編輯導(dǎo)語：隨著科技的進(jìn)步和普及，AI 產(chǎn)品逐漸走進(jìn)了大眾的視野，從手機(jī)語音助手到各類智能音箱，AI 技術(shù)不僅方便了我們的生活，還逐漸改變了我們的習(xí)慣。本文作者在做了20+個(gè)AI多輪對(duì)話項(xiàng)目后，為我們總結(jié)了這篇文章。

在AI走進(jìn)大眾視野的這幾年，我們或多或少的都會(huì)接觸到一些AI的產(chǎn)品，你去咨詢天貓客服，一開始肯定是個(gè)機(jī)器人接待你的；你接到一個(gè)電話問你是否需要買保險(xiǎn)、辦信用卡或貸款，可能對(duì)方就是一個(gè)機(jī)器人；當(dāng)然最常見的就是智能音箱。

以天貓精靈為例：

• 用戶：天貓精靈
• 天貓精靈：主人，您說
• 用戶：放一首逃跑計(jì)劃的《夜空中最亮的星》
• 天貓精靈：好的，馬上為您播放這首好聽的歌。

看起來很不錯(cuò)的樣子，但是如果用戶接著說“幫我換成新褲子的《沒有理想的人不悲傷》”。

不好意思，這時(shí)天貓精靈是不會(huì)響應(yīng)你的。因?yàn)樘熵埦`在上一輪回復(fù)完用戶的話之后，就結(jié)束了對(duì)話。想要再次跟她對(duì)話，必須喊“天貓精靈”再次喚醒后，才能繼續(xù)對(duì)話。

以上這種每次只能進(jìn)行一輪對(duì)話的模式，我們稱之為“單輪對(duì)話”。其實(shí)目前大多數(shù)機(jī)器人都是單輪對(duì)話的模式。比如說閑聊：

• 用戶：你好
• 機(jī)器人：你也好呀
• 用戶：我今天很開心
• 機(jī)器人：看到你這么開心，我也是很開心呀
• 用戶：我相信我的明天會(huì)更好
• 機(jī)器人：你是最棒的，加油
• …….

這里可能你又會(huì)問了，這不是連續(xù)的對(duì)話嗎，怎么會(huì)是單輪呢？

是的，因?yàn)檫@些對(duì)話，每一輪之間都是相互獨(dú)立，上下文之間沒有關(guān)聯(lián)關(guān)系，我們暫時(shí)稱之為單輪對(duì)話。與單輪對(duì)話相對(duì)的概念是多輪對(duì)話。

舉例：

• 用戶：幫我訂個(gè)去深圳機(jī)票
• 機(jī)器人：請(qǐng)問您哪里出發(fā)呢？
• 用戶：上海出發(fā)
• 機(jī)器人：好的，上海出發(fā)，那您要幾點(diǎn)出發(fā)呢
• 用戶：明天晚上8點(diǎn)左右
• 機(jī)器人：好的，為您找到明天晚上8點(diǎn)左右，從上海到深圳的機(jī)票有這些。
• …….

是的，這就是多輪對(duì)話，也是本文主要討論的內(nèi)容。如果說NLP是AI界皇冠上的明珠，那么多輪對(duì)話就是NLP界皇冠上的明珠。由此可見多輪的話的江湖地位。

由上面例子，跟單輪對(duì)話的對(duì)比，引出了對(duì)多輪對(duì)話的定義。

一、什么是多輪對(duì)話

1. 多輪對(duì)話的定義

定義：根據(jù)上下文內(nèi)容，進(jìn)行連續(xù)的，以達(dá)到解決某一類特定任務(wù)為目的的對(duì)話。

這里有3點(diǎn)：

1. 上下文：機(jī)器人的每次出話，都是跟上文有強(qiáng)關(guān)聯(lián)關(guān)系的；
2. 連續(xù)性：一個(gè)完整的對(duì)話內(nèi)可進(jìn)行多次連續(xù)的對(duì)話交互；
3. 某一類特定問題：這里主要是限定下討論范圍，討論的是一個(gè)封閉域內(nèi)的問題，一個(gè)完整的對(duì)話，只負(fù)責(zé)處理一個(gè)特定的任務(wù)。比如說訂機(jī)票是一個(gè)特定的任務(wù)；訂外賣是一個(gè)特定的任務(wù)；查天氣也是一個(gè)特定的任務(wù)。

