机器人和你聊天是怎么做到的？语音助手=人工智能？
作者:知识 来源:百科 浏览: 【大 中 小】 发布时间:2024-12-12 19:34:14 评论数:
导读：让机器理解人类的机器语言，或者模仿人类的人和语言是大家对人工智能最初的幻想，所以在早先，聊天图灵测试一度成为评判人工智能的音助标准。对话和翻译应用的手人是人工智能众多学科分支里自然语言处理(Nature Language Processing，简称NLP)的工智部分，目的机器是要解决人和机器之间的沟通问题，是人和人工智能处理的发端，至今仍面临很多问题。聊天
赢了柯洁的音助AlphaGo让很多人看到了AI太过强大的一面，然而我们大多数人在生活中感受到的手人AI却是十分“智障”的，不太有人工智能应该有的工智样子。
这种巨大的机器反差主要是因为能应用在生活中的人工智能，还长时间处于早期阶段。人和
比如语音助手。聊天
但对话和翻译其实是人工智能最早涉足的领域。
能让机器理解人类的语言，或者模仿人类的语言是大家对人工智能最初的幻想，所以在早先，图灵测试一度成为评判人工智能的标准。
对话和翻译应用的是人工智能众多学科分支里自然语言处理(Nature Language Processing，简称NLP)的部分，目的是要解决人和机器之间的沟通问题，是人工智能处理的发端，至今仍面临很多问题。
就拿对话系统来说，市面上各个巨头都推出自家智能语音助理，但鲜有一款能完全摆脱“智障”的嫌疑。
可以说在这条赛道上，大家跑的都不快。但尽管如此还是坚持在跑，就连长期困顿在手机里的Siri，也要推出自己的智能音箱。
“尽管目前形势不太乐观，但是一直跑下去，总会见到成效。”6月1日，微软亚洲研究院副院长周明表示，再坚持5-10年自然语言处理就会看到长足发展。
周明博士认为自然语言处理的发展有三个阶段：
第一层是基础技术：分词、词性标注、语义分析等。
第二层是核心技术：词汇、短语、句子、篇章的表示。包括机器翻译、提问和回答、信息检索、信息抽取、聊天和对话、知识工程、语言生成、推荐系统。
第三层是“NLP+”：仿照“人工智能+”或“互联网+”的概念，实际上就是把自然语言处理技术深入到各个应用系统和垂直领域中。比较有名的是搜索引擎、智能客服、商业智能和语音助手，还有更多在垂直领域——法律、医疗、教育等各个方面的应用。
关于第三层的“NLP+”,市面上大大小小的语音助手有不少，从微软毕业的有两个：小娜(Cortana)和小冰。虽然都是语音助手，但是两者还是有些区别。
小娜通过手机和智能设备介入，让人与电脑进行交流：用户发布命令，小娜理解并执行任务。同时，小娜能够记忆一些用户性格特点、喜好、习惯，然后主动给一些贴心提示。
比如，你过去经常路过某个地方买牛奶，在你下次路过的时候，她就会提醒你，问你要不要买。她从过去的被动到现在的主动，从原来的手机，到微软所有的产品，比如Xbox和Windows，都得到了应用。
小冰纯粹就是闲聊了，没想帮你解决什么问题，它闲聊的主要目的是希望尽可能的“像人一样”。
“它是一种新的理念，很多人一开始不理解。人们跟小冰一起的这种闲聊有什么意思?其实闲聊也是人工智能的一部分，我们人与人见面的时候，寒喧、问候、甚至瞎扯，天南海北地聊，这个没有智能是完成不了的，实际上除了语言方面的智能，还得有知识智能，必须得懂某一个领域的知识才能聊起来。所以，小冰是试图把各个语言的知识融汇贯通，实现一个开放语言自由的聊天过程。”
而小冰最开始是怎么学习聊天的？主要是跟网友学的。
首先将网上的论坛、微博或是网站里出现过的对话句子抽取出来，当成训练语料库。当用户输入一个句子时，系统会从语料库里找到一个跟这个句子最相像的句子，而这个句子对应的答复就可以直接输出作为电脑的回复。虽然看起来简单粗暴，但确实奏效。
有的时候，系统找到的句子可能对应了很多回复，它不知道哪个回复最适合当前的输入语句。这时就会再有一个匹配的过程，去判断输入语句跟语料库里的回复在语义上是相关的或者是一致的。
到目前，小冰已经覆盖了三种语言：中文、日文、英文，累积了上亿用户，平均聊天的回数23轮，平时聊天时长大概是25分钟左右。
目前取得的自然语言方面的成果，是微软18年的努力。
微软在1998年11月5日成立微软亚洲研究院时就开创了自然语言处理的研究领域，除了200多篇顶级期刊、学术大会的论文，还有大量的NLP人才。
