最具“情商（shāng）”的（de）新（xīn）一代智能机器人来了（le）!能（néng）读懂（dǒng）上下文

也许你也有（yǒu）过这样的经历，向智能客服咨询问题，却陷入毫无（wú）进展的对（duì）话里（lǐ）：

-你们家（jiā）的面膜都是纯天然的?

-亲亲（qīn），我（wǒ）们家的面膜都是（shì）芦荟精华（huá）提取，纯天然的（de）哦~

-我皮肤有点干，推荐（jiàn）一款呗~

-冬天皮肤干燥推荐给亲亲（qīn）我们的保湿精华乳~

-我是要（yào）买面膜，你是机器人吧，让（ràng）人来（lái）说话。

作（zuò）为顾客，此时你大概要叹一句“人（rén）工（gōng）智能真不智能”。这些（xiē）所谓（wèi）“智能”客（kè）服们往往只（zhī）能做到一问（wèn）一答，一（yī）旦对话涉及稍微复杂的情（qíng）境，它们就（jiù）开始答非所问。

让人工智能学会（huì）根（gēn）据上下文去处（chù）理信息，是自然语言（yán）处理技术一个（gè）关（guān）键的门槛，也是多年来整个学术界和工业界都在努力攻克（kè）的难题（tí）。尽管在（zài）通用NLP领域，gpt-2，BERT等算法模型（xíng）的（de）出现，让语义理解取得了重大进（jìn）展，但是由于专业性强、垂直语（yǔ）料库不（bú）足等（děng）原因，某些亟待（dài）落地的应用场（chǎng）景，例如高强度的客服对话，还（hái）深陷在开头出现的（de）“人工（gōng）智障”泥潭中。

最近，这个难题迎来（lái）了新（xīn）进展。晓多科（kē）技(下（xià）称“晓（xiǎo）多（duō）”)开发的基于上（shàng）下文的语义识别项（xiàng）目，以深度学习的方式，让智能问（wèn）答机器人（rén）能够像人（rén）类一样，结（jié）合语（yǔ）境去（qù）理解复杂场景下的（de）对（duì）话，并且进行（háng）持（chí）续的（de）自我学习，无需人（rén）工（gōng）设置（zhì）规则（zé），也能不（bú）断（duàn）扩展（zhǎn）和（hé）覆盖更多的场（chǎng）景。

从一问（wèn）一答（dá）到（dào）读懂语境

为什么人工（gōng）智能会有这些“不智能”的表现?这是因（yīn）为目前市面上主流的智能问答机器人，大部分都是根（gēn）据单个句子来识别顾客的意图，从（cóng）而进行一（yī）问一答的任务型对话（huà）。但在日常聊天对话中，我们习（xí）惯口语化表达，尤（yóu）其（qí）在打字时，一般不会大段大（dà）段地（dì）发（fā）送，而会使用很多（duō）断句，这种零碎的表达使得机器人（rén）无法从单个句子中（zhōng）准确（què）识别（bié）出你的（de）真（zhēn）实（shí）意图，造（zào）成答非所问的情况。

这对于服务业来说是（shì）一个（gè）致命（mìng）伤。

和普通的闲（xián）聊机器人不同，智能客（kè）服（fú）必须做到对各（gè）种场景的精准识别。因为智能客服面对的工作（zuò），是要（yào）及（jí）时地、明确地解决顾客的（de）问题。

当你和闲聊机（jī）器人逗趣的（de）时（shí）候，它答（dá）非所问的（de）话并不会让（ràng）你烦躁，反而觉（jiào）得很（hěn）有趣味;但当你（nǐ）只想赶紧退货或者得到赔偿时，智能客服的胡言乱语足够（gòu）让烦（fán）躁的（de）顾客给这家店铺打（dǎ）上0星，并在评论区洋洋（yáng）洒洒好几百字，控诉店铺服务不到位。

在商（shāng）品售前阶段也是这样，智能客（kè）服错误的回复或答（dá）非所问，都会影响顾客的体验度，平台商家竞争激烈（liè）的情（qíng）况下，得（dé）不到满（mǎn）意答（dá）复的顾客可能会（huì）很快（kuài）放弃，选（xuǎn）择另外一家（jiā）店铺，从而造成顾客的大（dà）量流失。

