任務型對話機器人
隨著人工智能' target='_blank'>人工智能不斷的擺脫人工而達到智能，人們對人工智能的產物充滿期待，其中最大的方向之一便是對話機器人方向。本文將簡單介紹人工智能的發(fā)展與聊天機器人的設計，并通過在電銷場景的應用，手把手的教讀者如何一個月內實現(xiàn)對話機器人。
1. 人工智能
2016年，一個圍棋少年，橫空出世，打敗各路高手，站在了圍棋領域的世界之巔，這位少年就是Alpha Go，而由此引發(fā)了人工智能的新一輪浪潮。回顧人工智能的發(fā)展歷程，最早可以追溯到1956年，是在美國的Dartmouth學會上提出的，這一年也被認定為全球人工智能研究的元年。
經(jīng)過數(shù)十年的研究，目前，人工智能已進入高速發(fā)展時期，就在今年的九月十七號，舉世矚目的2018世界人工智能大會，在上海正式拉開帷幕。34場主題論壇、10位頂尖科學家、150家領袖企業(yè)齊聚一堂，甚至，李彥宏馬云馬化騰雷軍等互聯(lián)網(wǎng)巨頭悉數(shù)到場，激辯人工智能。無論是國際巨頭，還是BAT——都把人工智能列為了最核心的戰(zhàn)略。
2. 任務型人機對話系統(tǒng)
作為人工智能的一個載體，聊天機器人被廣泛的關注，并不斷得到發(fā)展，可以說，聊天機器人是最能讓我們切實感受到人工智能的重要產物之一。世界上首個聊天機器人誕生于19世紀60年代，它的名字叫Eliza，是一款定位于精神診療的機器人，雖然現(xiàn)在看來Eliza只是一種初步的、簡單的嘗試，卻奠定了機器人的不斷發(fā)展的基礎。自2010年喬布斯將Siri引入iphone4，聊天機器人呈現(xiàn)出井噴式增長的趨勢，國內的聊天機器人也如火如荼地開展，微軟小冰，度秘，Siri，微軟Cortana等不斷出現(xiàn)在人們的視野，受到工業(yè)界和科研界的廣泛青睞。
以上提到的度秘、Siri、微軟Cortana這類機器人稱為個人助理，因為他們的目標更多的是完成人們指定的任務，而像微軟小冰則稱為聊天機器人。更為專業(yè)的稱呼是前者為特定領域的聊天機器人，即Task-Oriented Chatbot或Closed-Domain Chatbot；后者主要以閑聊為主，被稱為None Task Oriented Chatbot或Open Domain Chatbot。這種劃分是從機器人的功能上進行的，而在聊天機器人的技術實現(xiàn)上又可以劃分為檢索式聊天機器人和生成式的聊天機器人。
領域任務型人機對話系統(tǒng)是一個閉環(huán)的雙向連續(xù)信息交換系統(tǒng)，傳統(tǒng)觀點往往把它粗略地分為輸入、理解和輸出3個模塊，其中輸入輸出和理解之間進行的是確定信息的交換，理解被籠統(tǒng)地認為是采用自然語言處理技術對輸入文本進行分析。這種分割方式忽視了信息的不確定性和人腦對各個模塊進行整體的、系統(tǒng)的調度協(xié)調的認知能力，也沒有把信息內容本身的管理與信息的調度和控制區(qū)分開來，而這些恰恰是現(xiàn)實的自然人機對話中不可回避的主要問題。因而，本文將任務型人機對話系統(tǒng)分為3個層次，進而討論其實現(xiàn)原理。
其中最外部的IO層是對物理層面信號的處理。中間的控制層對IO層得到的編碼進行語義解釋，維護對話系統(tǒng)的認知狀態(tài)空間，管理知識的交互式提取和交換，并進行對話推理和決策。最內部的知識層是對領域任務相關知識的管理，目標是對特定的知識進行對話前的離線預處理。
3. 電銷的業(yè)務場景應用
在了解了任務型人機對話系統(tǒng)的原理之后，結合部門的電話銷售' target='_blank'>電話銷售場景，本文覺得完全可以將銷售與客戶交流的過程交由機器人去處理。目前，電話銷售是企業(yè)開發(fā)新客戶的重要手段，電話銷售對銷售線索進行電話撥打，從而開發(fā)出新客戶訂單。
通過開發(fā)設計智能銷售機器人，可以更好的覆蓋銷售線索，挖掘篩選出潛在意向線索分發(fā)給銷售人員跟進，提升銷售線索的覆蓋度與成交率，更大發(fā)揮銷售人員價值，提升新客戶開發(fā)量。
