在未来20年，人机交互方式将发生变革。
越来越多的设备将具有联网能力，这些设备如何与人进行交互将成为一个挑战。
自然语言成为适应该趋势的新型交互方式，对话机器人有望取代过去的网站、如今的APP，占据新一代人机交互风口。
在未来对话机器人的产品形态下，
不再是人类适应机器，而是机器适应人类,
基于人工智能技术的对话机器人产品逐渐成为主流。
对话机器人的分类
对话机器人在本质上是一个用来模拟人类对话或聊天的计算机程序。
在技术层面，对话机器人可分为三类：
1.闲聊机器人
闲聊机器人的主要功能是同用户进行闲聊对话，如微软小冰、微信小微，还有较早的小黄鸡等等。
与闲聊机器人聊天时，用户没有明确的目的，机器人也没有标准答案，而是以趣味性回答取悦用户。
随着时间推移，用户的要求越来越高，他们希望聊天机器人能够具有更多功能——而不仅仅是谈天唠嗑接话茬。
同时，企业也需要不断对聊天机器人进行商业化探索，以期实现更大的商业价值。
2.问答机器人
当下的智能客服是对话机器人商业落地的经典案例。各大手机厂商纷纷推出标配语音助手，金融、零售、通信等领域相继接入智能客服辅助人工……
问答机器人的本质是在特定领域的知识库中，找到和用户提出的问题语义匹配的知识点。
当顾客询问有关商品信息、售前、售后等基础问题，问答机器人能够给出及时而准确的回复，当机器人不能回答用户问题时，就会通过某种机制将顾客转接给人工客服。
因此，拥有特定领域知识库的问答机器人在知识储备上要比闲聊机器人更聪明、更专业、更准确，说它们是某一领域的专家也不为过。
旅游问答机器人看这里
针对具体情况选择相应的问答型对话解决方案，包括：
基于分类模型的问答系统将每个知识点各分一类，使用深度学习、机器学习等方法，效果较好。但需要较多的训练数据，且更新类别时，重新训练的成本较高，因此更适合数据足够多的静态知识库。
基于检索和排序的问答系统能实时追踪知识点的增删，从而有效弥补分类模型存在的问题。但仍然存在检索召回问题，假如用户输入的关键词没有命中知识库，系统就无法找到合适的答案。
更好的解决方案是基于句向量的语义检索。通过句向量编码器，将知识库数据和用户问题作为词编码输出，基于句向量的语义检索能实现在全量数据上的高效搜索，从而解决传统检索的召回问题。
3.任务机器人
任务机器人在特定条件下提供信息或服务，以满足用户的特定需求，例如查流量、查话费、订票、订餐、咨询等等。由于用户需求复杂多样，任务机器人一般通过多轮对话明确用户的目的。
订票机器人，了解一下？
想要知道任务机器人是如何运作的，我们需要引入任务机器人的一个重要概念——动作（ Act）。
任务型对话系统的本质是将用户的输入和系统的输出都映射为对话动作，并通过对话状态来实现上下文的理解和表示。
例如，在机器人帮助预约保洁阿姨的场景下，用户与机器人的对话对应不同的动作。请看↓
这种做法能够在特定领域下降低对话难度，从而让机器人执行合适的动作。
另外，对话管理模块（ ）是任务机器人的核心模块之一，也是对话系统的大脑。传统的对话管理方法包括基于FSM、Frame、 等不同架构的，各适用于不同的场景。
基于深度强化学习的对话管理法，通过神经网络将对话上下文直接映射为系统动作，如此更加灵活，可通过强化学习的方法进行训练，但需要大量真实的、高质量标注的对话数据来训练，只适用于有大量数据的情况。
对话机器人的应用
对话机器人在人类的“苛求”下越来越智能，有人甚至预言在未来五到十年耗时耗力的沟通将会被机器人取代。对话机器人的应用实践正在逐步证明这一点。
目前，对话机器人主要适用于三类场景：
1.自然对话是唯一的交互方式
2.用对话机器人替代人工
3.用对话机器人提升效率和体验
我们可以通过在线营销转化需求度和在线交互需求度两个维度来考量适合对话机器人落地的领域。
不过，在技术上来讲，让机器真正理解人类语言仍然是一个艰难的挑战。对于搭建对话机器人，也许可以参考以下建议：
评论（0）