2014年5月，微软推出小冰，同年7月，推出Cortana。
2016年，微软首席执行官萨提亚在Build大会上提出了一个概念“对话即平台”(“Conversation as a Platform” ，他认为图形界面的下一代就是对话，它会对整个人工智能、计算机设备带来一场新的革命。
而小冰和小娜就是微软为这场革命做出的准备之一。
其实无论小冰这种闲聊，还是小娜这种注重任务执行的技术，背后单元处理引擎无外乎就三层技术。
第一层：通用聊天，需要掌握沟通技巧、通用聊天数据、主题聊天数据，还要知道用户画像，投其所好。
第二层：信息服务和问答，需要搜索的能力，问答的能力，还需要对常见问题表进行收集、整理和搜索，从知识图表、文档和图表中找出相应信息，并且回答问题，这些统称为Info Bot。
第三层：面向特定任务的对话能力，例如订咖啡、订花、买火车票，任务是固定的，状态也是固定的，状态转移也是清晰的，就可以用Bot一个一个实现。通过一个调度系统，通过用户的意图调用相应的Bot 执行相应的任务。它用到的技术就是对用户意图的理解，对话的管理，领域知识，对话图谱等。
除了创造出小娜小冰，微软还要技术释放，让开发者能开发自己的Bot。如果开发者的机器不懂自然语言，这时就可以通过一个叫Bot Framework的工具来实现。
任何一个开发者只用几行代码，就可以通过Bot Framework完成自己所需要的Bot。比如，有人想做一个送披萨外卖的Bot，可以用Bot Framework填入相应的知识、相应的数据，就可以实现一个简单的Bot。很多没有开发能力的小业主，通过简单操作，就可以做一个小Bot吸引来很多客户。
在这个开源平台里有很多关键技术。微软有一个叫做LUIS(Language Understanding Intelligent Service)的服务，提供了用户的意图理解能力、实体识别能力、对话的管理能力等等。
比如说这句话“read me the headlines”，识别的结果就是朗读，内容就是今天的头条新闻。再比如说“Pause for 5 minutes”，识别的结果是暂停，暂停多长时间?有一个参数：5分钟。通过LUIS，可以把意图和重要的信息抽取出来，让Bot来读取。
这些对于人类来说甚至不需要动脑思考的对话，对于机器来说是难到了另一个层次上。
周明博士认为人工智能有四个层次，从下往上依次是：运算智能、感知智能、认知智能和创造智能。
运算智能已经达到很高的水平了，感受一下来自世界顶级围棋选手对AlphaGo的评价。
其次是感知智能，主要体现在听觉、视觉和触觉方面，也就是我们通常说的语音技术、图像技术。语音技术用的就多了，比如让Cortana听懂你说的话，图像识别主要应用在人脸识别上，喜欢跟随科技潮流的公司一般会把门禁换成人脸识别。
认知智能是我们今天说的重点，主要包括语言、知识和推理。语言的重要性体现在什么地方呢?Cortana不能只是识别出来你在说啥，它需要根据你说的话做出回应，这时候就需要理解你在说什么。
创造智能就是一种最高级的形态了，也就是当AI拥有想象力的时候。
在运算和语音、图像识别上，机器已经能达到很高的准度，目前的主要缺口在认知智能上。过去认知智能主要集中在自然语言处理，它简单理解了句子、篇章，实现了帮助搜索引擎、仿照系统提供一些基本的功能、提供一些简单的对话翻译。
周明博士认为语言智能是人工智能皇冠上的明珠，如果语言智能能实现突破，跟它同属认知智能的知识和推理就会得到长足的发展，就能推动整个人工智能体系，有更多的场景可以落地。
对于未来语音智能的发展，周明博士认为有几个方向：
第一，随着大数据、深度学习、云计算这三大要素推动，口语机器翻译会完全普及。
第二，自然语言的会话、聊天、问答、对话达到实用程度。
第三，智能客服加上人工客服完美的结合，一定会大大提高客服的效率。
第四，自动写对联、写诗、写新闻稿和歌曲等等，
第五，在会话方面，语音助手、物联网、智能硬件、智能家居等等，凡是用到人机交互的，基本上都可以得到应用。
最后，在很多场景下，比如说法律、医疗诊断、医疗咨询、法律顾问、投融资等等，这些方面自然语言会得到广泛的应用。
