最具（jù）“情商”的新一代智能机器人来了!能（néng）读懂上（shàng）下文

也许你也有（yǒu）过这样的经历，向智能（néng）客服（fú）咨询问题（tí），却陷入（rù）毫无进展的（de）对话里：

-你们家（jiā）的面（miàn）膜都（dōu）是纯天然的（de）?

-亲亲，我（wǒ）们家的面膜（mó）都是芦荟精华提取（qǔ），纯天然的哦~

-我皮（pí）肤有点干，推荐一（yī）款呗（bei）~

-冬天皮肤干（gàn）燥推荐给（gěi）亲亲我们（men）的保湿精（jīng）华乳~

-我是要（yào）买面（miàn）膜，你是机器人（rén）吧，让人来（lái）说话。

作为顾客（kè），此（cǐ）时你大概要叹（tàn）一句（jù）“人（rén）工（gōng）智能真不智能”。这些（xiē）所谓“智能（néng）”客（kè）服们往往只（zhī）能做到（dào）一问一（yī）答（dá），一旦对话涉及稍微（wēi）复杂的情境，它们就开始答非所（suǒ）问。

让人工智能（néng）学会根（gēn）据上下（xià）文去处理信息，是自然语言（yán）处理技术一个（gè）关键的（de）门（mén）槛，也（yě）是多（duō）年来整个（gè）学术界和工业界都在努力攻（gōng）克（kè）的难（nán）题。尽管在（zài）通用NLP领域，gpt-2，BERT等算法模型的出现（xiàn），让（ràng）语义理解取得了重大进展（zhǎn），但是由于（yú）专业性强、垂直语料库（kù）不（bú）足等原因，某（mǒu）些（xiē）亟待落地（dì）的应用（yòng）场景，例如高强度的客服对话（huà），还深陷在开头出现的（de）“人工智障”泥潭中。

最（zuì）近（jìn），这个难题迎来了新进展。晓多科技(下称“晓多”)开发（fā）的基于上下文的语义识别（bié）项目（mù），以深度学习的方式，让智能问答机器人能够像人（rén）类一样，结合语（yǔ）境去理解复杂场（chǎng）景下的对话，并（bìng）且进行持续（xù）的自我学（xué）习（xí），无需人工设置（zhì）规则（zé），也能不断扩（kuò）展和（hé）覆盖更多的场景（jǐng）。

从一问一答（dá）到读懂语境

为什（shí）么人工智能会有这些“不智能”的表现（xiàn）?这是因为（wéi）目前市面上主流的智能问答机器人，大部分都是根据单（dān）个句子（zǐ）来识别顾客的意图，从而（ér）进行一问一答的任务型对话。但在日常聊天对话中，我们习惯口（kǒu）语化表达，尤其在打字时，一般不会（huì）大段大段地发送（sòng），而会使用很多断句，这（zhè）种零碎的表达使（shǐ）得机器人（rén）无法从单个句子（zǐ）中准确识（shí）别（bié）出（chū）你的真实（shí）意图（tú），造成答非所问（wèn）的情况。

这对于服（fú）务业来说是一个致命伤。

和普通的闲聊机器（qì）人不同，智能客服必须做到对各种场景的精准（zhǔn）识别。因为智能客服面对（duì）的工作，是（shì）要及时地、明（míng）确地解（jiě）决顾客（kè）的问（wèn）题。

当你（nǐ）和闲聊机器人逗趣的时候（hòu），它答（dá）非所问的（de）话并不（bú）会让你烦躁，反而觉得很有（yǒu）趣味;但当你只想赶紧退（tuì）货或者得到赔偿时，智能客服的胡（hú）言乱语足（zú）够让烦躁的顾客给这家店铺打上0星，并在评论区（qū）洋洋洒洒好（hǎo）几百字，控诉店（diàn）铺（pù）服务不到位。

在商品售前阶段也是这样，智能（néng）客服错（cuò）误的（de）回复或答非所问，都会影响顾客的体验度，平台（tái）商家竞（jìng）争（zhēng）激烈的（de）情况（kuàng）下，得不到满（mǎn）意答复的顾客可能会很快放弃，选择另外（wài）一家店铺，从而造成顾客的大量流失。

