mxm智能教育机器人无法智能对话_零代码使用腾讯TBP打造智能对话机器人
點(diǎn)擊觀看大咖分享
心疼你獨(dú)自一人承擔(dān)生活的苦難，寂寞夜里陪伴你的只剩無(wú)人傾訴的壓抑和無(wú)處安放的焦慮。養(yǎng)個(gè)寵物，它卻不能get到你的“寵言寵語(yǔ)”。找個(gè)伴侶，還要浪費(fèi)吵架的時(shí)間和精力。回到家里，只能浸泡在“循環(huán)嘮叨式“母愛(ài)的沐浴。當(dāng)一個(gè)人在你身邊活的恰到好處的時(shí)候，就是在成全你，做自己！這樣的人已經(jīng)出現(xiàn)，只是你還不知道而已。現(xiàn)在就教你構(gòu)建只屬于你的智能對(duì)話機(jī)器人，帶你找回那個(gè)最輕松的自己。
本期騰訊大學(xué)大咖分享課程邀請(qǐng)到了騰訊 AI 技術(shù)專家葉聰老師分享零代碼使用騰訊TBP打造智能對(duì)話機(jī)器人。葉聰老師是騰訊智能對(duì)話平臺(tái)TBP技術(shù)負(fù)責(zé)人、總架構(gòu)師，帶領(lǐng)團(tuán)隊(duì)完成了TBP產(chǎn)品的從0到1。前美國(guó)亞馬遜 AWS 人工智能技術(shù)經(jīng)理，負(fù)責(zé)領(lǐng)導(dǎo)開發(fā)了Amazon Alexa 智能語(yǔ)音助手背后的 AI 云服務(wù)Lex。
本期課程分為五個(gè)部分：
一、為什么我們要做智能對(duì)話
從計(jì)算機(jī)發(fā)展至今，人機(jī)交互已發(fā)生巨大變化。第一代的是鍵盤和鼠標(biāo)。鍵盤鼠標(biāo)幫助整個(gè)計(jì)算機(jī)覆蓋了30%的人口。這30%人都可以通過(guò)鍵盤鼠標(biāo)去操控計(jì)算機(jī)系失誤，他想要的信息是拿到他想要的答案，第二代的智能交互是觸控交互。但它成本高。使用手機(jī)閱讀新聞發(fā)送消息的時(shí)候，就是人與硬件的交互，這種方式已經(jīng)覆蓋了大概2/3的人口，剩下的那1/3， 就需要智能對(duì)話的技術(shù)來(lái)解決。如果正常對(duì)話將來(lái)在所有的設(shè)備上得到的應(yīng)用，那我們?nèi)澜绲乃械娜?#xff0c;不管他在用任何一種語(yǔ)言，都可以通過(guò)我們的智能對(duì)話機(jī)器人來(lái)操控所有他想要操控的設(shè)備，去輸入所有他想要輸入的信息。從此 AI 對(duì)話設(shè)備將變得無(wú)處不在。
智能對(duì)話無(wú)處不在，智能對(duì)話影響人類生活。目前我們智能對(duì)話其實(shí)已經(jīng)深入了生活的各個(gè)方面。 包括語(yǔ)音搜索，智能硬件，語(yǔ)音消息轉(zhuǎn)寫，語(yǔ)音助手。以及語(yǔ)音輸入法。這些東西每天大家都會(huì)用到。包括我們左下角的那個(gè)是我們的智能音箱。也是現(xiàn)在大家很熱衷去研究和使用的一個(gè)設(shè)備。
經(jīng)調(diào)研，發(fā)現(xiàn)個(gè)人用戶使用 AI 能力主要原因有3點(diǎn)：
