最具（jù）“情商（shāng）”的新一代（dài）智能机器人来了!能（néng）读（dú）懂上下（xià）文

也许你也有过（guò）这样的（de）经历，向（xiàng）智能客服咨（zī）询问题，却陷入毫无进展（zhǎn）的对话里：

-你们家的（de）面膜都是（shì）纯天然的?

-亲亲，我们家的面膜都（dōu）是芦荟精（jīng）华提取，纯（chún）天然的哦~

-我皮（pí）肤有点干，推荐一款呗~

-冬天皮肤干燥（zào）推荐给亲亲我们（men）的保湿精华乳~

-我（wǒ）是要买面（miàn）膜，你是（shì）机器人吧，让人来说话。

作为顾客，此时你大概要叹一句（jù）“人（rén）工智（zhì）能真不智能”。这些所谓“智能”客服们往往（wǎng）只能（néng）做（zuò）到（dào）一问一（yī）答，一旦对话（huà）涉及稍微复杂（zá）的情（qíng）境，它们就（jiù）开始答非所问。

让人工智能学会根据上下文去处理信息（xī），是自然语言处（chù）理技术一个关键的（de）门槛，也是多年（nián）来整个学术（shù）界和工（gōng）业界都在努力攻克的（de）难（nán）题（tí）。尽（jìn）管在通（tōng）用NLP领域，gpt-2，BERT等算法模型（xíng）的出现，让语（yǔ）义理解取得了重大进（jìn）展，但（dàn）是由于专（zhuān）业性强、垂直（zhí）语料库不足等原因，某（mǒu）些亟待落地的应用场景，例（lì）如高强（qiáng）度的客服对话，还（hái）深陷在开头（tóu）出现的“人（rén）工智（zhì）障”泥潭中。

最近，这个难题（tí）迎来了新进展。晓（xiǎo）多科技（jì）(下称“晓多（duō）”)开发的（de）基于上下文的语义识别项目，以深度学习的方（fāng）式，让智能（néng）问答（dá）机（jī）器人能（néng）够（gòu）像人（rén）类一（yī）样，结合语境去理解复杂（zá）场景（jǐng）下的对话，并（bìng）且进（jìn）行持（chí）续的自（zì）我学习，无（wú）需人（rén）工设置规则（zé），也能不断扩展和覆盖更（gèng）多的（de）场景。

从一问一答（dá）到读懂语境

为什么（me）人（rén）工（gōng）智能会有这些“不智能”的（de）表现（xiàn）?这是因为目前市面上（shàng）主流的（de）智（zhì）能问答机器人，大部（bù）分都是根据单（dān）个句子（zǐ）来识别顾（gù）客的意（yì）图，从而进行（háng）一问一答的任务型对话（huà）。但在日常聊（liáo）天（tiān）对话中，我们习惯口（kǒu）语化表达，尤其（qí）在打字（zì）时，一般不会大段大（dà）段地发送，而会使用很多（duō）断句（jù），这种零碎（suì）的表达使得机（jī）器人无法从（cóng）单个句子中准确识（shí）别（bié）出（chū）你的真实（shí）意图，造（zào）成（chéng）答非所问（wèn）的情况。

这对于服务业来说是一个致命伤。

和普通的闲聊（liáo）机（jī）器人不同，智（zhì）能客服必须做到对各种场景（jǐng）的精准（zhǔn）识别（bié）。因为智能客服面对（duì）的工（gōng）作，是要及时地、明确地（dì）解决顾客（kè）的问题（tí）。

当你和闲聊机器人逗趣的时候，它答非（fēi）所（suǒ）问的（de）话并（bìng）不（bú）会让（ràng）你烦躁，反而觉得很有（yǒu）趣味;但当（dāng）你只想赶紧退货（huò）或者得（dé）到赔偿时，智能客服的胡言乱语足够让烦（fán）躁的（de）顾客给这家店铺打上0星，并在评（píng）论（lùn）区洋洋（yáng）洒洒（sǎ）好几（jǐ）百字，控诉店铺（pù）服务（wù）不到位。

