一文读懂对话式交互技术原理及流程设计

一文读懂对话式交互技术原理及流程设计

一、对话式交互技术

以智能音箱、智能电视为代表的对话式交互，是时下非常火热的、且能够走近我们生活的人工智能子领域。

什么是对话式交互呢？我们首先从一个例子开始。贾维斯，电影《钢铁侠》中那位钢铁侠的AI 管家，他能独立思考、可以实时帮钢铁侠处理各种事情，包括计算海量数据。其中最让观众印象深刻的就是，贾维斯可以随时随地像人一样进行口语交流，来解决钢铁侠的问题。

贾维斯能听、会说，能实时理解主人的对话意图并根据实际场景进行下一步的对话，如果在对话过程中碰到有歧义的情况，他还会追问钢铁侠，让他提供更多的信息来消除歧义。贾维斯的这些能力就是对话式交互要提供的，其中的核心是VUI （V oice User Interface，语音用户界面）的设计。相对于GUI（Graphical User Interface，图形用户界面），VUI 解放了人的双手，某些场景下，简单的一句语音命令就能代替GUI 下鼠标/ 遥控器的多次点击，这带来的不只是方便，还节省了时间。一个好的VUI 系统，能够让用户尽可能通过最少轮次的对话实现既定意图的执行。贾维斯总能在危机时刻帮到钢铁侠，他是一个具有完美VUI 的语音助手。

嗯，我们不要入戏过深，贾维斯是一部电影里的虚拟系统。那么，现实生活中，我们能创造出来一个接近贾维斯的对话式交互系统吗？我们该怎么做呢？呃，很遗憾，以当前的科技发展水平，我们还做不到电影里那么智能，更不用说让机器有意识。但人机交互并不是昨天才发明出来的，人类在这个领域已经探索了几十年，我们可以实现钢铁侠与贾维斯的交互方式，并用这种方式来帮我们处理一些数据或控制我们身边的一些硬件设备（比如让语音助手根据天气提供穿衣建议或者控制厨房和卧室的各个家电），这就是我们要聊的对话式交互技术。

对话式交互技术包括了语音识别/ 合成、语义理解和对话管理三个部分。当下的对话式交互产品主要分两类：以微软小冰为代表的开放域（Open Domain）对话系统和以亚马逊