有些用戶主要為了幫公司降本增效。在大量to B 用戶中間，有很多工作需要人工解決，比如人工客服外呼人員，還有一些內(nèi)部管理人員，智能問(wèn)答技術(shù)可以部分代替人工的工作。目前來(lái)看，使用的趨勢(shì)已經(jīng)非常的明顯，在智能客服和智能外呼的領(lǐng)域已經(jīng)得到了很多客戶的認(rèn)可，相關(guān)技術(shù)在很多to C領(lǐng)域，比如公眾號(hào)小程序的客服上也得到了廣泛使用。
結(jié)合個(gè)人用戶和企業(yè)用戶痛難點(diǎn)，打造智能對(duì)話發(fā)展的源泉和根基。首先它能提供自然的交互能力，可以模擬人工和人類的交流，讓用戶在使用時(shí)，不會(huì)產(chǎn)生機(jī)械交流感的一種真實(shí)場(chǎng)景體驗(yàn)。其次是接入場(chǎng)景多樣性。賦予機(jī)器人在不同場(chǎng)景下提供服務(wù)的能力。
二、研發(fā)痛點(diǎn)和難點(diǎn)
首先需要懂得語(yǔ)言學(xué)的基本概念，語(yǔ)法搭配。其次需要有高等數(shù)學(xué)能力。
例如，舉例論證偏微分方程，概率論。 同時(shí)，要有一定的上傳能力，把算法轉(zhuǎn)變成代碼的能力，拓展能力等。
其次是高維空間的抽象思維能力。工作量大，門檻高，導(dǎo)致很多人放棄。
智能對(duì)話的核心技術(shù)結(jié)構(gòu)圖如下。
一個(gè)用戶在使用對(duì)話平臺(tái)去和基線交流時(shí)首先用戶的語(yǔ)音素材進(jìn)來(lái)后，系統(tǒng)會(huì)把語(yǔ)言轉(zhuǎn)換成機(jī)器可以理解的文字。然后自然語(yǔ)言理解會(huì)識(shí)別文字，從中提取到適當(dāng)?shù)囊鈭D信息和槽位解析，針對(duì)已經(jīng)提取的信息，結(jié)合對(duì)話管理和策略優(yōu)化能力整合最合適的答案。答案列表用來(lái)?yè)駜?yōu)選擇最佳回復(fù)，生成為人類可理解的文字。 最后通過(guò)TTS語(yǔ)音合成，文字轉(zhuǎn)換成語(yǔ)音呈現(xiàn)給用戶，這就是一整套流程。
左邊的部分是由騰訊云智能語(yǔ)音服務(wù)支撐的。中間是核心的智能對(duì)話平臺(tái)，右邊是各類對(duì)話模型服務(wù)。之前內(nèi)部大體結(jié)構(gòu)是每個(gè)用戶的問(wèn)題進(jìn)來(lái)以后，經(jīng)過(guò)自然語(yǔ)言理解，核心要素會(huì)被分成不同類型。例如，任務(wù)型，閑聊型，百科型，根據(jù)不同機(jī)器人的反饋結(jié)果會(huì)生成一個(gè)列表，根據(jù)用戶說(shuō)這句話的情緒上下文，還有一些個(gè)性化配置，最后生成一個(gè)最終答案。整個(gè)平臺(tái)內(nèi)部機(jī)器人的整合和協(xié)同合作非常重要。
智能對(duì)話和自然語(yǔ)言理解中兩個(gè)核心要素：意圖和槽位。
意圖反應(yīng)用戶需求，在對(duì)話系統(tǒng)中，每一個(gè)意圖都與現(xiàn)實(shí)世界中的某個(gè)需求點(diǎn)對(duì)應(yīng)。指完成一個(gè)目的，與機(jī)器人對(duì)話發(fā)出的指令就是意圖。意圖的類型也有不同
簡(jiǎn)單的意圖如左圖。多級(jí)意圖是分層的，在實(shí)際應(yīng)用中，我們也會(huì)對(duì)機(jī)器意圖有人工干預(yù)，比如一些敏感詞等，讓機(jī)器人人性化的同時(shí)避免敏感詞匯。