在商品售前阶段也是这样，智能客服错误的回复或答非所问，都会影响顾客的（de）体验度，平台商家竞争激烈的情况下，得不到满意（yì）答（dá）复的顾客可能会很快（kuài）放弃，选择另外一家店（diàn）铺，从而（ér）造成顾客的（de）大量流（liú）失。

单（dān）句识（shí）别与上（shàng）下文识别的差别

解决这一问题的关键，在于要让机（jī）器（qì）人像人一样（yàng），学（xué）会联系（xì）上下文（wén），结合（hé）语（yǔ）境来对话，而不（bú）仅仅对单（dān）个句子作出反应（yīng）。

目前市（shì）面上其他机器（qì）人都不支持上下文语义，他们是在靠规则和（hé）流程设（shè）置关键词。也就是说（shuō），这个情景（jǐng）中需要什么信息，就要设（shè）计出对应（yīng）的问题，让机器人按照固定的顺序提问（wèn），顾客按照要（yào）求（qiú）回答完所有（yǒu）问题，机器人才（cái）能（néng）根据所有（yǒu）信（xìn）息（xī）来（lái）进行（háng）回应。

例如，顾（gù）客要购买飞机票，就（jiù）要设定机器人首先询问顾客起点、终（zhōng）点、时（shí）间（jiān），再（zài）问顾客（kè）想（xiǎng）要什么（me）等级的（de）座位等等，通过这些（xiē）固定问题的答案（àn），把（bǎ）需要（yào）的信息补充（chōng）完整，最终给出（chū）推荐。

在这种（zhǒng）情况下（xià），每一（yī）个场景都需要人工去设定对应的规则，效（xiào）率十分（fèn）低下。尤其在电商领域，从售（shòu）前到售中，再到售后（hòu），涉（shè）及到的问题（tí）是方方面面的，更别（bié）说还有购（gòu）物（wù）品类的（de）区别，场景的（de）扩展（zhǎn）是指数级的，靠人工设定规（guī）则去做到（dào）全覆盖（gài），说是（shì）天方夜（yè）谭也（yě）不为过。

如果能够将目前（qián）人工智能领域大热的深（shēn）度学习应（yīng）用到这一问题的（de）解决（jué）上，让机器人能够通过自己学（xué）习，掌握基于上下文的语义理解，并持续学（xué）习扩展到各个场景中，就可以大大（dà）地提（tí）高智（zhì）能机（jī）器人面对复杂（zá）场景的（de）精准应对能（néng）力，同时（shí）提高（gāo）它覆盖各种场景的效率。怀着这样的想法，晓多（duō）开始了上下（xià）文语义项目。

让机（jī）器人（rén）自己“划重（chóng）点”：记住重要信（xìn）息，忘记（jì）不重要的

机器人自己（jǐ）学会理解（jiě）上下文（wén），困难在哪（nǎ）里（lǐ）?晓多算法工（gōng）程师、本次上下（xià）文（wén）语义项（xiàng）目（mù）的负（fù）责人张翀向大数据文（wén）摘（zhāi）介绍，最关键的问题（tí）在于要让机器人像人一样记得上（shàng）文的重要（yào）信息，并且知（zhī）道这些信息和当前问句（jù）的关联。

在这个问题上，目前学术界和（hé）业界并没有现成的（de）解决方案。对（duì）此，张翀介绍，晓多（duō）为新一代问答机器人创新设计了一个（gè）深度学习模（mó）型，包含四个模块：记忆与遗忘、提炼、融合、输出。

记忆与遗忘模块赋予机（jī）器人记（jì）住上文关键信息的（de）能力（lì）。没有记忆能力的机器人（rén），只会对最近的（de）一句话作（zuò）出（chū）反应，而晓（xiǎo）多的（de）模型可以帮助机器人把前后的（de）诉求关联（lián）起来，及（jí）时作（zuò）出（chū）准确的（de）推荐。

点击（jī）图片查看详细内（nèi）容

在技术上，晓多做（zuò）出了一（yī）个此前业（yè）界还没有实现（xiàn）过的（de）创新应用，参照（zhào）一个名叫（jiào）长短期记忆网络（luò）(LSTM)的结构，设计实现（xiàn）会话级别的记忆和遗忘。