2. 多輪對(duì)話跟機(jī)器人的關(guān)系

多輪對(duì)話跟機(jī)器人的關(guān)系圖：

通常來說，一個(gè)全能型的對(duì)話機(jī)器人是由很多個(gè)類型的機(jī)器人組成的，比如說閑聊機(jī)器人、任務(wù)機(jī)器人、問答機(jī)器人。而一個(gè)任務(wù)機(jī)器人內(nèi)又可以包含多個(gè)多輪。

3. 多輪對(duì)話和多輪對(duì)話平臺(tái)的關(guān)系

那怎么來實(shí)現(xiàn)多輪對(duì)話呢？市面上各大廠家的做法是開發(fā)一個(gè)用于構(gòu)建多輪對(duì)話的平臺(tái)。有了這樣的平臺(tái)，你就可以構(gòu)建出你想要的對(duì)話流程。

多輪比較擅長(zhǎng)處理的兩類經(jīng)典任務(wù)：

1. 分類任務(wù)（如上左圖），用戶的表達(dá)屬于分支的哪一類，每一類應(yīng)該走什么分支。
2. 信息收集/查詢類任務(wù)（如上右圖），需要向用戶收集哪些必要信息，如查航班，需要收集出發(fā)地、目的地、出發(fā)時(shí)間3個(gè)必要信息。

如果把多輪對(duì)話比作一輛汽車的話，那多輪對(duì)話平臺(tái)就是一個(gè)組裝車間，底層的各類AI工具，就相當(dāng)于汽車的零部件，因此我們可以在對(duì)輪對(duì)話平臺(tái)內(nèi)，用各種的工具，來組裝出你想要的對(duì)話邏輯。

這里你可能想說，這個(gè)哪里智能了，不就是我們實(shí)現(xiàn)定義好的流程嗎？是的，它確實(shí)并沒有你想象中的那么智能，沒有你想象中的那樣通過大量的數(shù)據(jù)就能自己學(xué)習(xí)出一個(gè)流程，也沒你想象中的那樣機(jī)器可以自己生成新的答復(fù)話術(shù)。

但是它確實(shí)能解決很多工業(yè)上的問題，特別是一些比較固定的流程，比如說：

• 電銷，機(jī)器人詢問用戶是否感興趣；這里機(jī)器人最重要的事情不是促成下單，而是篩選有意向的用戶。比如說用戶說感興趣，甚至是跟機(jī)器人多聊幾句，就會(huì)被標(biāo)識(shí)為感興趣，然后后面就會(huì)有人工客服來跟進(jìn)了。
• 自助服務(wù)，傳統(tǒng)的IVR是通過按鍵的形式來識(shí)別用戶的意圖的（充值服務(wù)請(qǐng)按1，業(yè)務(wù)辦理請(qǐng)按2…..），那智能機(jī)器人可以直接識(shí)別并理解用戶的自然語言來提供服務(wù)（如用戶可以直接說：我要查詢?cè)捹M(fèi)）。
• 滿意度回訪，機(jī)器人通過電話回訪來收集用戶對(duì)服務(wù)的滿意度情況，是否滿意、不滿意原因是什么，有什么改進(jìn)意見等等。
• 疫情期間人員基本情況調(diào)查，如收集用戶是否有從武漢回來、有沒有接觸從武漢回來的人，有沒有發(fā)燒、流鼻涕等信息。

這些固化的流程完全可以用機(jī)器人來完成，大大減少人力成本。相比于人，機(jī)器人可以一天24小時(shí)，同一時(shí)間多線路給多個(gè)人撥打電話。

二、多輪對(duì)話平臺(tái)由哪些功能模塊組成

1. 按流程的執(zhí)行順序分

1）進(jìn)入多輪對(duì)話任務(wù)的條件

比如識(shí)別到有訂票的意圖，則進(jìn)入到訂機(jī)票的多輪對(duì)話任務(wù)中；也可以通過關(guān)鍵字、指令等方式進(jìn)入到多輪對(duì)話任務(wù)中。