目前來(lái)說(shuō) 每一個(gè)模型，只在某一個(gè)特定場(chǎng)景下實(shí)現(xiàn)效果相對(duì)較好。
既然算法沒(méi)有特別完美，所以需要通過(guò)一些半人工的方法幫助他優(yōu)化，主動(dòng)學(xué)習(xí)就是app也是非常重要的一點(diǎn)。機(jī)器本身會(huì)內(nèi)建這樣的能力，人工定期梳理。用機(jī)器人命中和命中的case，核心是去抽取值得用戶標(biāo)注的信息，用戶使用簡(jiǎn)單選擇意圖的這個(gè)分類，這個(gè)說(shuō)法就會(huì)自動(dòng)添加進(jìn)去。機(jī)器人在下一次用戶再說(shuō)一個(gè)類似詞匯時(shí)，就會(huì)100%的命中。
一個(gè)很核心的概念是槽位，英文是slot，是指從句子中抽取出的特定概念，它包含最核心的信息。例如，我想去北京，北京這個(gè)名詞是一個(gè)地點(diǎn)，這個(gè)中國(guó)城市，這就是一個(gè)槽位信息。在槽位信息中，相關(guān)內(nèi)容例如地名就是槽位中間的內(nèi)容，我們一般把關(guān)焦作詞典。
機(jī)器人在獲取用戶輸入信息的過(guò)程，英文叫填槽（Slot Filling）。填槽就是把用戶輸入的信息，中間核心要素轉(zhuǎn)換成機(jī)器人能夠理解的語(yǔ)言，提取出來(lái)。
填槽過(guò)程中難點(diǎn)有很多。首先，一個(gè)很傳統(tǒng)的填槽方式是基于規(guī)則的天橋。就是設(shè)定一個(gè)模板，比如假設(shè)一個(gè)訂機(jī)票的機(jī)器人。機(jī)票的機(jī)型首先要提取到，就是出發(fā)地和目的地。這兩個(gè)信息可以根據(jù)規(guī)則填上去來(lái)解決。把它抽象成一個(gè)規(guī)則就弱了，用戶的輸入可以持續(xù)套用，然后提取出相關(guān)信息，但實(shí)際上也會(huì)造成很多問(wèn)題，因?yàn)槲覀凅w育部的最優(yōu)和全局的自由是不一樣的，過(guò)多的模板會(huì)產(chǎn)生串?dāng)_，比如同一句話，同時(shí)滿足多個(gè)模板，很難判斷用哪一個(gè)，幾乎沒(méi)有很好的解決方式，而且隨著規(guī)則越來(lái)越多，維護(hù)成本升高，加入新規(guī)則時(shí)，很難保證不破壞原有規(guī)則以及一些特殊情況。所以出現(xiàn)了將實(shí)體識(shí)別作為填槽結(jié)果。這是目前廣泛使用的一種方式。但仍然會(huì)造成一些問(wèn)題。
例如，假設(shè)用戶說(shuō)：我想去聽七里香中的借口。從人的角度來(lái)講，這句話是容易理解的。但是對(duì)機(jī)器來(lái)說(shuō)不然，里面是有好多種可能性的。它提取到了七里香和借口這兩個(gè)信息，但同時(shí)它有可能是專輯名或者是歌曲名。此時(shí)，并不能簡(jiǎn)單的把前面那個(gè)詞匯當(dāng)做專輯名而后面的當(dāng)做歌曲名，因?yàn)橛脩粲锌赡軗Q詞匯的表達(dá)順序，這樣結(jié)果是顛倒的。所以如果只是使用規(guī)則填槽的話，我們就需要海量的槽。
