最具“情商”的新一代智能机器人来了！能读懂上下文

也许你也有过这样的经历，向智能客服咨询问题，却陷入毫无进展的对话里：

-你们家的面膜都是纯天然的?

-亲亲，我们家的面膜都是芦荟精华提取，纯天然的哦~

-我皮肤有点干，推荐一款呗~

-冬天皮肤干燥推荐给亲亲我们的保湿精华乳~

-我是要买面膜，你是机器人吧，让人来说话。

作为顾客，此时你大概要叹一句“人工智能真不智能”。这些所谓“智能”客服们往往只能做到一问一答，一旦对话涉及稍微复杂的情境，它们就开始答非所问。

让人工智能学会根据上下文去处理信息，是自然语言处理技术一个关键的门槛，也是多年来整个学术界和工业界都在努力攻克的难题。尽管在通用NLP领域，gpt-2，BERT等算法模型的出现，让语义理解取得了重大进展，但是由于专业性强、垂直语料库不足等原因，某些亟待落地的应用场景，例如高强度的客服对话，还深陷在开头出现的“人工智障”泥潭中。

最近，这个难题迎来了新进展。晓多科技(下称“晓多”)开发的基于上下文的语义识别项目，以深度学习的方式，让智能问答机器人能够像人类一样，结合语境去理解复杂场景下的对话，并且进行持续的自我学习，无需人工设置规则，也能不断扩展和覆盖更多的场景。

从一问一答到读懂语境

为什么人工智能会有这些“不智能”的表现?这是因为目前市面上主流的智能问答机器人，大部分都是根据单个句子来识别顾客的意图，从而进行一问一答的任务型对话。但在日常聊天对话中，我们习惯口语化表达，尤其在打字时，一般不会大段大段地发送，而会使用很多断句，这种零碎的表达使得机器人无法从单个句子中准确识别出你的真实意图，造成答非所问的情况。

这对于服务业来说是一个致命伤。

和普通的闲聊机器人不同，智能客服必须做到对各种场景的精准识别。因为智能客服面对的工作，是要及时地、明确地解决顾客的问题。

当你和闲聊机器人逗趣的时候，它答非所问的话并不会让你烦躁，反而觉得很有趣味;但当你只想赶紧退货或者得到赔偿时，智能客服的胡言乱语足够让烦躁的顾客给这家店铺打上0星，并在评论区洋洋洒洒好几百字，控诉店铺服务不到位。

在商品售前阶段也是这样，智能客服错误的回复或答非所问，都会影响顾客的体验度，平台商家竞争激烈的情况下，得不到满意答复的顾客可能会很快放弃，选择另外一家店铺，从而造成顾客的大量流失。

单句识别与上下文识别的差别

解决这一问题的关键，在于要让机器人像人一样，学会联系上下文，结合语境来对话，而不仅仅对单个句子作出反应。

目前市面上其他机器人都不支持上下文语义，他们是在靠规则和流程设置关键词。也就是说，这个情景中需要什么信息，就要设计出对应的问题，让机器人按照固定的顺序提问，顾客按照要求回答完所有问题，机器人才能根据所有信息来进行回应。

例如，顾客要购买飞机票，就要设定机器人首先询问顾客起点、终点、时间，再问顾客想要什么等级的座位等等，通过这些固定问题的答案，把需要的信息补充完整，最终给出推荐。

在这种情况下，每一个场景都需要人工去设定对应的规则，效率十分低下。尤其在电商领域，从售前到售中，再到售后，涉及到的问题是方方面面的，更别说还有购物品类的区别，场景的扩展是指数级的，靠人工设定规则去做到全覆盖，说是天方夜谭也不为过。

如果能够将目前人工智能领域大热的深度学习应用到这一问题的解决上，让机器人能够通过自己学习，掌握基于上下文的语义理解，并持续学习扩展到各个场景中，就可以大大地提高智能机器人面对复杂场景的精准应对能力，同时提高它覆盖各种场景的效率。怀着这样的想法，晓多开始了上下文语义项目。

让机器人自己“划重点”：记住重要信息，忘记不重要的

机器人自己学会理解上下文，困难在哪里?晓多算法工程师、本次上下文语义项目的负责人张翀向大数据文摘介绍，最关键的问题在于要让机器人像人一样记得上文的重要信息，并且知道这些信息和当前问句的关联。

在这个问题上，目前学术界和业界并没有现成的解决方案。对此，张翀介绍，晓多为新一代问答机器人创新设计了一个深度学习模型，包含四个模块：记忆与遗忘、提炼、融合、输出。

记忆与遗忘模块赋予机器人记住上文关键信息的能力。没有记忆能力的机器人，只会对最近的一句话作出反应，而晓多的模型可以帮助机器人把前后的诉求关联起来，及时作出准确的推荐。

点击图片查看详细内容

在技术上，晓多做出了一个此前业界还没有实现过的创新应用，参照一个名叫长短期记忆网络(LSTM)的结构，设计实现会话级别的记忆和遗忘。

晓多的又一创新，是应用于提炼模块的注意力机制。它会自动对上文的每一条信息进行计算，算出这些信息与当前句子对应的重要程度，重要程度高的，就会被保留下来。

假如顾客得到了满意的产品推荐之后，又提出“什么时候发货”的问题，注意力机制通过计算，就会发现上文的重要程度并不高，这样，无用的信息就会被过滤，与当前对话有关联的上文信息被选取出来，进入下一个模块中。

在融合模块中，机器人会对提炼出的上文关键信息和当前聊天消息结合，来识别顾客的意图。晓多采用的方式是在向量空间做梳理，简单来说，可以理解为提取上文关键信息是在机器人大脑内部的一个操作，这之后，再在一个抽象的空间里，把提取出来的关键信息与当前的单句进行综合，最终输出一个结合上文信息和当前单句所做出的判断。

（编辑：应用网_阳江站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!