2）機(jī)器人的應(yīng)答話術(shù)

即用戶的每一個(gè)動(dòng)作（query），機(jī)器人應(yīng)該用什么話術(shù)去應(yīng)答。

目前任務(wù)類型的對(duì)話通常話術(shù)都是預(yù)設(shè)的，基本不會(huì)是生成式的。因?yàn)槿蝿?wù)性對(duì)話容錯(cuò)率很低，寧可答不上，也不能答錯(cuò)。生成式的應(yīng)答話術(shù)，更多是在閑聊機(jī)器人中，因?yàn)殚e聊容錯(cuò)率相對(duì)比較高。

3）流程流轉(zhuǎn)條件的設(shè)置（if）

4）滿足條件執(zhí)行動(dòng)作的設(shè)置（then）

條件設(shè)置和動(dòng)作設(shè)置是整個(gè)流程的核心思想，整個(gè)對(duì)話流程都是按：如果條件是什么…那么執(zhí)行什么動(dòng)作…的格式設(shè)置。

5）退出多輪對(duì)話任務(wù)的條件

最后，這個(gè)對(duì)話肯定是不能永遠(yuǎn)繼續(xù)下去的，需要設(shè)置結(jié)束對(duì)話的條件，比如說常見的有以下幾種情況：

• 任務(wù)已經(jīng)完成結(jié)束，比如說已經(jīng)收集完需要收集的信息；
• 用戶主動(dòng)要求轉(zhuǎn)人工結(jié)束，比如說用戶跟機(jī)器人聊不下去了，要求要人工服務(wù)；
• 用戶長(zhǎng)時(shí)間未回復(fù)結(jié)束，比如說機(jī)器人出話后，用戶10分鐘內(nèi)沒有響應(yīng)就自動(dòng)結(jié)束。

2. 按流程和解析工具分

按另外一個(gè)維度，可以把多輪對(duì)話分為流程和解析工具。

1）流程–就是設(shè)定的流轉(zhuǎn)規(guī)則，如是什么，那就做什么

（如下圖，如果是肯定回復(fù)那就跳轉(zhuǎn)到A節(jié)點(diǎn)，如果是否定回復(fù)就跳轉(zhuǎn)到B節(jié)點(diǎn)）這一塊跟AI沒有什么關(guān)系。

2）解析工具–理解用戶說的話是什么

（如上圖，如果用戶說“我是他媽媽”，機(jī)器人怎么知道這是屬于否定回復(fù)，這就是解析工具要做的事情），也是整個(gè)多輪對(duì)話的核心。

解析工具主要分類兩大類：信息收集、文本分類。

1）信息收集

收集信息的方式主要有兩種：對(duì)話里收集、對(duì)話外收集。

• 對(duì)話里收集：用各種解析器在對(duì)話內(nèi)容中解析出所需信息，比如說時(shí)間解析器收集時(shí)間、地址解析器收集地址、電話號(hào)碼解析器收集電話號(hào)碼等。
• 對(duì)話外收集，即不是通過對(duì)話內(nèi)容來收集的，而是通過其他數(shù)據(jù)交互方式獲取的，比如說通過手機(jī)定位，來獲取用戶的位置信息；通過賬號(hào)，來獲取用戶的基本信息等等。

2）文本分類

對(duì)話中的文本分類，通常又分為兩大類：有較完整的句子結(jié)構(gòu)類文本、超短文本。

• 有句子結(jié)構(gòu)類文本（someone want to do something）描述了一個(gè)比較完整的意圖。有主謂賓這樣的句子結(jié)構(gòu)。比如說意圖、FAQ，就是有句子結(jié)構(gòu)的文本類型。
• 超短文本，沒有句子結(jié)構(gòu)的，比如說；好的、可以、ok、行。常見的處理這類型超短文本的解析工具有：語言分類器、選擇解析器。

除了是否有句子結(jié)構(gòu)外，兩類型的文本分類解析工具的應(yīng)用場(chǎng)景也不一樣。有句子結(jié)構(gòu)類文本解析工具，是全局的應(yīng)用。比如說“我要轉(zhuǎn)人工服務(wù)”，可以做出一個(gè)意圖，不管在流程的哪個(gè)節(jié)點(diǎn)，用戶表達(dá)了這樣的意圖，都可以識(shí)別。