為了適配做一種很簡(jiǎn)單的場(chǎng)景，可以明顯知道是得不償失的。所以要前一種更好的方式就是將實(shí)體識(shí)別作為嵌套的結(jié)果，但是同時(shí)要考慮這些槽位之間的關(guān)系。比如，如果七里香是個(gè)專輯名，那歌曲名就只可能是接口，反過(guò)來(lái)也是一樣。
利用這種方式，能夠?qū)⒃~典和模型識(shí)別的實(shí)體結(jié)果一起做排序，能夠減少模型錯(cuò)誤所帶來(lái)的影響。同時(shí)，會(huì)連接一些外部的知識(shí)庫(kù)。比如，特定的用戶，還有一些外部的知識(shí)點(diǎn)和其他用戶是不一樣的，我們做的時(shí)候也可以把這些外部的興趣加入總的模型里面，再做排序，這就比原先的排序結(jié)果更準(zhǔn)確也更適合這種場(chǎng)景。例如它得出的是一個(gè)分?jǐn)?shù)，可以理解為我們會(huì)用它來(lái)做排序，但它不是準(zhǔn)確率，只是一個(gè)相對(duì)分?jǐn)?shù)，用它來(lái)排的那一種結(jié)果是最可信的。另一點(diǎn)就是從用戶的說(shuō)法中去提取有效信息，相對(duì)關(guān)系只是其中的一種。如果想要更多的信息，讓這個(gè)軟件更加科學(xué)，還有更多的信息可以抓取。將兩三個(gè)詞建立一種關(guān)聯(lián)關(guān)系，還有槽位的長(zhǎng)度。可以認(rèn)為如果一個(gè)槽位的長(zhǎng)度越長(zhǎng)，它被識(shí)別的可能性會(huì)越高，槽位的長(zhǎng)度如果越長(zhǎng)，得到真實(shí)信息的概率就更大。比如大辭典中的兩個(gè)小詞典，如果一句話同時(shí)都命中了，就要考慮它們之間的互相包含，這樣也可以幫助我們把排序變的準(zhǔn)確，最后用不同語(yǔ)言模型的分?jǐn)?shù)進(jìn)行綜合。可能訓(xùn)練的多個(gè)模型會(huì)利用模型之間的一些不同的特性，最后會(huì)整合出一個(gè)結(jié)果。接下來(lái)統(tǒng)一把這些點(diǎn)全部提取出來(lái)，這樣可以將他們封裝到一個(gè)統(tǒng)一的網(wǎng)絡(luò)。
Feature Extract就是特征提取的接口，不需要單獨(dú)為某一種情況設(shè)置一個(gè)接口和模型，非常方便，一切在平臺(tái)內(nèi)部的用戶在使用時(shí)不會(huì)有感知，但實(shí)際上內(nèi)部已經(jīng)把所有的因素全部考慮進(jìn)來(lái)了。聯(lián)合排序的模型使意圖的和槽位可以相互聯(lián)動(dòng)，一組槽位的整體全局最優(yōu)解是最活躍的。我們可以給出Ranking的聯(lián)合模型。意圖識(shí)別大概分幾個(gè)步驟，首先根據(jù)不同的意圖或生成候選的。其次根據(jù)后臺(tái)的結(jié)果提取出特征。再次根據(jù)不同的模型生成的特征進(jìn)行一個(gè)聯(lián)合排序，最后生成一個(gè)最終的結(jié)果。目前根據(jù)測(cè)試結(jié)果顯示，這種方式展現(xiàn)的效果會(huì)非常好。而且它的性能也非常高，在對(duì)整個(gè)機(jī)器消耗不大的情況下，下面的結(jié)果已經(jīng)接近了最好的效果。