人們每天在 PC 、手機端等進行的簡單搜索行為，其實就是一個人機交互的過程，在搜索框輸入關鍵字，搜索引擎則分析輸入內容的語義，盡可能為用戶推薦高精確度的答復。

曾幾何時，各大搜索引擎都紛紛增加了語音搜索功能，相比書面化的文字搜索，人們在語音搜索場景下的表達往往更口語化，進而增加了搜索引擎的處理難度。在極客公園 2016 起點·創造者峰會 AI 論壇上，360 搜索技術總監魏少俊解析了 AI 對話的技術。

AI 對話的三種類型

從技術層面上，人與 AI 的交互方式分為三種：功能型交互、內容型交互、開放型交互。

功能型交互：也稱為命令型交互，即接到人類的要求、命令后，機器通過語音識別、語音合成等技術解析語義，進一步執行任務。在這種交互方式下，人們所提出的指令只限于簡單易懂的內容。

內容型交互：也稱為知識型交互，如讓機器講一個童話故事，回答既有的地理知識等。基于海量的知識庫，機器通過網頁抓取、篩選等技術，向用戶推薦最佳答案。

開放型交互：這對機器的上下文語義銜接、靈活度要求非常高，以達到真正的人機情感溝通，如聊天機器人等。目前該項技術仍處于探索階段。

總的來說，語音搜索引擎對 AI 有兩方面的要求，一是對用戶語言的理解能力，二是基于海量知識庫的應答能力。

AI 對話的技術模塊

AI 對話所需要的技術模塊有 4 個部分，分別為：語音識別（目前相對成熟）、語義識別、云計算、海量的語料訓練。

語義識別主要基于上下文的自然語言處理技術，主要由 5 部分組成：

1.意圖識別，識別用戶在搜索框內輸入的內容或問題，理解用戶的意圖并給出相應的回答。

2.情感識別，主要應用在與聊天機器人的開放式聊天當中，機器人能夠識別出用戶在對話過程中所表達的情感，并以正確的情感回應對方，這些情感包含 21 個類別。

3.指代消解和省略回復，比如用戶提問：「上海的天氣如何？」，在得到回答后繼續提問：「北京的呢？」，雖然沒有提及「天氣」二字，但機器能夠根據上下文語義理解用戶提出的問題并作出相應的回答。

4.意圖澄清，比如用戶要求看「藍蓮花」，那具體是圖片還是書籍？機器人則會進一步向用戶詢問，得到切確的答案后以做出正確的執行。

5.拒識判斷，當用戶提出的要求超出規范允許的范圍，如反動、色情的內容，機器則拒絕不答。

另外，機器人在應答層存在一種「多輪對話」的技術，在有些時候，用戶需要與機器進行多次對話后，才能將意圖表達完整。

而在人機對話過程中，用戶難免會出現表達失誤的情況，導致機器對用戶語言理解出現偏差，在這時，糾錯機制對機器而言則非常重要，如缺少這個機制，用戶需要花費相當長的時間將其意圖解釋清楚，相應的用戶體驗也會十分糟糕。

對話邊界的區分、確認也是機器應答需要具備的機制，用戶表達的意圖到下一個意圖之間、每個意圖的確認均為機器對話智能化表現。

本文資料、圖片提供者：極客公園