超短文本類解析工具，是局部應(yīng)用的，是強(qiáng)依賴上線文的。比如說用戶單獨(dú)說一句“不是的”，如果沒有上下文，是沒有意義的。

機(jī)器問“請(qǐng)問您是深戶嗎”，用戶可以回復(fù)“不是的”；

機(jī)器問“請(qǐng)問您是深圳高校學(xué)生嗎”，用戶可以回答“不是的”；

因此同樣“不是的”，在不同的地方表達(dá)的意思是不一樣的，只有聯(lián)系上文，才能確定明確的含義。

解析工具直接決定了多輪對(duì)話平臺(tái)能力的上限，而決定解析工具能力又可以分為兩層：基礎(chǔ)技術(shù)層、產(chǎn)品層。

• 基礎(chǔ)技術(shù)層：取決于NLP的能力，包括分詞、詞性標(biāo)注、NER識(shí)別、詞法分析、句法分析、情感分析、句子相似度等底層的能力。
• 產(chǎn)品層：有了強(qiáng)大的NLP能力，那能不能把這些技術(shù)落地，包裝成實(shí)際的解決方案，去解決實(shí)際的場(chǎng)景問題，就是考驗(yàn)底層技術(shù)產(chǎn)品化的能力了。

三、多輪對(duì)話平臺(tái)目前的存在的問題

1. 解析工具與場(chǎng)景的不默契

1）例子1

• 用戶：幫我訂一張機(jī)票
• 機(jī)器人：好的，請(qǐng)問你要從哪里出發(fā)呢
• 用戶：深圳明天會(huì)下雨嗎

問在哪里出發(fā)后，我們往往會(huì)調(diào)用一個(gè)地址解析器來解用戶接下來說的話，用戶回復(fù)“深圳明天會(huì)下雨嗎”，這時(shí)會(huì)抽到地址【深圳】，那機(jī)器人就理解為出發(fā)地是【深圳】了。

解析器確實(shí)沒有問題，解出了地址【深圳】，但是解出的地址是不是符合上文需要填充的槽位，這時(shí)機(jī)器人就無能為力了，因?yàn)榻馕銎髦还芙馕觯还軜I(yè)務(wù)。

2）例子2

問是幾月份，我們往往會(huì)在這個(gè)時(shí)候調(diào)用一個(gè)時(shí)間解析器來解用戶接著說的話，用戶只回復(fù)“8”，這時(shí)時(shí)間解析器解不出結(jié)果，因?yàn)闀r(shí)間解析器只能解“8月”、“8號(hào)”等等這個(gè)帶單位的時(shí)間。純說一個(gè)數(shù)字，機(jī)器人就懵掉了。

從上面兩個(gè)例子就可以看出，解析工具跟實(shí)際應(yīng)用場(chǎng)景的隔閡，導(dǎo)致了運(yùn)用起來不夠靈活，主要矛盾點(diǎn)體現(xiàn)在：

• 如果解析工具跟場(chǎng)景分割開，就會(huì)出現(xiàn)以上的問題；
• 如果解析工具跟場(chǎng)景緊密關(guān)聯(lián)，那通用性就比較差，這樣會(huì)導(dǎo)致這個(gè)解析工具僅適用于某個(gè)場(chǎng)景，而無法遷移到其他場(chǎng)景。

2. 解析工具與解析工具之間不默契

舉例：

• 用戶：幫我訂一張機(jī)票
• 機(jī)器人：好的，請(qǐng)問你要從哪里出發(fā)呢
• 用戶：深圳明天會(huì)下雨嗎

還是以上面例子為例，首先來了解幾個(gè)概念：

• 主流程與輔助問答：這個(gè)多輪的主流程就是收集訂機(jī)票所需要的槽位，輔助問答是只在主流程的過程中用戶可能會(huì)問些相關(guān)的問題，如“怎么退票”、“深圳明天天氣怎么樣”。機(jī)器人回答完輔助問答之后，會(huì)繼續(xù)回答主流程，繼續(xù)收集槽位信息。
• 信心分：是指解析工具，匹配到結(jié)果的分?jǐn)?shù)值。假設(shè)分?jǐn)?shù)值是從（0–100），假設(shè)信心分高于80分機(jī)器人就采納。
• 中控優(yōu)先級(jí)：是指取解析工具結(jié)果的優(yōu)先順序，比如說解析工具A的優(yōu)先級(jí)大于解析工具B，那解析工具A和B解析結(jié)果的信息分都是90分，那機(jī)器人會(huì)優(yōu)先取A的結(jié)果。