当然，现在的自然语言现在也面临许多困境。最关键的一点是如何通过无监督学习充分利用未标注数据。现在都依赖于带标注的数据，没有带标注的数据没有办法利用。但是很多场景下，标注数据不够，找人工标注代价又极大。
那么如何用这些没有标注的数据?这就要通过一个所谓无监督的学习过程，或者半监督的学习过程增强整体的学习过程。
再给NLP一些时间，语音助手也许就能说服你它其实是人工智能了。
赢了柯洁的音助AlphaGo让很多人看到了AI太过强大的一面，然而我们大多数人在生活中感受到的手人AI却是十分“智障”的，不太有人工智能应该有的工智样子。
这种巨大的机器反差主要是因为能应用在生活中的人工智能，还长时间处于早期阶段。人和
比如语音助手。聊天
但对话和翻译其实是人工智能最早涉足的领域。
能让机器理解人类的语言，或者模仿人类的语言是大家对人工智能最初的幻想，所以在早先，图灵测试一度成为评判人工智能的标准。
对话和翻译应用的是人工智能众多学科分支里自然语言处理(Nature Language Processing，简称NLP)的部分，目的是要解决人和机器之间的沟通问题，是人工智能处理的发端，至今仍面临很多问题。
就拿对话系统来说，市面上各个巨头都推出自家智能语音助理，但鲜有一款能完全摆脱“智障”的嫌疑。
可以说在这条赛道上，大家跑的都不快。但尽管如此还是坚持在跑，就连长期困顿在手机里的Siri，也要推出自己的智能音箱。
“尽管目前形势不太乐观，但是一直跑下去，总会见到成效。”6月1日，微软亚洲研究院副院长周明表示，再坚持5-10年自然语言处理就会看到长足发展。
周明博士认为自然语言处理的发展有三个阶段：
第一层是基础技术：分词、词性标注、语义分析等。
第二层是核心技术：词汇、短语、句子、篇章的表示。包括机器翻译、提问和回答、信息检索、信息抽取、聊天和对话、知识工程、语言生成、推荐系统。
第三层是“NLP+”：仿照“人工智能+”或“互联网+”的概念，实际上就是把自然语言处理技术深入到各个应用系统和垂直领域中。比较有名的是搜索引擎、智能客服、商业智能和语音助手，还有更多在垂直领域——法律、医疗、教育等各个方面的应用。
关于第三层的“NLP+”,市面上大大小小的语音助手有不少，从微软毕业的有两个：小娜(Cortana)和小冰。虽然都是语音助手，但是两者还是有些区别。
小娜通过手机和智能设备介入，让人与电脑进行交流：用户发布命令，小娜理解并执行任务。同时，小娜能够记忆一些用户性格特点、喜好、习惯，然后主动给一些贴心提示。
比如，你过去经常路过某个地方买牛奶，在你下次路过的时候，她就会提醒你，问你要不要买。她从过去的被动到现在的主动，从原来的手机，到微软所有的产品，比如Xbox和Windows，都得到了应用。
小冰纯粹就是闲聊了，没想帮你解决什么问题，它闲聊的主要目的是希望尽可能的“像人一样”。
“它是一种新的理念，很多人一开始不理解。人们跟小冰一起的这种闲聊有什么意思?其实闲聊也是人工智能的一部分，我们人与人见面的时候，寒喧、问候、甚至瞎扯，天南海北地聊，这个没有智能是完成不了的，实际上除了语言方面的智能，还得有知识智能，必须得懂某一个领域的知识才能聊起来。所以，小冰是试图把各个语言的知识融汇贯通，实现一个开放语言自由的聊天过程。”
而小冰最开始是怎么学习聊天的？主要是跟网友学的。
首先将网上的论坛、微博或是网站里出现过的对话句子抽取出来，当成训练语料库。当用户输入一个句子时，系统会从语料库里找到一个跟这个句子最相像的句子，而这个句子对应的答复就可以直接输出作为电脑的回复。虽然看起来简单粗暴，但确实奏效。
有的时候，系统找到的句子可能对应了很多回复，它不知道哪个回复最适合当前的输入语句。这时就会再有一个匹配的过程，去判断输入语句跟语料库里的回复在语义上是相关的或者是一致的。
到目前，小冰已经覆盖了三种语言：中文、日文、英文，累积了上亿用户，平均聊天的回数23轮，平时聊天时长大概是25分钟左右。
目前取得的自然语言方面的成果，是微软18年的努力。
微软在1998年11月5日成立微软亚洲研究院时就开创了自然语言处理的研究领域，除了200多篇顶级期刊、学术大会的论文，还有大量的NLP人才。
2014年5月，微软推出小冰，同年7月，推出Cortana。