晓多（duō）的又一创新，是应用于提炼（liàn）模（mó）块的注意力机制（zhì）。它会自动对上（shàng）文的每一条（tiáo）信（xìn）息进（jìn）行计算，算出这些信息与当前句子对应的（de）重要程度（dù），重要程度高的，就（jiù）会被保留（liú）下来（lái）。

假（jiǎ）如顾客（kè）得到（dào）了满意的产品推荐之后，又提出“什么时候发货”的问（wèn）题，注意力机（jī）制通过计算，就会发（fā）现上文的重（chóng）要程（chéng）度并不（bú）高，这样，无用的信息（xī）就会被过滤，与当前（qián）对话有关联的上文（wén）信息被选取出来，进入下一个模（mó）块（kuài）中。

在（zài）融（róng）合模块中，机器人（rén）会对（duì）提炼（liàn）出的上文关键（jiàn）信息和当前聊（liáo）天消息结合，来识（shí）别顾客的意图。晓多采用（yòng）的方式是在向量空间做梳理，简单来说，可以（yǐ）理解为提取上文关键信息是在机器人大脑内部的（de）一（yī）个操作，这之后，再在一个抽（chōu）象的空间里，把（bǎ）提取出来（lái）的关键信息与当前的单句进行综合，最终（zhōng）输（shū）出一个（gè）结合上文信息和当（dāng）前单句所做出的判断（duàn）。

这个模型在实验中得到的数（shù）据（jù）令人惊喜。晓多从真实电商聊天（tiān）?志中抽取了若?涉及（jí）上下?的问答样本，构造两份意图（tú）识（shí）别测试集，分别对应两（liǎng）个电商领域，对?发现结（jié）合上下?预（yù）测的模型效果远超只根据单句预测的模型：

recall(召回率)=机器（qì）人正确识别的（de）问题数/问题总数;

Precision(精确率)=机器人正确（què）识别的问题数/机器人已识别（bié）的问题数;f1core=2*precision*recall/(precision + recall) ，表示（shì）综合考（kǎo）虑召回率和精（jīng）确（què）率（lǜ）的评分;

这些工（gōng）作并不是想到（dào）就可（kě）以做到的，对机器人的训练（liàn）需要（yào）大量的数据，迁移学习能力是晓多能（néng）够（gòu）实现这（zhè）些创新的关键。

“人工智能的深度（dù）学习，突出的特点就是对（duì）数据的依赖非常大，”张（zhāng）翀说，“因（yīn）为深度（dù）学习模型的参数非常多，你（nǐ）可（kě）以理解为它（tā）是一个（gè）更复杂（zá）的智（zhì）能体，数（shù）据是（shì）它学习的依据，它要学习的东西越（yuè）多，需要的（de）数据就更（gèng）多，而你给它的数据越（yuè）多（duō），它（tā）也越聪（cōng）明。”

目前，晓（xiǎo）多的标注团队从上（shàng）百亿的（de）数据（jù）中进行分析提取的价值样本，提供给（gěi）机器学习进行数据训练。

如果每（měi）一步都需要人工设计，从发现场景、总结规律（lǜ），到（dào）最后开发、测（cè）试（shì）、上（shàng）线（xiàn），可能需要至（zhì）少两周（zhōu）的（de）时间才能扩展一个（gè）场景，张（zhāng）翀介绍说（shuō），而使用这（zhè）样（yàng）的数据标（biāo）注让（ràng）机器进（jìn）行深度学习，只需要（yào）几天的时间，就可以同时扩（kuò）展几十个场景、几百个（gè）产品（pǐn）。

各（gè）个（gè）行业的电商客服（fú）需要（yào）应对的场景虽然有很多差异，但有一些数据却是通用的，包括关于快递物流的问答等。晓多对（duì）标（biāo）注好（hǎo）的数据进行了模块（kuài）拆分，区分（fèn）出通用数据，当机（jī）器人需要对新行业进行学习时，可以直接使用这（zhè）些标（biāo）注好的通用数据，实现迅速的扩（kuò）展学习。

谈（tán）到数（shù）据（jù）、算法和（hé）计算能力（lì）的关系（xì），张翀（chōng）认（rèn）为，数据（jù）是基（jī）础（chǔ），大数据为机器学习（xí）装上（shàng）引（yǐn）擎;算法是核心，将人工智能带到全新高度;而计算（suàn）能力是保障，为算（suàn）法的实（shí）现提供坚实（shí）的后盾。

