做了20+个AI多轮对话项目后的总结

在AI走进大众视野的这几年,我们或多或少的都会接触到一些AI的产品,你去咨询天猫客服,一开始肯定是个机器人接待你的;你接到一个电话问你是否需要买保险、办信用卡或贷款,可能对方就是一个机器人;当然最常见的就是智能音箱。

以天猫精灵为例:

  • 用户:天猫精灵
  • 天猫精灵:主人,您说
  • 用户:放一首逃跑计划的《夜空中最亮的星》
  • 天猫精灵:好的,马上为您播放这首好听的歌。

看起来很不错的样子,但是如果用户接着说“帮我换成新裤子的《没有理想的人不悲伤》”。

不好意思,这时天猫精灵是不会响应你的。因为天猫精灵在上一轮回复完用户的话之后,就结束了对话。想要再次跟她对话,必须喊“天猫精灵”再次唤醒后,才能继续对话。

以上这种每次只能进行一轮对话的模式,我们称之为“单轮对话”。其实目前大多数机器人都是单轮对话的模式。比如说闲聊:

  • 用户:你好
  • 机器人:你也好呀
  • 用户:我今天很开心
  • 机器人:看到你这么开心,我也是很开心呀
  • 用户:我相信我的明天会更好
  • 机器人:你是最棒的,加油
  • …….

这里可能你又会问了,这不是连续的对话吗,怎么会是单轮呢?

是的,因为这些对话,每一轮之间都是相互独立,上下文之间没有关联关系,我们暂时称之为单轮对话。与单轮对话相对的概念是多轮对话。

举例:

  • 用户:帮我订个去深圳机票
  • 机器人:请问您哪里出发呢?
  • 用户:上海出发
  • 机器人:好的,上海出发,那您要几点出发呢
  • 用户:明天晚上8点左右
  • 机器人:好的,为您找到明天晚上8点左右,从上海到深圳的机票有这些。
  • …….

是的,这就是多轮对话,也是本文主要讨论的内容。如果说NLP是AI界皇冠上的明珠,那么多轮对话就是NLP界皇冠上的明珠。由此可见多轮的话的江湖地位。

由上面例子,跟单轮对话的对比,引出了对多轮对话的定义。

一、什么是多轮对话

1. 多轮对话的定义

定义:根据上下文内容,进行连续的,以达到解决某一类特定任务为目的的对话。

这里有3点:

  1. 上下文:机器人的每次出话,都是跟上文有强关联关系的;
  2. 连续性:一个完整的对话内可进行多次连续的对话交互;
  3. 某一类特定问题:这里主要是限定下讨论范围,讨论的是一个封闭域内的问题,一个完整的对话,只负责处理一个特定的任务。比如说订机票是一个特定的任务;订外卖是一个特定的任务;查天气也是一个特定的任务。

2. 多轮对话跟机器人的关系

多轮对话跟机器人的关系图:

产品经理,产品经理网站

通常来说,一个全能型的对话机器人是由很多个类型的机器人组成的,比如说闲聊机器人、任务机器人、问答机器人。而一个任务机器人内又可以包含多个多轮。

3. 多轮对话和多轮对话平台的关系

那怎么来实现多轮对话呢?市面上各大厂家的做法是开发一个用于构建多轮对话的平台。有了这样的平台,你就可以构建出你想要的对话流程。

产品经理,产品经理网站

多轮比较擅长处理的两类经典任务:

  1. 分类任务(如上左图),用户的表达属于分支的哪一类,每一类应该走什么分支。
  2. 信息收集/查询类任务(如上右图),需要向用户收集哪些必要信息,如查航班,需要收集出发地、目的地、出发时间3个必要信息。

如果把多轮对话比作一辆汽车的话,那多轮对话平台就是一个组装车间,底层的各类AI工具,就相当于汽车的零部件,因此我们可以在对轮对话平台内,用各种的工具,来组装出你想要的对话逻辑。

这里你可能想说,这个哪里智能了,不就是我们实现定义好的流程吗?是的,它确实并没有你想象中的那么智能,没有你想象中的那样通过大量的数据就能自己学习出一个流程,也没你想象中的那样机器可以自己生成新的答复话术。