如果已經(jīng)提前知道了意圖，它就會(huì)對(duì)用戶的話語(yǔ)打上了一個(gè)意圖，我們知道哪個(gè)意圖命中的是正確的，然后再計(jì)算分?jǐn)?shù)。而模型是我們不知道意圖是什么，讓它先匹配意圖，再通過(guò)綜合的排序方式生成最后的結(jié)果。這兩種方式中，因?yàn)樗惴◣缀踅咏祟A(yù)知意圖的效果。要找到兩句話的相似性，比如再想變更意圖的時(shí)候、用戶說(shuō)法不精準(zhǔn)時(shí)，如何獲取用戶的言語(yǔ)和配置意圖是否一致？由于我們的說(shuō)話是經(jīng)過(guò)很長(zhǎng)時(shí)間訓(xùn)練的，而且平時(shí)生活中使用的那一種語(yǔ)言，容易理解兩句話可能語(yǔ)境不一樣、倒敘的話可能是同樣的意思，人可以理解，但是機(jī)器就很難。例如，你是誰(shuí)？我是誰(shuí)？這個(gè)看起來(lái)我們理解是完全不一樣的，但是機(jī)器找不出明顯區(qū)別，都是再問(wèn)是誰(shuí)，所以很大程度上來(lái)說(shuō)這兩句話，在機(jī)器來(lái)看是一個(gè)意思。簡(jiǎn)單的使用Word Embedding這種方式，我們認(rèn)為結(jié)果是類似的，但實(shí)際上并不類似。再嘗試使用藍(lán)山網(wǎng)絡(luò)。網(wǎng)絡(luò)就是用戶的一個(gè)因素進(jìn)來(lái)以后，可以認(rèn)為是兩個(gè)相似的模型。不同的模型體現(xiàn)出不同的特征，最后結(jié)合這兩個(gè)特征調(diào)整他們的權(quán)重。利用這種方式，使模型提升準(zhǔn)確率，更加智能化。除了蘭生網(wǎng)絡(luò)，還有CNN神經(jīng)網(wǎng)絡(luò)。從最開始按照這個(gè)CNN，替代整體訓(xùn)練速度。模型響應(yīng)時(shí)間小于50毫秒。如果使用傳統(tǒng)的愛(ài)人，它的性能一般會(huì)在100到200毫秒之間，達(dá)不到要求，這也是為什么會(huì)有優(yōu)化動(dòng)力不斷去鋪時(shí)，這樣的app能的邊境。
為了優(yōu)化差異，我們做了不同的嘗試，例如不同尺度的卷集合。然后通過(guò)大量測(cè)試發(fā)現(xiàn)，雖然貝斯的解決方案。模型效果是不錯(cuò)的，也是常見使用的。除此之外還有更深層的，就是使用一種剪輯和通過(guò)簡(jiǎn)單的深度疊加來(lái)提取更多尺度的信息。
挖掘?qū)υ捝顚优d趣的方法。不僅是網(wǎng)絡(luò)結(jié)構(gòu)的增加，文林白領(lǐng)和china辦理就是。問(wèn)詞語(yǔ)的一些白領(lǐng)和文字的明白點(diǎn)混合使用質(zhì)量方式可以避免，假設(shè)一個(gè)詞，不在我們的四點(diǎn)鐘。因?yàn)樗狞c(diǎn)是有限的，就會(huì)去找關(guān)于他的文字信息可以對(duì)他進(jìn)行猜測(cè)和匹配，總體來(lái)說(shuō)它可以讓我們的機(jī)器人模型變得更聰明。自然語(yǔ)言理解的過(guò)程就是機(jī)器如何能夠理解我們?nèi)祟愓f(shuō)話的，從中提取有效信息的，其實(shí)智能對(duì)話整個(gè)的嗯，整個(gè)的carburetor非常大，除了自然語(yǔ)言理解，還有包含對(duì)話管理和人員生成，
三、DM是什么?