单句识别与上下文识别的差别

解决这一问（wèn）题的关键，在于要让机器人像人一样，学会（huì）联系上下文，结合语境来对话，而不（bú）仅仅（jǐn）对单个句子作出反（fǎn）应。

目前市面上其他机器人都不（bú）支持上下文语义，他们是在（zài）靠规（guī）则（zé）和流程（chéng）设（shè）置关键（jiàn）词（cí）。也就是说（shuō），这个情景中（zhōng）需要什么信息，就要设计出对应的问题，让（ràng）机器人按照固定（dìng）的顺序提问，顾客按照（zhào）要求回答完所有问题，机器人（rén）才能根据所有信息来进行回（huí）应。

例如，顾客要购（gòu）买飞机票，就要设（shè）定机器人首先询问顾客起点、终点、时间，再问顾客想要什么等级的座（zuò）位（wèi）等等，通过这些固定问题的答案，把需要（yào）的信息（xī）补充完整，最终给（gěi）出推荐（jiàn）。

在这种情况下，每一个场景都需要人（rén）工去设定对应（yīng）的规则，效率十分低下。尤其在（zài）电商领域，从售前到售中（zhōng），再到售后，涉及（jí）到的（de）问题是方（fāng）方面面的，更（gèng）别说（shuō）还有购物品类的区别，场景的扩展是指数级的，靠（kào）人工设定（dìng）规则去（qù）做到（dào）全覆（fù）盖，说是天方夜谭也不为过。

如果能够将目前人工智能领域大热的深度学习应用到（dào）这一（yī）问题的解决上（shàng），让（ràng）机（jī）器人能够通过自己（jǐ）学（xué）习，掌握基于（yú）上下文的语义（yì）理解，并（bìng）持续学习扩展到各个场景中，就可以（yǐ）大大地提（tí）高智能（néng）机器人面对复杂场景（jǐng）的（de）精准应对能力，同时提高它覆盖各种场景（jǐng）的（de）效率。怀着这样的想法，晓多开始（shǐ）了上下文语义项（xiàng）目。

让机器人自（zì）己“划重点（diǎn）”：记住重要信息，忘记不重要的

机器人自己（jǐ）学会（huì）理解（jiě）上下文，困难（nán）在哪里?晓多算法工（gōng）程师（shī）、本次上（shàng）下文语义项目的负责（zé）人张翀向大数据文（wén）摘介绍，最关键的问题在于要让机器人（rén）像人（rén）一样记得上文（wén）的重要信息（xī），并（bìng）且（qiě）知道（dào）这些信息和当前问（wèn）句的关联。

在这个（gè）问（wèn）题（tí）上，目前学术界和业界并没有现成的（de）解决方（fāng）案。对此（cǐ），张翀介绍，晓多（duō）为新一代（dài）问答（dá）机（jī）器人创（chuàng）新设计了一个深度（dù）学（xué）习（xí）模型，包含四（sì）个（gè）模块（kuài）：记忆与遗忘、提炼（liàn）、融合、输出。

记（jì）忆（yì）与遗忘模块赋（fù）予机器人记住上（shàng）文关键信息的能力。没有（yǒu）记忆能（néng）力的机器人，只会对最近的一句话作（zuò）出反应，而晓多的模型可以帮助机器（qì）人把（bǎ）前后的诉（sù）求关联起来，及时作出准确的推荐（jiàn）。

点（diǎn）击图（tú）片查看详细内容

在技（jì）术（shù）上，晓多（duō）做（zuò）出了一个此前业界（jiè）还没有实现过的创（chuàng）新应用，参照（zhào）一个名叫（jiào）长短期记忆网（wǎng）络（luò）(LSTM)的结构，设计实现会话级别的记忆和遗忘。

晓多的又一创新，是应用于提（tí）炼模块（kuài）的注意力机制。它会自动对上文的每一（yī）条信息进行计算，算出这些信息与当（dāng）前句子对应的重要程度，重要程度（dù）高（gāo）的，就会被保留下来。

