AI学习笔记--人机对话的四种形态
AI學(xué)習(xí)筆記--人機對話的四種形態(tài)
><div class="show-content-free"><p>最近在籌備轉(zhuǎn)行 AI PM 由于之前的產(chǎn)品線也有做過類似 AI 的智能客服產(chǎn)品，所以打算先從人機對話這個角度入手。</p><p>以下文章結(jié)合了一些 case，對人機對話的四種形態(tài)做了較為淺顯的概念介紹，其中“以任務(wù)為驅(qū)動的多輪對話”做重點介紹。這篇文章比較適合想要簡單了解 AI 人機對話技術(shù)邏輯的 0 技術(shù)基礎(chǔ)PM 。學(xué)習(xí)資料來源有三角獸、圖靈機器人、攜程技術(shù)中心（知乎）。</p><p>“人機對話，是人工智能領(lǐng)域的一個子方向，通俗的講就是<b><i>讓人可以通過人類的語言（即自然語言）與計算機進行交互</i></b>。作為人工智能的終極難題之一，一個完整的人機對話系統(tǒng)涉及到的技術(shù)極為廣泛，例如計算機科學(xué)中的語音技術(shù)，自然語言處理，機器學(xué)習(xí)，規(guī)劃與推理，知識工程，甚至語言學(xué)和認知科學(xué)中的許多理論在人機對話中都有所應(yīng)用。”</p><p><b><i>人機對話可以分為以下四種形態(tài)：開放域聊天、任務(wù)驅(qū)動的多輪對話、問答和推薦。當然，一個人機對話產(chǎn)品很可能是以上四種形態(tài)的混合。</i></b></p><h3><b>一、開放域聊天（open domain）：</b></h3><p> 開放域聊天<b>非面向目標、語義意圖不明確。</b>用戶通常期望的是語義相關(guān)性和漸進性，對準確率要求較低。開放域聊天在現(xiàn)有的人機對話系統(tǒng)中，主要起到拉近距離，建立信任關(guān)系，情感陪伴，順滑對話過程（例如在任務(wù)類對話無法滿足用戶需求時）和提高用戶粘性的作用。這一形態(tài)的典型產(chǎn)品代表有微軟小冰，助理來也，siri，度秘...</p><p> 開放域聊天與以下的幾種對話（task oriented etc.）有較為明顯的區(qū)別，因為用戶可能不涉及具體任務(wù)，場景更加開放，休閑。相應(yīng)的，用戶期望也會產(chǎn)生變化，從期望幫助完成某個硬性/客觀的任務(wù)（如多輪對話）到期望機器理解主觀的情感，并進行情感交流。借用 Google對話式交互設(shè)計指南中的話來說，就是<b>“人們會對媒介角色（如虛擬助理）產(chǎn)生像對真人一樣的心理反應(yīng)，我們會本能地將人類個性與性格遷移到數(shù)字對話中去”。</b><b> </b>因此相較而言，這種產(chǎn)品的用戶體驗與交互設(shè)計就顯得格外重要。用戶希望跟一個有溫度的機器人聊天，希望自己的情感被理解并得到正向的反饋，當你在想象 ta 的時候，第一印象不是你的智能手機，而是在腦海里刻畫出一個或萌或可愛或悶騷的真實形象（比如 Her）。</p><p> 開放域聊天的技術(shù)路線通常有 <b>GenerationModel（生成模型）和 RetrievalModel（檢索模型）</b>。IR模型的優(yōu)勢在于有良好的<b>可讀性</b>，較好的回復(fù)<b>多樣性，</b>同時容易測評和分析；其缺點在于嚴重依賴數(shù)據(jù)，對于 context 的理解處理較差。生成模式通常會基于 seq2seq 框架，好處在于不需要維護一個巨大的 Q-R dataset，且是 E2E 的學(xué)習(xí)模式；缺點在于可讀性差，回復(fù)單一，難以測評。兩種模型共同面臨的挑戰(zhàn)主要有：context的處理以及如何把 user profile 運用在回答的個性化處理上。以下是兩種模型對query 的處理過程：</p><p>（1）IR模型：</p><div class="image-package">（2）基于生成的技術(shù)路線
? ? ? 目前，open domain的人機對話存在有以下主要問題：（1）短文本語義關(guān)系計算；（2）基于IR的自動聊天框架下的上下文相關(guān)模型；（3）外部知識在聊天模型中的引入；（4）readability & diversity；（5）引入 user profile 的個性元素。
? ? ?開放域聊天的評價指標主要涉及單輪相關(guān)度；整體滿意度；用戶活躍度。
單輪相關(guān)度：
（1）相關(guān)性：不相關(guān)=-1；略相關(guān)=0；相關(guān)=1
（2）趣味性：相關(guān)但無趣=0；相關(guān)且有趣=1
整體滿意度：
（1）順暢度
（2）自然度
用戶活躍度：
（1）平均持續(xù)對話輪次
（2）用戶平均對話次數(shù)
二、以任務(wù)為驅(qū)動的多輪對話
1、定義：用戶帶著一定的目標前來使用產(chǎn)品，且由于任務(wù)的復(fù)雜性，用戶需要將需求分多輪進行描述。機器則需要給出每一輪的限制條件下的最佳決策，并且對當前狀態(tài)（context）進行記錄。