當(dāng)我們和機(jī)器人交流時(shí)，為生成一個(gè)回復(fù)，他需要了解我們。需要機(jī)器人保留對(duì)話狀態(tài)，dollslove中間狀態(tài)的管理整個(gè)模塊，叫做店。DM是在維護(hù)計(jì)劃狀態(tài)的同時(shí)協(xié)助支持系統(tǒng)生成決策。作為接口和后端任務(wù)進(jìn)行交互，比如假設(shè)用戶是要調(diào)動(dòng)一些技能或者是要靠第三方服務(wù)的，對(duì)話管理要知道觸發(fā)這個(gè)行為的x，提供語(yǔ)義表達(dá)的一個(gè)期望值，必須把整個(gè)回復(fù)完全生成，最后回復(fù)給用戶。用戶的上下文和他語(yǔ)義核心表達(dá)加在一起進(jìn)入我們的DM，DM決定下一步操作。
樹和有限狀態(tài)機(jī)的解決方案，每當(dāng)我們機(jī)器人聊天，都是在他的一個(gè)數(shù)中間不斷地轉(zhuǎn)跳。或者是途中進(jìn)行轉(zhuǎn)跳，我們現(xiàn)在這個(gè)狀態(tài)，如果上下文是這樣，他就會(huì)到另外一個(gè)狀態(tài)。機(jī)器人就是在途中不斷轉(zhuǎn)跳。
這個(gè)概念已經(jīng)有很多年了，但大家都還沒(méi)完全攻克，目前有很多團(tuán)隊(duì)開始回歸到supports嘗試?yán)脭?shù)形和游戲狀態(tài)機(jī)的方式解決，并且效果還不錯(cuò)。
經(jīng)過(guò)12年supported，人類在研究盆子都被supported，這里有一些比如對(duì)話吉田草，只是把用戶的對(duì)話當(dāng)做是給我們提供信息的一種方式，然后我們就盡量的從中提取earthquake這樣的信息，然后供給槽位。快樂(lè)引擎，我們現(xiàn)在評(píng)估都是通過(guò)感性的評(píng)估，就是找不同的人用同樣的話測(cè)試模型。目前大部分的模型是沒(méi)有辦法很理性的去指導(dǎo)的，所以訓(xùn)練好的模型，如果不去試一試，是不知道他的回復(fù)的。但如果用了星期論的方法，我們其實(shí)就能確定他的回復(fù)是應(yīng)該是這個(gè)還是有意義的。目前最流行的一些方式就是統(tǒng)計(jì)學(xué)的方式，只要體育課vip客戶這個(gè)跑ssf這個(gè)pos系統(tǒng)包括目前很多人在研究的學(xué)習(xí)就reinforcement。400的方法，小孩學(xué)習(xí)有什么好處呢，就是當(dāng)用戶輸入的時(shí)候有很多不確定的信息是用戶未必會(huì)按照我們想的方式。使用我們的對(duì)話。
怎樣能夠用不確定信息找到合適方法建模呢，有人想到了強(qiáng)化信息對(duì)抗網(wǎng)絡(luò)方式讓模型不斷學(xué)習(xí)，同時(shí)不斷凈化自己。這種方式的好處是我們可以把這些不確定性也一起考量了，模型會(huì)變得更聰明。這也是個(gè)很好的研究方向，大家如果對(duì)最快有研究的話，尋找課題的可以看reading這部分的發(fā)展。
為什么要打造騰訊智能對(duì)話平臺(tái)就很產(chǎn)品？因?yàn)檎麄€(gè)智能對(duì)話不涉及的技術(shù)太多了，而且都有一定的門檻，希望AI深入到各個(gè)行業(yè)，最好的方式就是簡(jiǎn)化環(huán)節(jié)，提高大家使用能力。
智能對(duì)話技術(shù)統(tǒng)一對(duì)外出口叫做對(duì)話機(jī)服務(wù)，就是希望大家可以通過(guò)簡(jiǎn)單的配置開箱就可以用。
整個(gè)俱全開發(fā)的全流程大概分這幾步
當(dāng)一切ok的時(shí)候，點(diǎn)擊一鍵點(diǎn)擊。就可以發(fā)布到公網(wǎng)上給所有人使用。