但是它确实能解决很多工业上的问题,特别是一些比较固定的流程,比如说:

  • 电销,机器人询问用户是否感兴趣;这里机器人最重要的事情不是促成下单,而是筛选有意向的用户。比如说用户说感兴趣,甚至是跟机器人多聊几句,就会被标识为感兴趣,然后后面就会有人工客服来跟进了。
  • 自助服务,传统的IVR是通过按键的形式来识别用户的意图的(充值服务请按1,业务办理请按2…..),那智能机器人可以直接识别并理解用户的自然语言来提供服务(如用户可以直接说:我要查询话费)。
  • 满意度回访,机器人通过电话回访来收集用户对服务的满意度情况,是否满意、不满意原因是什么,有什么改进意见等等。
  • 疫情期间人员基本情况调查,如收集用户是否有从武汉回来、有没有接触从武汉回来的人,有没有发烧、流鼻涕等信息。

这些固化的流程完全可以用机器人来完成,大大减少人力成本。相比于人,机器人可以一天24小时,同一时间多线路给多个人拨打电话。

二、多轮对话平台由哪些功能模块组成

1. 按流程的执行顺序分

1)进入多轮对话任务的条件

比如识别到有订票的意图,则进入到订机票的多轮对话任务中;也可以通过关键字、指令等方式进入到多轮对话任务中。

2)机器人的应答话术

即用户的每一个动作(query),机器人应该用什么话术去应答。

目前任务类型的对话通常话术都是预设的,基本不会是生成式的。因为任务性对话容错率很低,宁可答不上,也不能答错。生成式的应答话术,更多是在闲聊机器人中,因为闲聊容错率相对比较高。

3)流程流转条件的设置(if)

4)满足条件执行动作的设置(then)

条件设置和动作设置是整个流程的核心思想,整个对话流程都是按:如果条件是什么…那么执行什么动作…的格式设置。

5)退出多轮对话任务的条件

最后,这个对话肯定是不能永远继续下去的,需要设置结束对话的条件,比如说常见的有以下几种情况:

  • 任务已经完成结束,比如说已经收集完需要收集的信息;
  • 用户主动要求转人工结束,比如说用户跟机器人聊不下去了,要求要人工服务;
  • 用户长时间未回复结束,比如说机器人出话后,用户10分钟内没有响应就自动结束。

2. 按流程设置和文本解析(语义理解)分

按另外一个维度,可以把多轮对话分为流程设置和文本解析(语义理解)。

产品经理,产品经理网站

1)流程设置–设定对话的流转逻辑,如是什么,那就做什么

(如下图,如果是肯定回复那就跳转到A节点,如果是否定回复就跳转到B节点)这一块逻辑判断跟AI没有什么关系。

产品经理,产品经理网站

2)文本解析(语义理解)–理解用户说的话是什么

(如上图,如果用户说“我是他妈妈”,机器人怎么知道这是属于否定回复,这就是文本解析要做的事情),也是整个多轮对话的核心。

文本解析工具主要分类两大类:信息收集、文本分类。

1)信息收集

收集信息的方式主要有两种:对话里收集、对话外收集。

  • 对话里收集:用各种解析器在对话内容中解析出所需信息,比如说时间解析器收集时间、地址解析器收集地址、电话号码解析器收集电话号码等。
  • 对话外收集,即不是通过对话内容来收集的,而是通过其他数据交互方式获取的,比如说通过手机定位,来获取用户的位置信息;通过账号,来获取用户的基本信息等等。

2)文本分类

对话中的文本分类,通常又分为两大类:有较完整的句子结构类文本、超短文本。

  • 有句子结构类文本(someone want to do something)描述了一个比较完整的意图。有主谓宾这样的句子结构。比如说意图、FAQ,就是有句子结构的文本类型。
  • 超短文本,没有句子结构的,比如说;好的、可以、ok、行。常见的处理这类型超短文本的解析工具有:语言分类器、选择解析器。

除了是否有句子结构外,两类型的文本分类解析工具的应用场景也不一样。有句子结构类文本解析工具,是全局的应用。比如说“我要转人工服务”,可以做出一个意图,不管在流程的哪个节点,用户表达了这样的意图,都可以识别。