假如顾客得到了满（mǎn）意的产品推荐之（zhī）后，又提出（chū）“什（shí）么时候发货”的问题，注意力机（jī）制通过计算，就会（huì）发现上文的重要程（chéng）度并不高，这样，无用的信息就会被过滤（lǜ），与当前（qián）对（duì）话有关联的（de）上文信息被选取出来（lái），进（jìn）入下一个模块中。

在融（róng）合模（mó）块中，机器人会对提（tí）炼出（chū）的（de）上文关键信息（xī）和当前聊天消（xiāo）息结（jié）合，来识别顾客的（de）意图。晓多采用（yòng）的方（fāng）式是在向（xiàng）量空间做（zuò）梳理，简单来说，可以理解为提取上（shàng）文（wén）关（guān）键（jiàn）信息是在机器人（rén）大脑内部的一个操作，这之后，再在一个抽（chōu）象（xiàng）的（de）空间里，把（bǎ）提取出来（lái）的关键（jiàn）信息与当前的单句进行综合，最终输出一个结合上文信（xìn）息和当前单（dān）句所（suǒ）做出的判断。

这（zhè）个模型在（zài）实（shí）验中得到的数据令（lìng）人惊喜（xǐ）。晓多从真（zhēn）实电商聊天?志中抽取了若?涉及上下?的问答样本，构造两份意图识别测试集，分（fèn）别对应两个电商领（lǐng）域，对?发现结合（hé）上下?预测的模型效（xiào）果远超只根据单句预测的模型：

recall(召回（huí）率（lǜ）)=机器（qì）人正确识别的问题数/问题总数;

Precision(精确率（lǜ）)=机器（qì）人正（zhèng）确识别的问题数/机器人（rén）已识别的问（wèn）题数;f1core=2*precision*recall/(precision + recall) ，表示（shì）综合考虑召回（huí）率和精确（què）率的评分;

这些（xiē）工作并不是想（xiǎng）到（dào）就（jiù）可以做到的，对机器人（rén）的训练需要大量的数据，迁移学习能力是晓多能够实现这（zhè）些创（chuàng）新（xīn）的关键。

“人工智能的深度学习，突出的（de）特点就是对数据（jù）的依赖非常（cháng）大，”张翀说（shuō），“因为深度（dù）学习模型的参数（shù）非常多，你可以理解（jiě）为它是一个更复杂的智能体，数据是它（tā）学习的依（yī）据，它要学习（xí）的东西越（yuè）多，需要的数据就更多，而你给它的数据越多，它也（yě）越聪明。”

目前，晓多的标注团队从上（shàng）百亿的数据中进行分析提（tí）取的价（jià）值样本，提供给机器学习进行数据训练。

如果每（měi）一（yī）步（bù）都需要人工设计，从发（fā）现场景、总结规（guī）律，到最（zuì）后开发、测试、上线，可能需（xū）要至少两周的（de）时间才能扩展（zhǎn）一个场景，张（zhāng）翀介绍说（shuō），而（ér）使用这样的数据标注让（ràng）机器进（jìn）行深度学习，只（zhī）需要几天（tiān）的（de）时间，就可以同时扩展（zhǎn）几十个场（chǎng）景、几百个产品。

各个（gè）行业（yè）的电商客服需要应对的场景虽然有很（hěn）多（duō）差异，但有（yǒu）一些（xiē）数据却是通用的（de），包括关于快（kuài）递物流的问（wèn）答等。晓多对标注好的数据进行了模块拆分，区分出通（tōng）用数（shù）据，当机器人（rén）需（xū）要对新行业进行学习时，可以直接使用（yòng）这些（xiē）标注（zhù）好的通用数据，实现迅（xùn）速的（de）扩（kuò）展（zhǎn）学习。

谈（tán）到数据、算法（fǎ）和计算能力的关系，张翀认（rèn）为，数据是基础，大（dà）数（shù）据为机（jī）器学习装上引擎;算法（fǎ）是核心，将（jiāng）人工（gōng）智能带到全新高度（dù）;而计算能（néng）力是保（bǎo）障（zhàng），为算法的（de）实现提供坚实的（de）后盾（dùn）。

