跟智能机器人聊聊天也可以很有趣,因为现在的智能机器人可以做到回答问题不死板,而且有大数据作为支撑,是天下大小事都知晓,跟机器人聊天不会和跟真人聊天这么多顾虑,所以跟智能机器人聊天是一个不错的消遣。 要先下载手机百度app,打开app后点击“我”,找到度秘打开。 在度秘界面,可以直接说话跟度秘聊天。 第一次和度秘聊天当然先要相互了解,我们的度秘虽然只是一个虚拟的智能机器人,但是也要心里对度秘有具体的形象。人机对话,是人工智能领域的一个子方向,通俗的讲就是让人可以通过人类的语言即自然语言与计算机进行交互。很多同学不清楚聊天、问答和任务驱动型对话有什么区别,相信读完这篇文章后会明白一些。
人机对话系统可以分为四个子问题:闲聊、任务驱动的多轮对话、问答和推荐。闲聊分别与问答和任务导向型对话都有交叉,所以实际应用基本上都包含多个子任务。其中,闲聊、问答和任务驱动的多轮对话都是用户先挑起话题,对话系统被动的进行响应。而推荐是对话系统主动向用户推送一些用户感兴趣的信息或服务。
在用户的话语并无明确的信息或服务获取需求的情况下,系统需要做出回应。闲聊在现有的人机对话系统中,主要起到拉近距离,建立信任关系,情感陪伴,顺滑对话过程的作用。
用户具有明确的目的,希望得到满足特定限制条件的信息或服务,例如:订餐,订票,寻找音乐、或某种商品等等。因为用户的需求可以比较复杂,可能需要分多轮进行陈述,用户也可能在对话过程中不断修改或完善自己的需求。此外,当用户的陈述的需求不够具体或明确的时候,机器也可以通过询问、澄清或确认来帮助用户找到满意的结果。
不同于信息检索根据用户的问题给出一个相关链接,问答系统直接给出精准的答案。问答系统和任务驱动的多轮对话最根本的区别在于系统是否需要维护一个用户目标状态的表示和是否需要一个决策过程来完成任务。目前,解决问答的方法可以划分为三种,基于信息检索的问答、基于知识图谱的问答和基于阅读理解的问答。
推荐系统根据历史聊天记录或者用户画像为用户主动推荐用户感兴趣的信息或者服务。
商业应用的人机对话系统根据应用的场景不同既可以是同时综合问答、闲聊、任务导向的多轮对话和推荐全部或部分任务的复杂系统,也可以是单纯解决其中一类问题的系统。例如大家熟知的苹果Siri、微软Cortana、百度度秘等语音助手类产品就是集合上述四类问题综合系统,但是主要研究发展任务导向型对话,其中Siri和Cortana的聊天功能并不能算开放域,而是人工为高频的问题编辑了对应的回答,当用户的聊天不在预先配置的范围内时,系统则回复“我听不懂”之类的固定答案。而度秘的开放域聊天则是应用了更先进的基于海量数据的检索式聊天技术。目前的智能客服类系统则多以解决问答和推荐类问题为主;微软小冰主要发展EQ,研究开放域聊天;而许多订票,订酒店类的对话系统则是任务驱动的多轮对话的典型应用。
[1] Li, F L, Qiu, M, Chen, H, Wang, X, Gao, X, & Huang, J, et al (2018) Alime assist: an intelligent assistant for creating an innovative e-commerce experience
[2] Chen, H, Liu, X, Yin, D, & Tang, J (2017) A survey on dialogue systems: recent advances and new frontiers Acm Sigkdd Explorations Newsletter, 19(2)
[3] >人机对话根据对话轮次,可分为单轮和多轮;根据对话目的,可分为任务型和闲聊型;
按应用场景可分为三类:
1) 单轮的问答系统
一问一答的形式,对用户的问题给出精准的答案。
如天猫的客服机器人介绍产品,退换货流程等信息,可取代有标准化答案的人工工作。
单轮对话只涉及简单的上下文处理,可通过指代消解和 query 补全来完成的。单轮对话的技术主要是信息检索,当问题有多个候选答案时还需要一个基于机器学习的排序系统。
问题可分为以下几种类型:
a) 事实型问题
如:天空为什么是蓝色的?
b) 列举型问题
如:美国历任总统
c) 定义型问题
如:什么是人工智能
技术原理(待补充)
2) 开放领域的聊天系统
如聊天机器人小冰、Siri、出门问问、科大讯飞、度秘等等,智能音箱的闲聊;
技术原理(待补充)
3) 特定领域任务驱动的多轮对话系统
如语音生活助手:订机票,酒店,查路线,查附近美食;
如订火车票,机票,酒店,这些日常生活领域,人们的需求目的是信息查询及订购。需要多轮交互,通过给用户提供选择,询问领域相关的限制条件,澄清或确认需求等手段,推理用户意图。所以
任务驱动的多轮对话不是一个简单的自然语言理解加信息检索的过程,而是一个决策过程,需要系统根据当前的状态决策下一步应该采取的最优动作。
技术原理(待补充)
欢迎分享,转载请注明来源:内存溢出
评论列表(0条)