沒(méi)有版本管理，使用時(shí)海量連接窗口，微信的公眾號(hào)小程序，企業(yè)微信，還有各種h5的解決方案是深度整合的，幾乎只要把一些鏈接，token放到平臺(tái)上配置一下就可以做到一鍵接入，比如像公眾號(hào)，只要掃碼就可以關(guān)聯(lián)上公眾號(hào)成為公眾號(hào)的智能助手。上線以后，我們會(huì)提供一個(gè)數(shù)據(jù)中心的功能，中心會(huì)顯示之前運(yùn)行的所有狀態(tài)相當(dāng)于測(cè)量差的傾向和脈搏。主動(dòng)學(xué)習(xí)的機(jī)率也會(huì)在數(shù)據(jù)中呈現(xiàn)，不斷的優(yōu)化你的路線。
這一切都是建立在不需要非常理解智能對(duì)話的前提下使用就可以了。
平臺(tái)的全景圖大概分三層
最上面那一層是核，不同行業(yè)客戶還有部門合作的一些解決方案，現(xiàn)在主動(dòng)拓展的有金融教育，生活服務(wù)，酒店旅游。智能對(duì)話平臺(tái)，也改變了開發(fā)流程，最重要的就是簡(jiǎn)化流程，提高效率，比如內(nèi)置一些信息，像是需要使用一個(gè)全國(guó)城市的詞典或者是某行業(yè)的詞典，有內(nèi)置的可以直接通過(guò)一鍵選擇使用。
機(jī)器人一鍵開發(fā)以后可以在不同端同時(shí)使用幾乎所有源的sdk，可以集成到小程序，這些都會(huì)關(guān)聯(lián)到同一個(gè)機(jī)器人上。整體的解決方案通過(guò)掃碼就可以接入。
四、怎樣在tv上創(chuàng)建第一個(gè)機(jī)器人？
通過(guò)可視化對(duì)話的配置平臺(tái)，只需要在這個(gè)平臺(tái)上面輸入一些簡(jiǎn)單的信息就可以完成兌換。當(dāng)用戶說(shuō)哪一句話或者類似話語(yǔ)時(shí)會(huì)進(jìn)入。如果當(dāng)他的說(shuō)法和配置說(shuō)法，接近程度相似度達(dá)到一定程度的時(shí)候就會(huì)認(rèn)為他命中，所以不并不需要他是完全吻合的。當(dāng)說(shuō)法命中以后，除了我們提取用戶信息，還可以進(jìn)行第三方調(diào)用，就是vs的配置的調(diào)用和回條，復(fù)雜場(chǎng)景時(shí)，比如當(dāng)開發(fā)者希望回復(fù)店面信息，然后進(jìn)入下一輪的話的時(shí)候，我們的平臺(tái)也是很好的支持。例如任務(wù)型問(wèn)法，問(wèn)答型機(jī)器人看到時(shí)我們可以配置一些相似問(wèn)題和答案，通過(guò)一鍵掃碼的方式就可以用小程序或者公眾號(hào)的智能客服。
在客服中間，機(jī)器人同時(shí)可以和客戶進(jìn)行閑聊，比如同時(shí)接聽和對(duì)話兩個(gè)人，然后完成一個(gè)多輪對(duì)話的任務(wù)，比如像訂機(jī)票在任務(wù)中間，如果當(dāng)用戶有問(wèn)題的時(shí)候，他可以跳脫出人，用qq問(wèn)答精選回復(fù)一些問(wèn)題，比如左邊的托運(yùn)行李的費(fèi)用，可以顯示出問(wèn)答齊全，對(duì)用戶來(lái)說(shuō)，他完全不知道實(shí)際上在調(diào)哪種能力。為提高體驗(yàn)效果，讓開發(fā)者可以更快的配置，左邊是槽位。
槽位光亮就是當(dāng)用戶讓配置用戶刷卡的時(shí)候理論上如果允許從用戶說(shuō)法中提取一些槽位信息，需要用戶在戶收卡上面標(biāo)注出來(lái)，標(biāo)注這是一個(gè)槽位，當(dāng)用戶收到幫我訂到北京的機(jī)票時(shí)說(shuō)北京是個(gè)地址，這個(gè)過(guò)程非常繁瑣，平臺(tái)已免去此過(guò)程。