单句识别与（yǔ）上下文（wén）识别（bié）的差（chà）别

解决这一（yī）问题的（de）关键，在于要（yào）让机器人像人一样，学会联系（xì）上下文（wén），结（jié）合语境来对话，而不（bú）仅仅对单（dān）个句（jù）子作（zuò）出反应。

目前（qián）市（shì）面上其他机器人都不支持上下文语义，他们（men）是在（zài）靠规则（zé）和流程（chéng）设（shè）置关键词。也就（jiù）是说，这个情景中需要什么信息，就要设（shè）计出对应的问题，让机器（qì）人按照（zhào）固定的顺序（xù）提（tí）问（wèn），顾客按（àn）照要求回答完所有问题，机器（qì）人（rén）才（cái）能根据所有信息来进行回应。

例如，顾客要（yào）购买飞机票，就要设定机器人首先（xiān）询（xún）问顾客起点、终（zhōng）点、时间，再问顾客想（xiǎng）要（yào）什么等级（jí）的座位等等，通（tōng）过这些（xiē）固（gù）定问题的答案，把需要（yào）的信息补充完（wán）整，最终给出推荐。

在这种情况下，每一（yī）个场景都需要人工去设（shè）定对应的规则，效率十分（fèn）低下。尤其在电商领域，从售前到售（shòu）中，再到售后，涉及到的（de）问题是方方面面的（de），更别说（shuō）还有购物品类的区别，场景（jǐng）的扩展是指数级的，靠人工设定规则（zé）去（qù）做到（dào）全覆盖，说是天方夜谭（tán）也不为过（guò）。

如果能够将目前（qián）人工智能领（lǐng）域大热的深度学（xué）习（xí）应用到这一问题（tí）的解决（jué）上（shàng），让机器（qì）人能够（gòu）通（tōng）过自己学习，掌握基于上下文的语义理解，并持续学习扩展（zhǎn）到各个场景中，就可以大大地提（tí）高（gāo）智能机器人面（miàn）对复（fù）杂场景（jǐng）的精准应对能力，同时提高（gāo）它覆盖（gài）各（gè）种场景的效率。怀着这样的想法，晓多开始（shǐ）了上（shàng）下（xià）文语义（yì）项目。

让（ràng）机器人自己“划（huá）重点”：记（jì）住重要信息，忘记不（bú）重要的

机器人自己学会理解上下文，困难在（zài）哪里?晓多（duō）算（suàn）法工程师、本次上（shàng）下文语义（yì）项目的（de）负责人张翀向大（dà）数据文摘介绍，最关键的问题在于要让（ràng）机器（qì）人（rén）像（xiàng）人一样记得上（shàng）文的重要信（xìn）息，并且知道这些信息（xī）和当（dāng）前问句的关联。

在（zài）这个问题上，目前学术界和业界并没有现成的解决方（fāng）案。对此，张翀（chōng）介绍，晓多为新一代问（wèn）答机器人创新设计（jì）了一个深度学习模型，包含四个模块：记忆与（yǔ）遗（yí）忘、提炼、融合、输出。

记忆与遗忘（wàng）模块（kuài）赋予（yǔ）机器人记住上文（wén）关键（jiàn）信息的能（néng）力。没（méi）有记忆能力的机器人，只会（huì）对最近（jìn）的一句话作出反应，而晓多的（de）模型（xíng）可以帮（bāng）助机器人把前后的诉求（qiú）关联起来，及时作出准确（què）的推荐。

点击图片查看详细内容

在技（jì）术上，晓（xiǎo）多（duō）做出了一个此前（qián）业界（jiè）还没有实（shí）现过的创新（xīn）应（yīng）用，参（cān）照一（yī）个名叫长短期记忆网络(LSTM)的结（jié）构，设计（jì）实现（xiàn）会话（huà）级（jí）别的记忆和遗忘。

