哈工大教授刘挺：人机对话技术的进展| CCF-GAIR 2017

7月8日，由中国计算机学会（CCF）主办、雷锋网与香港中文大学（深圳）全程承办的 AI 盛会——全球人工智能与机器人峰会（CCF-GAIR）上，哈尔滨工业大学刘挺教授现场讲解人机对话技术进展历程。

刘挺表示，人机对话概述，就是人机对话的基本框架，包括语音接入、语音输出，或者说文本直接交互。其中包括三个重要的模块——语言理解、对话管理、语言生成。

从学术界角度切入，刘挺将人机对话的历程分为三个阶段——语音助手时代、2014年进入聊天机器人时代，以及场景化的任务执行时代。

2011年，在技术尚未成熟时，乔布斯临终前在iPhone4S中推出Siri。2014年，据雷锋网了解，中国各厂商纷纷效仿推出语音助手，与此同时，也有很多企业将语音助手团队解散。主要原因，刘挺解释道：

• 第一，技术尚不成熟，听得见，但听不懂。以至于很多本来严肃的服务，最后变成对其他语音助手的调戏。语言并不总是最自然的沟通方式，它需要私密的环境，有时候还需要图像界面进行配合。

• 第二，语境的建模和机器人自身建模方面，还有很多困难。比如你问机器人，“你今年多大了？”“我5岁了”，“你结婚了吗？”“我结婚10年了”。这就自相矛盾，因为机器人建模很困难。

• 第三，在具体应用上，用户留存率并不是很高。虽然用户量大，但持续跟机器人聊下去的并不多。

而就人机对话功能方面，刘挺对雷锋网表示，主要有四大功能——聊天、知识问答、任务执行、推荐。

人机对话系统层面，分为三方面——自然语言理解、对话管理、自然语言生成。刘挺从功能方面切入技术的发展状况——聊天上，最早是在上世纪60年代有人研究出与精神病患者聊天的机器人，之后，腾讯推出小Q机器人，微软小冰等。

单轮对话的进展比较技术化，发展趋势不仅通过算法解决问题，且要确定一个主题借用外部资源，把话说得更丰满。

多轮对话方面，聊天与搜索有很大区别。虽然目前搜索也启动多轮搜索，但真正的多轮对话需要让人感觉到这是一个完整的对话，其中包括深度学习与强化学习的融合等多方面技术。

从Siri开始，微软、Facebook、亚马逊、百度等大企业，不但自己做智能助手，而且提供对话平台，即对话操作系统或对话人工智能。

对话型技术发展，经历普通的时间、地点等基础要素，要之后又CRF与LSTM，以及之后两者结合。对话生成，略过模板阶段，进入序列深度学习。

刘挺以哈工大实验室研制的名为“笨笨”的系统为例，功能包括聊天、知识问答、任务执行、推荐。多轮对话是基于DQN进行。这个优化和任务执行的优化正好反过来。聊天的优化是要尽可能让这个聊天能继续下去，让话题轮数更多。

刘挺在雷锋网CCF-GAIR现场表示，人机对话是自然语言处理发展的一个高峰，从历程上分为四个阶段——从形式匹配到语义匹配，到文本推理，再到言外之意。目前刘挺教授所在哈工大实验室具体布局工作，主要分几个方向，第一，基础架构、LTP；第二，人机对话；第三，篇章划分。