对话机器人 任务型对话机器人

基于任务的对话机器人

随着人工智能摆脱“人工”而变得智能化，人们对人工智能的产品充满期待，其中一个最大的方向就是对话机器人的方向。本文将简要介绍人工智能的发展和聊天机器人的设计，并通过在销售场景中的应用，教会读者如何在一个月内实现对话机器人。

1.人工智能

2016年，一个围棋少年，横生空，击败了各路高手，站在围棋界的世界之巅。这个少年就是Alpha Go，引发了新一波的人工智能。回顾人工智能的发展，可以追溯到1956年，由美国达特茅斯学院提出，今年也被公认为全球人工智能研究的第一年。

经过几十年的研究，人工智能进入了一个快速发展的时期。今年9月17日，举世瞩目的2018年世界人工智能大会在上海正式拉开帷幕。34个主题论坛，10位顶尖科学家，150家龙头企业齐聚一堂，甚至李彦宏、马云、马花藤、雷军等互联网巨头都到场辩论人工智能。国际巨头和英美烟草公司都将人工智能列为核心战略。

2.基于任务的人机对话系统

聊天机器人作为人工智能的载体，得到了广泛的关注和不断的发展。可以说聊天机器人是最能让我们感受到人工智能的产品之一。世界上第一个聊天机器人诞生于19世纪60年代，它的名字叫伊莱扎，是一个面向精神病诊断和治疗的机器人。虽然看起来伊莱扎只是初步的简单尝试，但却为机器人的不断发展奠定了基础。自2010年史蒂夫·乔布斯(Steve Jobs)将Siri引入iphone4以来，聊天机器人呈现井喷式增长，家用聊天机器人也如火如荼。微软萧冰、杜密、Siri、微软Cortana等。不断出现在人们的视野中，受到工业界和科研界的广泛青睐。

上面提到的杜密、Siri和微软Cortana等机器人被称为个人助理，因为他们的目标更多的是完成人们分配的任务，而微软萧冰等机器人被称为聊天机器人。更专业的称呼是前者是特定领域的聊天机器人，即面向任务的聊天机器人或闭域聊天机器人；；后者主要以闲聊为主，被称为无任务导向聊天机器人或开放域聊天机器人。这种划分是基于机器人的功能，在聊天机器人的技术实现上，可以分为检索聊天机器人和生成聊天机器人。

基于领域任务的人机对话系统是一个闭环双向连续信息交换系统，大致分为输入、理解和输出三个模块，其中“输入-输出”和“理解”交换一定的信息，“理解”一般被认为是利用自然语言处理技术对输入文本进行分析。这种分割方法忽略了信息的不确定性和人脑对各个模块进行全面、系统的调度和协调的认知能力，没有区分信息内容本身的管理和信息的调度与控制，这是现实的自然人机对话中不可避免的主要问题。因此，本文将基于任务的人机对话系统分为三个层次，并讨论了其实现原理。

其中最外层的IO层是物理层信号的处理。中间控制层对IO层获得的代码进行语义解释，维护对话系统空的认知状态，管理知识的交互抽取和交换，进行对话推理和决策。最里面的知识层是领域任务相关知识的管理，目标是在对话前离线预处理具体知识。

3.售电业务场景应用

在了解了基于任务的人机对话系统的原理后，结合部门的电话销售场景，本文认为销售和客户之间的沟通过程可以由机器人来处理。目前，电话销售是企业开发新客户的重要手段，电话销售呼叫销售线索开发新客户订单。

通过开发和设计智能销售机器人，可以更好地覆盖销售线索，挖掘和筛选出潜在的意向线索，并分发给销售人员进行跟进，提高销售线索的覆盖面和周转率，充分发挥销售人员的价值，增加新客户的开发量。

智能销售机器人有三种场景，即通话前、通话中、通话后。在呼叫之前，具有相应特征的机器人可以通过线索特征进行配对。在通话过程中，机器人需要进行话题识别和对话管理，以生成推荐的语音合成。通话结束后，机器人还可以总结话题点，生成意图得分，并执行现场转移、挂机分发等操作。

当然，这个产品方案只是从全局角度向读者展示机器人的业务逻辑和模块功能。读者绝对不可能在一个月内实现一款智能机器人产品。但是，如本文所述，如果读者想自己实现一个智能机器人，就必须仔细研究。

智能销售机器人系统层次图

本文根据基于领域任务的人机对话系统的层次图，设计了智能销售机器人技术系统的层次图。IO层由百度的开放呼叫云平台和AI开发平台上的语音技术组成。读者可以方便地自行实现IO层的核心技术，其中读者需要实现freeswitch模块与语音网关和语音技术的交互，freeswitch需要从语音网关获取客户语音。然后传输到ASR客户端(AI开放平台语音技术的语音识别模块)实时获取语音识别结果，最后将识别结果传输到控制层的意图识别模块。机器人给出答案(动作)后，通过语音合成，freeswitch将语音流发送到语音网关进行播放。

知识层是智能销售机器人的基础。需要分析行业场景，设计自己的行业场景和报表，将已有的销售-客户对话数据标记为控制层模型的训练数据。

控制层是智能销售机器人技术实现方案的核心部分，可以说是机器人的大脑和控制中心，是决定机器人是否智能的重要环节。本文将详细介绍智能销售机器人的控制层技术。下图是智能销售机器人的核心对话方案。

智能对话方案

上述对话方案的两个核心模块是NLU(自然语言理解)和数据挖掘(对话管理)。NLU模块负责理解客户所说的每一句话，DM模块负责结合对话的语境逻辑给出回应，这也对应于控制层的语义理解和对话管理。目前，控制层的内容生成模块采用检索响应方案。对话管理得到动作后，通过检索生成销售机器人要说的话。当然，本文会涉及到基于后代的任务型机器人的设计方案。为了让读者更清楚地了解对话机器人的核心技术设计，本文将详细介绍NLU模块和数据挖掘模块的技术设计。

SIMNET模型框架

智能销售机器人的NLU模块采用百度自2013年独立开发的语义匹配框架SimNet，通过构建文本的语义相似度，克服了传统基于文字的匹配方法的局限性。SimNet支持PaddlePaddle和Tensorflow平台培训。基于SimNet语义匹配框架，开发者可以快速训练已有的语义匹配网络模型。这样智能销售机器人在知道客户每一句话的意图后，通过对话管理模块控制对话过程。

数据挖掘模块技术的实现方案

数据挖掘模块通过LSTM模型训练销售和客户之间已有的对话，得到行动决策模型。NLU模块识别的意向传递后，DM模块的DST组件记录客户的历史发言意向，从而结合上下文实现响应。

至此，一款具有特殊技能的智能销售机器人已经设计出来。通过呼叫部门的呼叫中心，机器人可以大声呼叫与客户沟通，识别客户的意图，促进客户变得单身。当然，只要改变知识库的语料库，场景是可以改变的，这是广泛使用的。

4.展望未来

这篇文章基本上解释了智能机器人的前世，甚至给出了一个实际应用场景，当然没有涉及细节。在设计智能机器人的道路上，还有很长的路要走，需要更多的研究人员不断探索和实践。我相信，在未来，智能机器人将更加智能、准确地为人类服务，更多的智能机器人将被定位，从而使人类的生活更加美好。