晓多的又一创新，是应用（yòng）于提炼模块的注意力机制。它会自动对（duì）上文的每一条信息进行计算，算（suàn）出这些（xiē）信息与当前句（jù）子（zǐ）对应的重要程度，重（chóng）要程度高的（de），就会被保留下来（lái）。

假如顾客（kè）得到（dào）了满意的（de）产品推荐（jiàn）之后，又提出“什么时候发货”的问题（tí），注（zhù）意力机制通过计算，就会（huì）发现上（shàng）文的重（chóng）要程度并（bìng）不（bú）高，这样（yàng），无用的（de）信息就会被过滤，与当前对话（huà）有关联的上文信息被选取（qǔ）出来，进入下一个模块（kuài）中。

在融合模块中，机（jī）器人（rén）会对（duì）提炼出（chū）的上文关键（jiàn）信息和当前聊天消（xiāo）息结合（hé），来识别顾客的意图。晓多采用的（de）方式（shì）是在向量空（kōng）间做梳理，简（jiǎn）单来说，可以理解为提取上文关键信息是在机（jī）器人（rén）大（dà）脑内部的一个操作，这之后（hòu），再在一个抽象的空间里，把提（tí）取出来的（de）关键信息与（yǔ）当（dāng）前的单句（jù）进行综（zōng）合，最终输出一个结（jié）合上文信息和（hé）当前单句（jù）所做出（chū）的判断（duàn）。

这个模型（xíng）在实验中得（dé）到的数据令（lìng）人惊喜。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（liǎng）份意图（tú）识别测（cè）试集，分别对应两个（gè）电商领域，对?发（fā）现结（jié）合（hé）上下?预测（cè）的模型（xíng）效果远超只（zhī）根据单句预测的模（mó）型：

recall(召回（huí）率)=机器人正确（què）识别的问题数/问题总数;

Precision(精确率（lǜ）)=机器人正确识别的问题（tí）数（shù）/机（jī）器人已识（shí）别的问题（tí）数;f1core=2*precision*recall/(precision + recall) ，表（biǎo）示综合考虑召（zhào）回率和精确率的评分;

这些工作并不是想到就可以做到的，对机器人的训（xùn）练需要大量的数据，迁移学习能力是晓多（duō）能够实现这些创新的关键。

“人工智（zhì）能的深度学习，突出的（de）特点就是对数据的（de）依赖（lài）非（fēi）常大，”张翀说，“因为深度学习模型的参数非常多，你可以理解（jiě）为（wéi）它是一个更复杂（zá）的（de）智能体，数据是它学（xué）习的依据，它要学习的东（dōng）西越多，需要的（de）数据就更多，而你给它的数据越多，它（tā）也越（yuè）聪明。”

目前（qián），晓（xiǎo）多的标注团队从上百亿的数（shù）据中进行分（fèn）析（xī）提取的价值样本，提（tí）供给机（jī）器学（xué）习进行数据训（xùn）练。

如果每一步都需要人（rén）工设计，从发现（xiàn）场景（jǐng）、总结规律，到最（zuì）后开发、测试（shì）、上线，可能需要至少（shǎo）两周（zhōu）的时间才能（néng）扩展（zhǎn）一（yī）个场景，张翀介绍说，而使用这样的数（shù）据标注让机器进行深（shēn）度学习，只需要几天的（de）时间，就可以（yǐ）同时扩展几十个场景（jǐng）、几百个产品。

各个行业的电商客（kè）服（fú）需要应对的场景虽然有（yǒu）很多（duō）差异，但有（yǒu）一些数据却（què）是通用的，包括（kuò）关（guān）于快递物流的问（wèn）答等。晓多对标注好的数（shù）据进行了模块拆分，区（qū）分出通用数据，当机器人需要对（duì）新（xīn）行业进（jìn）行学习（xí）时，可以直（zhí）接使用这些标注好的通用数据，实现迅速的（de）扩展学（xué）习。

谈到（dào）数据、算法和计算能力的关系（xì），张翀认为（wéi），数据是基础，大数据为机器（qì）学（xué）习装上引擎;算法是核心，将人工智能带到全新高度;而计（jì）算能力是（shì）保（bǎo）障，为算法的实现提（tí）供坚（jiān）实的后盾。

