說選手，《機器學習算法的數學解析與Python實現》作者，前沿技術發展觀潮者，擅長高冷技術的“白菜化”解說，微信公眾號“睡前機器學習”，個人知乎號“木羊”。

延伸閱讀《會話式AI：自然語言處理與人機交互》

點擊上圖了解及購買

轉載請聯系微信：DoctorData

推薦語：騰訊、阿里、國家標準委&AIIA人工智能專家多年大型項目經驗總結，詳解NLP和人機交互核心技術，從技術、算法、實戰3維度講解聊天機器人原理、實現與工程實踐。

劃重點????

干貨直達????

• 華為內部資料流出！揭秘華為數據湖：3大特點、6個標準、入湖流程
  

• 中臺的本質及中臺建設的4點思考
  

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

• 終于有人把大數據講明白了

更多精彩????

在公眾號對話框輸入以下關鍵詞

查看更多優質內容！

PPT?|?讀書?|?書單?|?硬核?|?干貨?|?講明白?|?神操作

大數據?|?云計算?|?數據庫?|?Python?|?可視化

AI?|?人工智能?|?機器學習?|?深度學習?|?NLP

5G?|?中臺?|?用戶畫像?|?1024?|?數學?|?算法?|?數字孿生

據統計，99%的大咖都完成了這個神操作

????

總結

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站內容還不錯，歡迎將生活随笔推薦給好友。