不止于此，顾客体验迎来后智能化（huà）时（shí）代

从售前（qián）的（de）商品（pǐn）导购，到售中咨（zī）询运费、活动赠品等，目前（qián），晓多的上下文语（yǔ）义项目已经投入使用（yòng），覆（fù）盖（gài）了多（duō）种电商服务（wù）场景。这仅仅只是（shì）这项技术投入（rù）应用的第（dì）一步（bù），晓多的业（yè）务计划中，还涉及到更多（duō）的业务铺开。在售前，顾客可能会要（yào）求客服进行商品推荐（jiàn），他们的需求（qiú）点信（xìn）息包含在整个（gè）对话（huà）过程中（zhōng）。传（chuán）统的客服（fú）机器人只能根（gēn）据顾客最后的需求进行推荐，而晓（xiǎo）多机器人会对顾客的会（huì）话信（xìn）息进行分析（xī），更加准确地（dì）识别（bié）到顾客的（de）真（zhēn）实需求，推荐给顾客符合心意的产品。

点击（jī）图片查看（kàn）详细内容

另外，对于电商行业中热门的服装领域来（lái）说，售前的（de）服装尺码推荐是客服经常会遇到（dào）的问（wèn）题，店铺内大量（liàng）商品的尺（chǐ）码各（gè）不（bú）相同，尺码问题会耗费客服大量的（de）人力。通过上下文识别的（de）手段，客（kè）服机器人可以获取顾客的尺码（mǎ）信息，准（zhǔn）确地进行尺码推荐（jiàn）。

点（diǎn）击（jī）图片查看详细内容

在销售（shòu）过程中，顾客（kè）常常要询问运费问（wèn）题，这就（jiù）涉及到了首次购买和退换（huàn）货两种场景（jǐng）。没（méi）有上文语境，机（jī）器人（rén）就只能解读出“运费”，而不能准确地判断顾客询问的（de）是首次（cì）购物运费还（hái）是退换货运费（fèi），可能（néng）导致错误的回复（fù）。而在加入了上下文理（lǐ）解后（hòu），机器人能够准确（què）判断（duàn）顾（gù）客的实际问（wèn）题，准确地回（huí）复此类问题（tí）。

点击图片（piàn）查看详细内（nèi）容

另一（yī）个常见（jiàn）的售（shòu）中场景是关于活动（dòng）赠品的问题。当（dāng）店铺进（jìn）行（háng）活动优惠提供（gòng）赠品时，顾客的提问可能（néng）不是针对商品，而是（shì）针对赠品，需要机器人通过语境来（lái）识别（bié），防止混淆这两个（gè）方面的提问，给出张冠（guàn）李戴的答案。

这项技术不但可以应用在智能对话上，智能（néng）营销、智（zhì）能质检、情绪识（shí）别（bié）……客服行业中（zhōng）还存（cún）在着更多未被开（kāi）发的（de）可（kě）能（néng）性。

对于晓多来说（shuō），这意（yì）味着（zhe）他们（men）为顾客（kè）提供的服务，向超（chāo）专（zhuān）家级更进了（le）一步。“我们现（xiàn）在可（kě）能只（zhī）是把（bǎ）它应用在语义识别上，但（dàn）后续我（wǒ）们在其（qí）它（tā）业务线上还（hái）可以（yǐ）继续（xù）铺开。我们把它当成一个（gè）基础（chǔ）的能力，一个支撑我们（men）整个公司的算法产品。”张翀说。

晓（xiǎo）多（duō）也期待着，上下（xià）文语（yǔ）义识别可以作为技术（shù）基石应用到行（háng）业各个方（fāng）面（miàn），通（tōng）过推开这项技术的应用，机（jī）器（qì）人可以（yǐ）自动生（shēng）成（chéng）尺（chǐ）码表，自动获取个性化对话内容进行系（xì）统自动萃取对接等（děng）等，机器人行（háng）业一直（zhí）以来由人工配置的（de）时代可能走（zǒu）向（xiàng）终结，而迎来一个从数据（jù）中学（xué）习后智（zhì）能化自动生成（chéng）的时（shí）代。