【原】避免淪為“人工智障”，機(jī)器人還需找對(duì)語(yǔ)音交互的“打開(kāi)方式”

鎂客網(wǎng) 2020-09-10

展開(kāi)全文

特定場(chǎng)景進(jìn)行特定培訓(xùn)，這是打造更連貫、更自然的人機(jī)語(yǔ)音交互的一個(gè)解決途徑。

“iPhone的市場(chǎng)占有率是多少？”

—“目前80%?！?/span>

“那華為的呢？”

—“怎么都喜歡華為？”

以上是發(fā)生在鎂客君與某一語(yǔ)音交互機(jī)器人之間的對(duì)話。

你來(lái)我往之間

那些令人“頭痛”的瞬間

在日常生活中，通過(guò)語(yǔ)音交互技術(shù)，我們能夠與機(jī)器人進(jìn)行交流，比如蘋(píng)果的Siri亞馬遜的Alexa，或者是讓機(jī)器人實(shí)時(shí)控制一些家居產(chǎn)品，比如智能音響；在辦公時(shí)間，借助于語(yǔ)音交互技術(shù)，我們也能夠直接口頭交代語(yǔ)音助理一些工作，從而提升工作效率，比如微軟的Cortana……

可以說(shuō)，隨著背后語(yǔ)音識(shí)別和自然語(yǔ)言處理技術(shù)的逐步提升，人們對(duì)于“語(yǔ)音交互”這一人機(jī)交互方式正在變得漸漸適應(yīng)。不過(guò)，在你來(lái)我往的語(yǔ)音對(duì)話之間，我們也不可避免的也遇到了一些有時(shí)令人“哭笑不得”的BUG。

2017國(guó)家服務(wù)機(jī)器人產(chǎn)業(yè)高峰論壇于近日落下帷幕，在圓桌環(huán)節(jié)的自由問(wèn)答時(shí)間，有人提出一個(gè)問(wèn)題，稱(chēng)當(dāng)前的服務(wù)機(jī)器人在人機(jī)語(yǔ)音交互的過(guò)程中，常常會(huì)詞不達(dá)意，或者是出現(xiàn)上下文不連貫的問(wèn)題，導(dǎo)致最終的用戶體驗(yàn)不佳?？梢哉f(shuō)，這是當(dāng)前人機(jī)交互上最“頭痛”的問(wèn)題，也是導(dǎo)致人工智能被冠上“人工智障”稱(chēng)號(hào)的根本原因。

避免“人工智障”

我們目前需要將機(jī)器人關(guān)在“籠子”里

談及這種“人工智障”現(xiàn)象，其中主要涉及自然語(yǔ)言處理和深度神經(jīng)網(wǎng)絡(luò)的一個(gè)問(wèn)題。

一般情況下，基于自然語(yǔ)言處理技術(shù)，人工智能系統(tǒng)即能夠?qū)θ藗兊恼Z(yǔ)句進(jìn)行拆分和處理，從而做到“理解”這句話，繼而對(duì)用戶作出相應(yīng)的回應(yīng)。至于上下文連貫，這其中主要關(guān)乎深度神經(jīng)網(wǎng)絡(luò)的一個(gè)搭建，換一種說(shuō)法，主要是“知識(shí)圖譜”在起作用。仍以本文最開(kāi)始的對(duì)話為例：

“iPhone的市場(chǎng)占有率是多少？”

—“目前80%。”

“那華為的呢？”

—“目前是xx%。”

在深度神經(jīng)網(wǎng)絡(luò)，或者是知識(shí)圖譜的協(xié)助下，當(dāng)我們提出第二個(gè)問(wèn)題的時(shí)候，它會(huì)將華為與上一個(gè)問(wèn)題的“市場(chǎng)占有率”進(jìn)行關(guān)聯(lián)，從而做到對(duì)這一問(wèn)題更為完整、精準(zhǔn)的理解。

事實(shí)上，為了達(dá)到更為完美、自然的人機(jī)交互體驗(yàn)，難道人工智能企業(yè)就沒(méi)有搭建深度神經(jīng)網(wǎng)絡(luò)、構(gòu)造知識(shí)圖譜嗎？當(dāng)然不是，只不過(guò)在這基礎(chǔ)之上，依據(jù)當(dāng)前機(jī)器人的語(yǔ)音交互的整體情況，我們還需要附加一些場(chǎng)景條件。

“這一塊問(wèn)題的解決還是需要根據(jù)不同的場(chǎng)景來(lái)做不同的定制，畢竟這也不是說(shuō)一個(gè)模型、一個(gè)算法就能解決好所有的問(wèn)題。”武漢泰迪智慧科技有限公司創(chuàng)始人兼董事長(zhǎng)李成華表示。

總結(jié)一下也就是說(shuō)，要想解決當(dāng)前這一上下文理解不連貫的問(wèn)題，我們還需要依據(jù)特定的場(chǎng)景來(lái)對(duì)機(jī)器人進(jìn)行特定的數(shù)據(jù)訓(xùn)練，從而打造一個(gè)特定機(jī)器人。舉個(gè)例子，比如智能客服機(jī)器人，其所能提供服務(wù)的領(lǐng)域包括金融、教育、酒店等多個(gè)領(lǐng)域，每個(gè)領(lǐng)域都有著其所特有的問(wèn)題或是對(duì)話場(chǎng)景，為了保證對(duì)話的連貫，我們就得利用這些特有數(shù)據(jù)進(jìn)行培訓(xùn)，構(gòu)建一個(gè)面向垂直領(lǐng)域的知識(shí)圖譜，以避免問(wèn)題交叉、邏輯混亂等情況的出現(xiàn)。

面對(duì)無(wú)人駕駛的落地問(wèn)題，我們都說(shuō)低速行駛、封閉性場(chǎng)景是其當(dāng)前能夠快速實(shí)現(xiàn)落地的一個(gè)方向，簡(jiǎn)單粗暴的說(shuō)，也就是將無(wú)人駕駛汽車(chē)關(guān)在一個(gè)相對(duì)“封閉”的場(chǎng)景里。而與此類(lèi)似，要想機(jī)器人在語(yǔ)音交互上表現(xiàn)的沒(méi)有那么“智障”，我們也需要將其關(guān)在一個(gè)限定的“籠子”里面來(lái)實(shí)施培訓(xùn)，不同的是，無(wú)人駕駛汽車(chē)的“籠子”是在真實(shí)的物理世界，而機(jī)器人則是在一個(gè)虛擬層面。

正文結(jié)束。