2、作用：能夠幫助用戶完成復(fù)雜任務(wù)；縮短完成任務(wù)需要的路徑；減少為了完成任務(wù)，搜集信息的時間成本
3、典型代表：阿里小蜜，京東JIMI等智能客服
4、特點和適用場景：用戶任務(wù)目標 / 任務(wù)完成路徑清晰。
個人認為，這種任務(wù)驅(qū)動的多輪對話形式，非常適合在一些專業(yè)性要求高的垂直領(lǐng)域，例如買車，理財（智能投顧），教育（課程匹配）...同時適合一些需要大量搜集信息才能完成的任務(wù)場景，例如股票的買賣（往往需要大量信息支撐決策），二手車交易etc. 智能機器人能夠把大量的信息整合，通過對話理解用戶需求，只從知識庫中抽取用戶需要的信息進行返回，節(jié)約信息獲取的時間成本。
5、產(chǎn)品評估指標：
自然語言理解程度：準確率、召回率、F-score
對話狀態(tài)追蹤（DST）：概率分布的優(yōu)劣
對話結(jié)果準確性（最直觀的業(yè)務(wù)指標）：對話輪次，任務(wù)完成率
6、交互過程分析（以一輪對話為例）：
人鍵入自然語言→預(yù)處理成結(jié)構(gòu)化語義表示（dialogue act=communicative function+slot-value pair）→意圖識別?→當前狀態(tài)下的最優(yōu)決策結(jié)果輸出 →?記錄上下文語境（context，即需要維護當前狀態(tài)），對話狀態(tài)追蹤→人對于結(jié)果進行操作（認同結(jié)果 or 繼續(xù)交互）
step1 結(jié)構(gòu)化語義表示：
? ? ?即將自然語言的 query 識別成結(jié)構(gòu)化的語義表示。在對話系統(tǒng)中，這個結(jié)構(gòu)化的語義表示通常被稱作 dialogue act?由 communicative function 和 slot-value pairs 組成，其中?communicative function 表示 query 的類型（如：陳述需求，詢問屬性，否定，選擇疑問，等等）而每個?slot-value pair（槽） 則表達一個限制條件（constraint），也可理解為用戶目標的一個組成單元。常見的 communicative function 類型：
語義結(jié)構(gòu)化表示case： query = “幫我選一輛 3 月上市的國產(chǎn) SUV”?
? ? ?對應(yīng)的 dialogue act 可以表示為 inform(model = suv，nation = 國產(chǎn)，time=Mar.)。這里? communicative function 是 inform ，表示陳述需求。而 “model = suv，nation = 國產(chǎn)，time=Mar.” 是限制條件。有時候我們也把model，nation，time等稱之為“槽”，而suv，國產(chǎn)，Mar.等稱之為槽值。下圖可以很好的解釋填槽的過程（圖源：https://yq.aliyun.com/articles/276269）
step 2 意圖識別與管理：
（i）用戶偏向于短句的表達。因此，識別用戶的意圖，要與上下文(context)進行結(jié)合。
（ii）在多輪交互中用戶會不斷的添加或修改意圖的子意圖，需要維護一份當前識別的意圖集合。
（iii）商品意圖之間存在著互斥，相似，上下位等關(guān)系。不同的關(guān)系對應(yīng)的意圖管理也不同。
（iv）屬性意圖存在著歸類和互斥的問題。
**這里有幾條 Google 的對話式交互設(shè)計指南中的幾條準則適用于 PM 和開發(fā)者：
（i）串聯(lián)（Threading）：設(shè)計師要考慮到用戶鍵入的自然語言的特點，注意上下文和語境
（ii）短語句效率：人們在日常聊天中傾向使用短語句，因為與我們對話的人會自動地把短語句進行潛臺詞填充。因此機器也要注意對短語句的潛臺詞填充
（iii）用戶行為的多樣性：對于機器的一個回復(fù)，不同的用戶會采用不同的詞匯和表達方式，產(chǎn)品設(shè)計應(yīng)該支持這種多樣性，設(shè)計師應(yīng)該關(guān)注“愉悅路徑”，并在所有的場景下保持體驗的穩(wěn)定性
step 3 當前狀態(tài)下的最優(yōu)決策結(jié)果輸出 & 對話狀態(tài)追蹤（DST）
對用戶意圖進行識別后，系統(tǒng)要反饋給當前意圖下的最優(yōu)決策結(jié)果，流程如下圖所示。
忘記是在哪里截到的圖了，有可能是攜程技術(shù)中心的專欄哈.. 侵刪
然而用戶的需求并不是一成不變的，目標也往往需要多輪對話才能達成。那么就需要我們對對話狀態(tài)進行追蹤，去結(jié)合上文語境，了解用戶目標到底是什么，給出全局的最優(yōu)策略解（而非單個對話輪次）。
eg：
第一輪對話：“幫我選一輛國產(chǎn) SUV” ，slot-value pairs：nation = 國產(chǎn)，model=SUV.