智能銷售機器人有三個場景作用，即通話前、通話中和通話后。通話前可以通過線索特征來配對相應特征的機器人，通話中機器人需要做的事情就是主題識別和對話管理，生成推薦的語音合成，通話后，機器人還可以對話題點進行總結，生成意向度得分，實施現(xiàn)場轉接和掛機分配等操作。
當然，這套產品方案只是為了給讀者從全局角度展示機器人的業(yè)務邏輯與模塊功能，讀者想要在一個月內實現(xiàn)一個智能電銷機器人產品肯定是不太可能的，但是本文接下來提到的，如果讀者想要自己實現(xiàn)一個智能機器人，那就必須得要仔細研讀了。
智能銷售機器人系統(tǒng)層次圖
本文根據(jù)領域任務型人機對話系統(tǒng)層次圖設計了智能銷售機器人技術系統(tǒng)的層次圖。IO層是由百度對外開放的呼叫云平臺和AI開發(fā)平臺上的語音技術部分構成，讀者可以方便的自己實現(xiàn)IO層的核心技術，其中讀者需要實現(xiàn)freeswitch模塊與語音網(wǎng)關和語音技術的交互，freeswitch需要從語音網(wǎng)關獲取到客戶語音，然后傳給ASR client（AI開放平臺語音技術的語音識別模塊）去實時的獲取語音識別的結果，最終將識別結果傳輸給控制層的意圖識別模塊，當機器人給出答案（Action）后，通過語音合成，freeswitch將語音流再發(fā)給語音網(wǎng)關進行播放。
知識層是智能銷售機器人的基礎，需要對行業(yè)場景進行分析，設計自己行業(yè)的場景與話述，并且對現(xiàn)有的銷售與客戶的對話數(shù)據(jù)進行標注，作為控制層模型的訓練數(shù)據(jù)。
控制層是智能銷售機器人技術實現(xiàn)方案中最核心的部分，可以說是機器人的大腦，控制中樞，決定機器人是否智能的重要環(huán)節(jié)。本文將詳細介紹智能銷售機器人的控制層技術。下圖是智能銷售機器人的核心對話方案。
智能對話方案
上述對話方案最核心的兩大模塊是NLU（Natural Language Understanding）和DM（DialogManagement）。NLU模塊負責理解客戶說的每一句話，DM模塊負責結合對話的上下文邏輯，給出應答，這也對應于控制層的語義理解和對話管理，而控制層的內容生成模塊，目前采用的是檢索式的應答方案，當對話管理得到action后，通過檢索生成銷售機器人要說的話，當然，本文后續(xù)會涉及到基于生成式的任務型機器人設計方案。為了讓讀者更清晰的了解對話機器人的核心技術設計方案，本文將詳細介紹NLU模塊和DM模塊的技術設計方案。
SIMNET模型框架
智能銷售機器人的NLU模塊采用的是百度從2013年便自主研發(fā)的語義匹配框架SimNet，它通過構建文本語義相似度，克服了傳統(tǒng)基于字面匹配方法的局限。SimNet支持PaddlePaddle和Tensorflow兩種平臺訓練。基于SimNet語義匹配框架，開發(fā)者可以快速訓練已有的語義匹配網(wǎng)絡模型。這樣，智能銷售機器人在了解客戶每句話的意圖之后，通過對話管理模塊，控制對話過程。
DM模塊技術實現(xiàn)方案
DM模塊是通過LSTM模型對現(xiàn)有的銷售與客戶間對話進行訓練，得到Action決策模型，當傳來NLU模塊已識別的意圖之后，DM模塊的DST組件會記錄客戶歷史的說話意圖，從而實現(xiàn)結合上下文給出應答。
至此，一個身懷絕技的智能銷售機器人便設計出來了。通過部門的呼叫中心調用，就可以實現(xiàn)機器人外呼與客戶進行交流，識別客戶意圖，促進客戶成單了。當然，只要知識庫語料更換，場景也可以隨之更換，應用十分廣泛。
4. 展望未來
文章寫到這，基本已經(jīng)把智能機器人的前世今生都闡述了一遍，甚至還給出了一個實際的應用場景，當然還有細節(jié)沒有涉及到。在設計一款智能機器人的這條路上，還有很長的路要走，需要更多的科研學者不斷的探索與實踐，我相信，未來，智能機器人會更加智能、更加準確的服務人類，會有更多的智能機器人定位，從而使人類的生活更加美好。