不止于此（cǐ），顾客体验迎来（lái）后智（zhì）能化时（shí）代

从售前的商（shāng）品导购，到售中（zhōng）咨（zī）询（xún）运（yùn）费、活动赠品等，目前，晓多的上下文语义项目已经投入使用，覆（fù）盖了多种（zhǒng）电（diàn）商服务场景。这仅仅只是这（zhè）项技术投（tóu）入应用的第一步，晓多的业务（wù）计划中，还涉（shè）及到更（gèng）多的业务铺开。在售前，顾客可能（néng）会要求客服进行商品推荐，他们的需（xū）求点信息（xī）包含在整个对话过程中。传（chuán）统的客服机（jī）器人只能根（gēn）据顾（gù）客（kè）最后的需求进行推荐，而晓多机（jī）器人会对顾客的会话信息进行分（fèn）析，更（gèng）加准确地识别到顾客的真实需求，推荐给（gěi）顾客符合心意的产（chǎn）品。

点击（jī）图片查（chá）看详细内容（róng）

另外，对于（yú）电商行业中热门的服装领域来说，售前的服装（zhuāng）尺码推荐是客服经常会遇到（dào）的（de）问题，店铺（pù）内大量商品的尺码各不相同（tóng），尺（chǐ）码问题会耗费（fèi）客服大量的人力。通过上下文识（shí）别的手段，客服机器人可（kě）以获取顾客的尺（chǐ）码信息，准确地（dì）进（jìn）行尺码推荐。

点击图片查看详细（xì）内容

在销售过（guò）程中，顾客常常要询问运（yùn）费问题（tí），这就（jiù）涉及到了（le）首（shǒu）次购买（mǎi）和退（tuì）换货两种场景。没有上（shàng）文（wén）语境（jìng），机器（qì）人就（jiù）只能解（jiě）读出“运费（fèi）”，而不能准确地（dì）判（pàn）断（duàn）顾客询问的（de）是首次购物运（yùn）费还是退换（huàn）货运费，可能（néng）导致错误的回复。而在（zài）加入了上下文理（lǐ）解（jiě）后，机器人（rén）能够（gòu）准确判断顾客的实际问题，准（zhǔn）确地回复此类问（wèn）题。

点（diǎn）击图片（piàn）查看详细（xì）内容

另一个常（cháng）见的售中场景是关（guān）于活动赠品的问（wèn）题。当店铺进行活动优惠提（tí）供赠品时，顾客的提（tí）问可能不是针对商品，而是针对（duì）赠品，需要机器人（rén）通过语境来（lái）识别，防止混淆这两个（gè）方（fāng）面（miàn）的提问，给出张冠（guàn）李（lǐ）戴的答案（àn）。

这项技术不但可（kě）以应用在（zài）智能（néng）对话（huà）上，智能营销、智能质检、情（qíng）绪识别……客服行业（yè）中（zhōng）还（hái）存在着更多未被开发的可能性。

对（duì）于晓多来说，这意味着他们为顾（gù）客提供的服（fú）务，向（xiàng）超专家级更进了一步。“我们现（xiàn）在可能只是把它应用在语义识别上，但后续我们在其它（tā）业务线上还可以继续（xù）铺开。我们把它当成（chéng）一个基（jī）础的能（néng）力（lì），一个支撑我们整个公司的（de）算法产品。”张翀说。

晓（xiǎo）多也期待着，上下（xià）文语义识（shí）别可以作为技术基石应（yīng）用到（dào）行业（yè）各个（gè）方面（miàn），通（tōng）过推开这项（xiàng）技术的应用，机器人可以（yǐ）自动生成尺码表（biǎo），自动（dòng）获（huò）取个性化对话内容进行系统自动萃取对接等等，机器人行业一直（zhí）以（yǐ）来由人（rén）工配（pèi）置的时代（dài）可（kě）能走向终结，而迎来（lái）一个（gè）从数据（jù）中学习后智能（néng）化（huà）自动（dòng）生成的时代。