第二輪對話：“想看看最新出的車”，slot-value pairs：nation =國產(chǎn)，model=SUV，time=latest
我們要做的，是對 user goal 的識別。而 user goal 可以表示成 slot-value pairs 的組合。每一個 slot 上都可能有 value，每個 value對應(yīng)一個置信概率，于是能夠形成每個 slot 上的邊緣置信狀態(tài)（marginal belief）；然后所有slot-value pairs的組合的概率分布就形成聯(lián)合置信狀態(tài)。隨著slot-value的數(shù)量變化，概率分布同樣發(fā)生變化，則會影響到我們輸出的結(jié)果。
這里有一點需要注意，即【槽繼承】
譬如，第一輪對話：
user：幫我選一輛國產(chǎn) SUV? ? ? bot：好的，你想要大概什么價位區(qū)間的呢？
user：20萬左右的吧? ? ? ? ? ? ? ? ? bot：好的（輸出結(jié)果）
user：算了，還是看看轎車吧
bot：這里要輸出 nation=國產(chǎn)，price=20w+-5w，model=轎車，即繼承前序?qū)υ挼?nation 和 price 部分，而非再次詢問用戶的價格等意愿
step 4 人與結(jié)果的交互
關(guān)注人與結(jié)果的交互，意義在于兩個方面：
（i）產(chǎn)品是否真的有效率：即正確識別用戶意圖，并通過較少的對話輪次幫助用戶達成目標。
（ii）用戶畫像的建立：例如某些金融領(lǐng)域智能客服，記錄用戶與理財產(chǎn)品推薦列表這一結(jié)果的交互（瀏覽，僅點擊，點擊后成交...）能夠構(gòu)建更為豐富的用戶畫像，了解用戶的風(fēng)險偏好，資產(chǎn)配置傾向，從而不斷提高理財產(chǎn)品與用戶的匹配程度。
Reward 設(shè)計思路：
某篇文章把這種交互稱之為 Reward，并給出了電商商品推薦場景下 Reward 的設(shè)計思路：
a) 用戶的點擊的reward設(shè)置成1；
b) 成交設(shè)置成[1 + math.log(price + 1.0) ]；
c) 其余的設(shè)置成0.1
三、問答
此處的問答，指的是一問一答，即直接根據(jù)用戶問題給出精準答案，如”北京今天多少度“。問答更類似信息檢索，雖然可能也涉及上下文處理，如”那么明天多少度“，但通常是通過只帶消解和 query 補全來完成。問答與多倫對話最根本的區(qū)別在于”系統(tǒng)是否需要維護一個用戶目標狀態(tài)的表示（我的理解是上述所說的slot-value pair的變化）和是否需要一個決策過程來完成任務(wù)。
四、推薦
上述三種對話模式基本上都基于用戶的主動 query，而推薦則是系統(tǒng)主動發(fā)起的。推薦往往基于用戶畫像做個性化定制；或基于已有的大量對話數(shù)據(jù)、給出用戶最可能詢問的query model，例如阿里客服界面中，用戶未發(fā)起 query時，系統(tǒng)即給出”猜你可能想問....“的question cards。
以上就是常見的 4種借助 AI 技術(shù)的人機對話式產(chǎn)品。
個人認為，產(chǎn)品經(jīng)理想要向AI PM 轉(zhuǎn)型，首先要對基礎(chǔ)概念有一定了解，同時要花費更多精力去驗證需求的真?zhèn)?#xff1a;AI與具體場景的結(jié)合，是不是真正地提高了用戶效率。
恩，那么就先到這里，午休結(jié)束，要上班啦！
下次有空聊聊所謂的“智能助理”~
總結(jié)
以上是生活随笔為你收集整理的AI学习笔记--人机对话的四种形态的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。
- 上一篇： dockerfile拉取python3.
- 下一篇： NLP-美团技术团队（搜索-推荐-召回排