超短文本类解析工具,是局部应用的,是强依赖上线文的。比如说用户单独说一句“不是的”,如果没有上下文,是没有意义的。

机器问“请问您是深户吗”,用户可以回复“不是的”;

机器问“请问您是深圳高校学生吗”,用户可以回答“不是的”;

因此同样“不是的”,在不同的地方表达的意思是不一样的,只有联系上文,才能确定明确的含义。

解析工具直接决定了多轮对话平台能力的上限,而决定解析工具能力又可以分为两层:基础技术层、产品层。

  • 基础技术层:取决于NLP的能力,包括分词、词性标注、NER识别、词法分析、句法分析、情感分析、句子相似度等底层的能力。
  • 产品层:有了强大的NLP能力,那能不能把这些技术落地,包装成实际的解决方案,去解决实际的场景问题,就是考验底层技术产品化的能力了。

三、多轮对话平台目前的存在的问题

1. 解析工具与场景的不默契

1)例子1

  • 用户:帮我订一张机票
  • 机器人:好的,请问你要从哪里出发呢
  • 用户:深圳明天会下雨吗

问在哪里出发后,我们往往会调用一个地址解析器来解用户接下来说的话,用户回复“深圳明天会下雨吗”,这时会抽到地址【深圳】,那机器人就理解为出发地是【深圳】了。

解析器确实没有问题,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,这时机器人就无能为力了,因为解析器只管解析,不管业务。

2)例子2

  • 用户:帮我查询电费
  • 机器人:请问你要查几月份的呢
  • 用户:8

问是几月份,我们往往会在这个时候调用一个时间解析器来解用户接着说的话,用户只回复“8”,这时时间解析器解不出结果,因为时间解析器只能解“8月”、“8号”等等这个带单位的时间。纯说一个数字,机器人就懵掉了。

从上面两个例子就可以看出,解析工具跟实际应用场景的隔阂,导致了运用起来不够灵活,主要矛盾点体现在:

  • 如果解析工具跟场景分割开,就会出现以上的问题;
  • 如果解析工具跟场景紧密关联,那通用性就比较差,这样会导致这个解析工具仅适用于某个场景,而无法迁移到其他场景。

2. 解析工具与解析工具之间不默契

举例:

  • 用户:帮我订一张机票
  • 机器人:好的,请问你要从哪里出发呢
  • 用户:深圳明天会下雨吗

还是以上面例子为例,首先来了解几个概念:

  • 主流程与辅助问答:这个多轮的主流程就是收集订机票所需要的槽位,辅助问答是只在主流程的过程中用户可能会问些相关的问题,如“怎么退票”、“深圳明天天气怎么样”。机器人回答完辅助问答之后,会继续回答主流程,继续收集槽位信息。
  • 信心分:是指解析工具,匹配到结果的分数值。假设分数值是从(0–100),假设信心分高于80分机器人就采纳。
  • 中控优先级:是指取解析工具结果的优先顺序,比如说解析工具A的优先级大于解析工具B,那解析工具A和B解析结果的信息分都是90分,那机器人会优先取A的结果。

ok,了解了上面的概念之后,我们再回过来看这个例子。

用户说了:深圳明天会下雨吗?

会有两个解析工具解到结果,假设地址解析工具得到的信心分是90分,意图解析工具解到的【查天气】意图的信心分也是90,但是由于地址解析工具属于主流程,优先级高于查天气意图,因此机器人最后选择的是前者。因此机器人的动作是把【深圳】当作了出发地填入槽位。

因此,从这里可以看到有两个问题:

  1. 人为事先设定的死死的规则,是没办法应对在自然对话中无穷无尽的场景。因此机器人的决策机制不能全由预设规则决定,应该是要结合实际的数据,比如说可以针对单个节点做训练,A类数据出A回复;B类数据出B回复。
  2. 解析工具与工具之间没有建立连接,它们之间各自评分,相互之间没有通讯,没有协作关系。如果解析工具之间先经过讨论,再给出结果,是不是会有更好的效果呢,就比如说,识别到查天气的意图之后,意图工具会告诉地址解析工具,这里的【深圳】是只深圳的天气,可能不是你想要的出发地,你要再考虑下。这只是一个脑洞,但值得我们去深思。

3. 机器人的回复话术是非生成式的

这里先理清一对概念:

  • 预设式话术:话术提前设定,不会改变
  • 生成式话术:机器人根据场景的各变化因素,而创造出的话术

举例:

  • 机器人问题1:请问你平均每天运动有超过30分钟吗?
  • 用户:我平均每天至少跑步1小时
  • 机器人问题2:请问你会经常熬夜吗?