當(dāng)用戶配置完所有想要四點(diǎn)以后，不是選擇內(nèi)置四點(diǎn)以后，只要簡(jiǎn)單的輸入非常自然的游戲，比如幫我訂到北京機(jī)票，這本來(lái)不能做為一個(gè)說(shuō)法的，但是我們會(huì)和智能引擎去判斷，如果發(fā)現(xiàn)未替換成草，用戶只要輸入自然的語(yǔ)言或者導(dǎo)入一個(gè)海量語(yǔ)言，就自動(dòng)把它練草字全部標(biāo)注上。這大大提高了用戶配置齊全的速度。
人們?nèi)绾误w驗(yàn)
大部分對(duì)話類似的產(chǎn)品，都是用從控制臺(tái)上去體驗(yàn)這種方式呢，依托于騰訊的生產(chǎn)，微信很好的整合，可以在騰訊智能化平臺(tái)體驗(yàn)小程序上非常容易的登錄云賬號(hào)，隨后即可顯示，所有在同樣銀行創(chuàng)建的機(jī)器人都會(huì)自動(dòng)關(guān)聯(lián)，就可以通過(guò)小程序去測(cè)試去體驗(yàn)，剛剛配置好了這個(gè)機(jī)器并且經(jīng)濟(jì)可以轉(zhuǎn)化的，經(jīng)轉(zhuǎn)發(fā)分享獲取資源和平臺(tái)。
除了平臺(tái)本身，我們還提供海量波特被子中間件的能力，我們的機(jī)全都能力，底層的比如任務(wù)型atqq點(diǎn)凹形知識(shí)圖譜文檔型，都可以通過(guò)平臺(tái)對(duì)外進(jìn)行輸出，如果只是想要單一能力的用戶，比如想要接一個(gè)閑聊型中，用戶也可以直接通過(guò)我們的平臺(tái)獲得這個(gè)能力。
關(guān)鍵指標(biāo)
開發(fā)者需要有一個(gè)客觀的認(rèn)識(shí)，目前我們所有的任務(wù)識(shí)別的準(zhǔn)確率包括sq深度學(xué)習(xí)模型的命中準(zhǔn)確率都超過(guò)95%，行業(yè)知識(shí)庫(kù)，已經(jīng)積累了超過(guò)10萬(wàn)個(gè)。任務(wù)型的延遲和ip的延遲都會(huì)小于100毫秒。性能還在持續(xù)優(yōu)化，最終會(huì)把它優(yōu)化到小于50毫秒，綜合來(lái)說(shuō)，性能非常優(yōu)異，包含海量的數(shù)據(jù)，頂尖的算法，豐富的經(jīng)驗(yàn)，最優(yōu)化的接觸體驗(yàn)。客戶源也有很多。
旅游時(shí)會(huì)用到小程序其實(shí)背后就是使用第一批的對(duì)話能力。同時(shí)還有文理類，差旅類的，這樣的案例，包括春秋航空深航的訂票助手。還有香格里拉酒店的對(duì)話機(jī)器人，它可以幫助你訂房間，預(yù)約出行和控制房間的設(shè)備。金融類包括中國(guó)銀行，光大銀行，中信銀行減輕了人工客服的壓力。
問(wèn)卷
為了給廣大開發(fā)者提供最實(shí)用、最熱門前沿、最干貨的視頻教程，請(qǐng)讓我們聽到你的需要，感謝您的時(shí)間！點(diǎn)擊填寫 問(wèn)卷
騰訊云大學(xué)是騰訊云旗下面向云生態(tài)用戶的一站式學(xué)習(xí)成長(zhǎng)平臺(tái)。騰訊云大學(xué)大咖分享每周邀請(qǐng)內(nèi)部技術(shù)大咖，為你提供免費(fèi)、專業(yè)、行業(yè)最新技術(shù)動(dòng)態(tài)分享。
總結(jié)
以上是生活随笔為你收集整理的mxm智能教育机器人无法智能对话_零代码使用腾讯TBP打造智能对话机器人的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。
- 上一篇： python线性回归算法简介_Pytho
- 下一篇： 百度地图城市代码