ok，了解了上面的概念之后，我們?cè)倩剡^來看這個(gè)例子。

用戶說了：深圳明天會(huì)下雨嗎？

會(huì)有兩個(gè)解析工具解到結(jié)果，假設(shè)地址解析工具得到的信心分是90分，意圖解析工具解到的【查天氣】意圖的信心分也是90，但是由于地址解析工具屬于主流程，優(yōu)先級(jí)高于查天氣意圖，因此機(jī)器人最后選擇的是前者。因此機(jī)器人的動(dòng)作是把【深圳】當(dāng)作了出發(fā)地填入槽位。

因此，從這里可以看到有兩個(gè)問題：

1. 人為事先設(shè)定的死死的規(guī)則，是沒辦法應(yīng)對(duì)在自然對(duì)話中無窮無盡的場(chǎng)景。因此機(jī)器人的決策機(jī)制不能全由預(yù)設(shè)規(guī)則決定，應(yīng)該是要結(jié)合實(shí)際的數(shù)據(jù)，比如說可以針對(duì)單個(gè)節(jié)點(diǎn)做訓(xùn)練，A類數(shù)據(jù)出A回復(fù)；B類數(shù)據(jù)出B回復(fù)。
2. 解析工具與工具之間沒有建立連接，它們之間各自評(píng)分，相互之間沒有通訊，沒有協(xié)作關(guān)系。如果解析工具之間先經(jīng)過討論，再給出結(jié)果，是不是會(huì)有更好的效果呢，就比如說，識(shí)別到查天氣的意圖之后，意圖工具會(huì)告訴地址解析工具，這里的【深圳】是只深圳的天氣，可能不是你想要的出發(fā)地，你要再考慮下。這只是一個(gè)腦洞，但值得我們?nèi)ド钏肌?/li>

3. 機(jī)器人的回復(fù)話術(shù)是非生成式的

這里先理清一對(duì)概念：

• 預(yù)設(shè)式話術(shù)：話術(shù)提前設(shè)定，不會(huì)改變
• 生成式話術(shù)：機(jī)器人根據(jù)場(chǎng)景的各變化因素，而創(chuàng)造出的話術(shù)

舉例：

• 機(jī)器人問題1：請(qǐng)問你平均每天運(yùn)動(dòng)有超過30分鐘嗎？
• 用戶：我平均每天至少跑步1小時(shí)
• 機(jī)器人問題2：請(qǐng)問你會(huì)經(jīng)常熬夜嗎？

機(jī)器人的話術(shù)已經(jīng)被事先死死的設(shè)定了，問完問題1，就問問題2。沒有根據(jù)用戶的話做出一些反饋，就會(huì)顯得很生硬。

假設(shè)能這樣：

• 機(jī)器人問題1：請(qǐng)問你平均每天運(yùn)動(dòng)有超過30分鐘嗎？
• 用戶：我平均每天至少跑步1小時(shí)
• 機(jī)器人問題2：那你很自律啊，這么說你應(yīng)該不會(huì)經(jīng)常熬夜吧？

這樣不但能對(duì)用戶的回答做出響應(yīng)，還根據(jù)用戶前面說的話來調(diào)整問題2的問法。這就是非生成式回答無法達(dá)到的效果，這也是機(jī)器人比較死板的原因。