机器人的话术已经被事先死死的设定了,问完问题1,就问问题2。没有根据用户的话做出一些反馈,就会显得很生硬。

假设能这样:

  • 机器人问题1:请问你平均每天运动有超过30分钟吗?
  • 用户:我平均每天至少跑步1小时
  • 机器人问题2:那你很自律啊,这么说你应该不会经常熬夜吧?

这样不但能对用户的回答做出响应,还根据用户前面说的话来调整问题2的问法。这就是非生成式回答无法达到的效果,这也是机器人比较死板的原因。

4. NLP理解的维度比较局限

举例:

产品经理,产品经理网站

还记得她吗,在采访中她说“我已经用了洪荒之力了”。如果你只看文字,你能理解她里面所表达的是满意的情绪吗?

正常人与人的对话,一般会根据语调、文字、表情、动作等维度,组合起来理解对话所表达的内容。但是目前大多数的多轮对话平台都是只以【文字】单一维度来做解析处理,即使很多平台都亮出了自己在ASR环节的情绪理解有多么强大,但真正跟多轮平台运用起来是隔离开的,训练数据只是转译成文本的形式训练,而不是直接拿语音去训练。

不同语气的“呵呵”,表达的意思是不一样,有的是开心,有的是讽刺。如果丢失了语调的维度,那解析的结果肯定是会失真的。

4. 使用门槛高,优化难度大

在以用户体验为王的时代,如果你操作一个软件或APP,你还要看它的说明书,甚至看了说明书还不会操作,那你肯定会疯掉。

没错,多轮对话操作平台就是一个看了说明说还不会用平台,通常需要经常专业的培训才会使用,因此是有很高的使用门槛的,而且逻辑能力不好人,还真做不来。

除了操作门槛高,后续的优化也不灵活。不是说像我们想象中的那么简单,加点数据,标注下就能解决的。比如说机器人询问:你是马先生吗?

你一开始想到的用户可能的回答是两类:肯定回复(是的、我是)、否定回复(不是、打错了)。但是上线后,你会发现还有很多类型的回复:中性回复【怎么啦、你说】、式有关系人【我是他老婆、我是他儿子】、反问【你是谁呀、是机器人吧你】

每增加一个分类,就要重新在流程图里增加分支,从新设定规则等等,并非直接加点数据重新训练就能解决问题了。

四、多轮对话平台未来的发展方向是怎样的

1. 在目前的框架下去优化

前面大篇幅讨论了,目前多轮对话平台的核心是解析工具,因此我觉得未来的优化方向也是在解析工具上面,比如说:

  • 怎么让解析工具通用,然后又可以跟特定的场景紧密结合在一起;
  • 怎么让解析工具之间的协作更加高效,更加合理;
  • 怎么让后期优化延伸性更加广,让机器有条不紊的接纳更多的分类。

2. 用新的框架去解决问题

目前的做法是对话流程、对话分支是由人工搭建的,这种方式对数据的利用率是非常低的。只是根据对话记录,人为整理出对话流程,而对话之间的上下文关系是不参与到模型训练的。机器人不会随着人机对话量的增加而变得更加聪明。

未来的优化方向一定是最大化的利用数据,比如说通过给机器输入大量的对话记录,机器能够学习出对话之间的逻辑关系,然后自己能学习出一个对话流程。

最后,用一句话总结下目前的多轮对话平台:在解决固定化流程的问题上,确实能降低人力成本,但是对话比较死板,要想做到向人与人之间的自然交流,还有很长的路要走。

AI人,一起加油吧!

 

本文作者 @Jimmy 。

版权声明

本文来自互联网用户投稿,文章观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处。如若内容有涉嫌抄袭侵权/违法违规/事实不符,请点击 举报 进行投诉反馈!

相关文章

立即
投稿

微信公众账号

微信扫一扫加关注

返回
顶部