不止于此，顾客体验迎来后智能化时代

从售前的（de）商品导（dǎo）购，到售中咨询运费、活动赠品等，目前，晓多的（de）上下（xià）文（wén）语（yǔ）义项目已（yǐ）经投（tóu）入使用，覆盖了多（duō）种电商服务场景。这仅仅只是（shì）这项技（jì）术（shù）投入应（yīng）用的第一步，晓多的业务计划（huá）中（zhōng），还涉（shè）及到（dào）更多的业（yè）务铺开。在售前（qián），顾客（kè）可能（néng）会要求客服进行商品推（tuī）荐，他们的需求点信（xìn）息包含在整个对话过程中。传统的客（kè）服机器人只（zhī）能（néng）根（gēn）据顾（gù）客（kè）最后的（de）需求进（jìn）行推荐，而（ér）晓多（duō）机器（qì）人会对（duì）顾客（kè）的会（huì）话信息进（jìn）行分析，更加准确地（dì）识别到顾客（kè）的真（zhēn）实需求，推（tuī）荐给顾（gù）客（kè）符合心意（yì）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（zhuāng）领域来说，售（shòu）前的服装尺码（mǎ）推（tuī）荐是客服经常会遇到（dào）的问题，店（diàn）铺内大量商品的尺码各不（bú）相同（tóng），尺码（mǎ）问题会（huì）耗费（fèi）客（kè）服（fú）大量的人力（lì）。通过（guò）上下文识（shí）别的手段，客服（fú）机器（qì）人可以获取顾客的尺（chǐ）码信息（xī），准确（què）地进行尺码推荐。

点击图片查看（kàn）详细内容（róng）

在（zài）销售（shòu）过程中（zhōng），顾客常（cháng）常要询问运费（fèi）问题，这（zhè）就涉（shè）及到了首次购买和退换货两（liǎng）种场景。没有上文（wén）语（yǔ）境（jìng），机器人（rén）就只能解（jiě）读出“运费”，而不能准确（què）地判断顾客询（xún）问的是首次购物运费还（hái）是退换货运费，可能导致错误的回复。而在（zài）加入了上（shàng）下文理解后，机器人能够（gòu）准确判断顾客的实际问题，准确地回复此类问题（tí）。

点击图片（piàn）查看详细内容

另一个（gè）常见的售中场景是（shì）关于活动赠品的（de）问题。当店铺进行活动优惠提供赠品时，顾客的提问可能不是针（zhēn）对商品（pǐn），而（ér）是针对赠品，需要机器人（rén）通过语境来（lái）识别，防（fáng）止混（hún）淆（xiáo）这（zhè）两个方面（miàn）的（de）提问，给（gěi）出张冠李戴的答（dá）案（àn）。

这项（xiàng）技术不但可以（yǐ）应用在智能对话上，智能营销、智能（néng）质检、情绪识别……客服行业中还存在（zài）着更多未被开发的可（kě）能性。

对于晓（xiǎo）多来说，这（zhè）意味（wèi）着他（tā）们为顾客提供的服务，向超（chāo）专家级（jí）更（gèng）进了一（yī）步。“我们现在可能只是把它应用在语义识（shí）别上，但（dàn）后（hòu）续我们在其它业务线上（shàng）还可以继续铺（pù）开（kāi）。我们把它当成一个（gè）基础的能力，一个（gè）支撑我们整个公司的算法产品（pǐn）。”张翀（chōng）说。

晓多也期待着，上下文语义识别可以作为技（jì）术（shù）基石应用到行业各个（gè）方面，通过推（tuī）开这项技术的应用（yòng），机（jī）器人可以自动生成尺码表，自动获取个性化对（duì）话内容进行系统自动（dòng）萃（cuì）取对接等（děng）等，机器人行业一直（zhí）以来由人（rén）工（gōng）配置的时代可能（néng）走（zǒu）向终结（jié），而迎来一个从数（shù）据中学习后智能化自动生成的时代。