4. NLP理解的維度比較局限

舉例：

還記得她嗎，在采訪中她說“我已經(jīng)用了洪荒之力了”。如果你只看文字，你能理解她里面所表達(dá)的是滿意的情緒嗎？

正常人與人的對(duì)話，一般會(huì)根據(jù)語調(diào)、文字、表情、動(dòng)作等維度，組合起來理解對(duì)話所表達(dá)的內(nèi)容。但是目前大多數(shù)的多輪對(duì)話平臺(tái)都是只以【文字】單一維度來做解析處理，即使很多平臺(tái)都亮出了自己在ASR環(huán)節(jié)的情緒理解有多么強(qiáng)大，但真正跟多輪平臺(tái)運(yùn)用起來是隔離開的，訓(xùn)練數(shù)據(jù)只是轉(zhuǎn)譯成文本的形式訓(xùn)練，而不是直接拿語音去訓(xùn)練。

不同語氣的“呵呵”，表達(dá)的意思是不一樣，有的是開心，有的是諷刺。如果丟失了語調(diào)的維度，那解析的結(jié)果肯定是會(huì)失真的。

4. 使用門檻高，優(yōu)化難度大

在以用戶體驗(yàn)為王的時(shí)代，如果你操作一個(gè)軟件或APP，你還要看它的說明書，甚至看了說明書還不會(huì)操作，那你肯定會(huì)瘋掉。

沒錯(cuò)，多輪對(duì)話操作平臺(tái)就是一個(gè)看了說明說還不會(huì)用平臺(tái)，通常需要經(jīng)常專業(yè)的培訓(xùn)才會(huì)使用，因此是有很高的使用門檻的，而且邏輯能力不好人，還真做不來。

除了操作門檻高，后續(xù)的優(yōu)化也不靈活。不是說像我們想象中的那么簡(jiǎn)單，加點(diǎn)數(shù)據(jù)，標(biāo)注下就能解決的。比如說機(jī)器人詢問：你是馬先生嗎？

你一開始想到的用戶可能的回答是兩類：肯定回復(fù)（是的、我是）、否定回復(fù)（不是、打錯(cuò)了）。但是上線后，你會(huì)發(fā)現(xiàn)還有很多類型的回復(fù)：中性回復(fù)【怎么啦、你說】、式有關(guān)系人【我是他老婆、我是他兒子】、反問【你是誰呀、是機(jī)器人吧你】

每增加一個(gè)分類，就要重新在流程圖里增加分支，從新設(shè)定規(guī)則等等，并非直接加點(diǎn)數(shù)據(jù)重新訓(xùn)練就能解決問題了。

四、多輪對(duì)話平臺(tái)未來的發(fā)展方向是怎樣的

1. 在目前的框架下去優(yōu)化

前面大篇幅討論了，目前多輪對(duì)話平臺(tái)的核心是解析工具，因此我覺得未來的優(yōu)化方向也是在解析工具上面，比如說：

• 怎么讓解析工具通用，然后又可以跟特定的場(chǎng)景緊密結(jié)合在一起；
• 怎么讓解析工具之間的協(xié)作更加高效，更加合理；
• 怎么讓后期優(yōu)化延伸性更加廣，讓機(jī)器有條不紊的接納更多的分類。

2. 用新的框架去解決問題

目前的做法是對(duì)話流程、對(duì)話分支是由人工搭建的，這種方式對(duì)數(shù)據(jù)的利用率是非常低的。只是根據(jù)對(duì)話記錄，人為整理出對(duì)話流程，而對(duì)話之間的上下文關(guān)系是不參與到模型訓(xùn)練的。機(jī)器人不會(huì)隨著人機(jī)對(duì)話量的增加而變得更加聰明。

未來的優(yōu)化方向一定是最大化的利用數(shù)據(jù)，比如說通過給機(jī)器輸入大量的對(duì)話記錄，機(jī)器能夠?qū)W習(xí)出對(duì)話之間的邏輯關(guān)系，然后自己能學(xué)習(xí)出一個(gè)對(duì)話流程。

最后，用一句話總結(jié)下目前的多輪對(duì)話平臺(tái)：在解決固定化流程的問題上，確實(shí)能降低人力成本，但是對(duì)話比較死板，要想做到向人與人之間的自然交流，還有很長(zhǎng)的路要走。

AI人，一起加油吧！

本文由 @Jimmy 原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理。未經(jīng)許可，禁止轉(zhuǎn)載。

題圖來自Unsplash，基于CC0協(xié)議。