本文根據竹間智慧 CTO、聯合創始人翁嘉頎在DataFun Talk人工智慧技術沙龍 ——“基於情感情緒識別的對話式AI及應用實踐”中分享的《如何打造主動對話式AI》編輯整理而成，在未改變原意的基礎上稍做整理。
前人工智慧時代是基於關鍵詞模板，只能接受固定命令，能力無法持續提升，不能識別使用者情緒，沒有使用者記憶。如現在的智慧音響，你如果對音響說“我現在吃很飽”關鍵詞是“吃飯”，音響就會為你推薦附近的菜館。當然我們的期望不是這樣，期望可以用比較好的方式來做。如“我不喜歡吃牛肉麵”，看到句子是一個否定陳述句，這不是一個命令句和意圖，所以可以避開定外賣這個意圖。利用自然語言理解意圖，自然語言目前分為三個層次，第一個是nlp，語句分詞；第二層叫意圖理解，“肚子好餓”和“我想吃東西”這兩個意圖相近；第三層就是結合場景、理解使用者情緒，實現意圖識別。
接下來講一下情感計算的設計與應用，我們做了22種文字情緒，計算出你寂寞和無聊的情感要幹嘛。但是僅僅做負、正、中情緒是不夠的，圖中紅色代表憤怒，藍色是討厭、難過，紫色是害怕，都是負面情緒，但是這三種負面情緒是不一樣的，因此機器反饋也是不一樣的。除此之外還做了9種人臉表情、4種語音情緒，將“文字+表情+語音”形成多模態情感。這樣的意義是什麼呢，舉個例子如“高考我考了500分”這個時候你是應該恭喜還是安慰呢，但是如果加入說話的語氣就完全不一樣，語音情緒表達更多資訊。再加上人臉表情，如面帶微笑說“你死定了”這個時候很難判斷意圖，結合上下文，如果都是微笑那就是開玩笑，如果兩者在吵架，這個時候就是威脅。
上面是一個多模態情感例子，上面是人臉表情，中間是語音情緒，下面是文字情緒，圖片的正上方是其總情緒。
有了情緒接下來是做一個好的機器人，那麼一個好的機器人如何製作呢。目前市面上的聊天機器人智商在2-3歲，竹間科技的機器人在5-6歲，它可以查天氣、查快遞、查股票、成語接龍等40種原生功能與技能。
再者就是知識圖譜，機器人很多使用者是小朋友，針對同一個問題需要識別不同問法，識別什麼是疑問句、感嘆句。然後做一些推論，如“姚明的老婆有多高”先找到姚明的老婆，然後推出葉莉的身高190cm。“謝霆鋒跟陳小春有什麼關係”通過知識圖譜可以推斷謝霆鋒的前妻的前男友是陳小春，還有“陸奇加入百度之後股價漲還是跌”，知識圖譜需要找到“陸奇”是誰，百度是什麼，陸奇是哪一天離開的，哪一天百度的股價是多少等等資訊然後推斷，這些是機器少數能替代人的地方。還有就是Bi-attention flow，利用深度學習模型，詢問問題，由知識圖譜深度模型尋找答案，這個存在缺點是不可控。
閒聊不是隨便的聊，好的閒聊需要用主題控制，主題還有階層關係，如“你喜歡英超哪支球隊？”，該問句的主題是運動下面的足球底下的五大聯賽的英超，如果回答“我喜歡巴薩”或者“我喜歡蛋炒飯”這些都是不對的。現在對話的主題是體育裡面的足球，因此回答應該更強烈的選擇與足球相關的，依據主題做對話的控制。那如何做話題的跳轉呢，機器人主動引導話題跳轉，依據你對話中的相關屬性來主導話題，或者根據 memory，根據 user profile，根據前面的對話來主導話題。
接下來講一下上下文理解，人不會每次都講完整的句子，如“Q1：明天我們去看電影好不好? A1：明天有事不行，Q2：那後天呢？”，那後天就代表後天我們去看電影好不好，這種就是第一種主謂賓的補全。第二種就是指代消減，如“我喜歡大張偉，我也喜歡他”這個他就是指大張偉。第三種是話題式，如“Q1：你們有賣淨水器嗎？A1：有啊Q2：佔不佔地方啊？ A2：不會，很小的Q3：怎麼賣啊？”，根據目前的話題進行上下文的補全。
一個好的機器人還需要一些記憶能力，長時記憶，如“我不喜歡吃辣的”，那麼下次推薦餐館就避免推薦辣的餐館。永久記憶，我今天肚子不舒服，那麼就不能聊大姨媽的事情。短時記憶，一般是48小時到72小時，如“明天要去蘇州間張先生”，晚上詢問明天要去哪裡，回答明天要去蘇州。這種就是短時知識圖譜，放在使用者裡面，在你問問句時回答你。
人機對話還有一些“Prediction & Generation”，根據上下文去預測下一句話，去預測其主題、意圖、keywords、句型、情感變化等。有了句型、關鍵詞，進行造句，根據上下文生成或者根據不同的使用者說話習慣來生成。那麼如何實現呢，通過外包請人聊天獲取資料，通過資料清洗等操作然後做預測。
接下來講一下NLP模型架構，其中最核心的是中文分詞，分詞不對語義理解肯定錯誤；然後是詞性標註，名詞、形容詞、副詞等標註；還有就是句式識別，如“人民廣場怎麼走？”，“你喜不喜歡吃蘋果？”這些都是上下文對話的基礎，有的是詢問資訊，有的是問你個人喜好等。“你在北京買衣服花了好多錢？”和“你上個月在北京買衣服花了好多錢”，一個是疑問句一個是感嘆句，說的意思也是完全不同。
如“你好可愛”，如果分詞為“你好”和“可愛”，會認為你是和名叫可愛的人打招呼。那我們怎麼做呢，舉例說明，如“我明天飛上海，住兩天，要如家”，核心動詞“飛上海”、“住兩天”、“要如家”，核心是“飛、住、要”，“住兩天”知道意圖是要訂酒店。第一種做法是將整個句子丟到一個黑盒子中模型訓練得出意圖，這種需要大量的基礎資料。第二種將句子進行拆分，在丟到模型中訓練，這樣會簡單很多。
如何利用 NLP 的基礎資訊呢，如“上週買衣服花了多少錢？”，首先知道是一個數量問句，核心動詞“花錢買衣服”類別是衣服，時間是上週，通過拆解進行判斷。
接下來看一下人機互動下一步的變化，目前情況67%的使用者決定轉人工，不是因為匹配錯誤，而是【答案看不懂】，25%的使用者決定轉人工，不是因為匹配錯誤，而是【新問題】，只有 8%的使用者決定轉人工，是因為演算法匹配錯誤。因此應該採用互動的方式，才能解決主要問題。不是所有的問題都是多輪，只要在某一區域的前二十個問題做到多輪就有很大的提升。第二個機器人不再被動，主動和你聊天，根據你的 image，主動跟你交談，根據你的 profile，主動跟你交談。還有就是依據機器視覺實現人機對話互動。
結合使用者畫像和使用者的多輪對話，作為條件制定策略，進行商品或服務的推薦。
還有一個目前比較潮流的就是多輪之間的切換-中控中心，如訂酒店，找到訂酒店機器人，然後詢問上海是否下雨，還在訂酒店場景，但是同時命中天氣機器人，然後詢問“那我後天入住，住兩個晚上” (回到訂酒店機器人，繼續未完成的場景)。依據多輪對話實現不同機器人的切換。
——END——