2016年，微软首席执行官萨提亚在Build大会上提出了一个概念“对话即平台”(“Conversation as a Platform” ，他认为图形界面的下一代就是对话，它会对整个人工智能、计算机设备带来一场新的革命。
而小冰和小娜就是微软为这场革命做出的准备之一。
其实无论小冰这种闲聊，还是小娜这种注重任务执行的技术，背后单元处理引擎无外乎就三层技术。
第一层：通用聊天，需要掌握沟通技巧、通用聊天数据、主题聊天数据，还要知道用户画像，投其所好。
第二层：信息服务和问答，需要搜索的能力，问答的能力，还需要对常见问题表进行收集、整理和搜索，从知识图表、文档和图表中找出相应信息，并且回答问题，这些统称为Info Bot。
第三层：面向特定任务的对话能力，例如订咖啡、订花、买火车票，任务是固定的，状态也是固定的，状态转移也是清晰的，就可以用Bot一个一个实现。通过一个调度系统，通过用户的意图调用相应的Bot 执行相应的任务。它用到的技术就是对用户意图的理解，对话的管理，领域知识，对话图谱等。
除了创造出小娜小冰，微软还要技术释放，让开发者能开发自己的Bot。如果开发者的机器不懂自然语言，这时就可以通过一个叫Bot Framework的工具来实现。
任何一个开发者只用几行代码，就可以通过Bot Framework完成自己所需要的Bot。比如，有人想做一个送披萨外卖的Bot，可以用Bot Framework填入相应的知识、相应的数据，就可以实现一个简单的Bot。很多没有开发能力的小业主，通过简单操作，就可以做一个小Bot吸引来很多客户。
在这个开源平台里有很多关键技术。微软有一个叫做LUIS(Language Understanding Intelligent Service)的服务，提供了用户的意图理解能力、实体识别能力、对话的管理能力等等。
比如说这句话“read me the headlines”，识别的结果就是朗读，内容就是今天的头条新闻。再比如说“Pause for 5 minutes”，识别的结果是暂停，暂停多长时间?有一个参数：5分钟。通过LUIS，可以把意图和重要的信息抽取出来，让Bot来读取。
这些对于人类来说甚至不需要动脑思考的对话，对于机器来说是难到了另一个层次上。
周明博士认为人工智能有四个层次，从下往上依次是：运算智能、感知智能、认知智能和创造智能。
运算智能已经达到很高的水平了，感受一下来自世界顶级围棋选手对AlphaGo的评价。
其次是感知智能，主要体现在听觉、视觉和触觉方面，也就是我们通常说的语音技术、图像技术。语音技术用的就多了，比如让Cortana听懂你说的话，图像识别主要应用在人脸识别上，喜欢跟随科技潮流的公司一般会把门禁换成人脸识别。
认知智能是我们今天说的重点，主要包括语言、知识和推理。语言的重要性体现在什么地方呢?Cortana不能只是识别出来你在说啥，它需要根据你说的话做出回应，这时候就需要理解你在说什么。
创造智能就是一种最高级的形态了，也就是当AI拥有想象力的时候。
在运算和语音、图像识别上，机器已经能达到很高的准度，目前的主要缺口在认知智能上。过去认知智能主要集中在自然语言处理，它简单理解了句子、篇章，实现了帮助搜索引擎、仿照系统提供一些基本的功能、提供一些简单的对话翻译。
周明博士认为语言智能是人工智能皇冠上的明珠，如果语言智能能实现突破，跟它同属认知智能的知识和推理就会得到长足的发展，就能推动整个人工智能体系，有更多的场景可以落地。
对于未来语音智能的发展，周明博士认为有几个方向：
第一，随着大数据、深度学习、云计算这三大要素推动，口语机器翻译会完全普及。
第二，自然语言的会话、聊天、问答、对话达到实用程度。
第三，智能客服加上人工客服完美的结合，一定会大大提高客服的效率。
第四，自动写对联、写诗、写新闻稿和歌曲等等，
第五，在会话方面，语音助手、物联网、智能硬件、智能家居等等，凡是用到人机交互的，基本上都可以得到应用。
最后，在很多场景下，比如说法律、医疗诊断、医疗咨询、法律顾问、投融资等等，这些方面自然语言会得到广泛的应用。
当然，现在的自然语言现在也面临许多困境。最关键的一点是如何通过无监督学习充分利用未标注数据。现在都依赖于带标注的数据，没有带标注的数据没有办法利用。但是很多场景下，标注数据不够，找人工标注代价又极大。
那么如何用这些没有标注的数据?这就要通过一个所谓无监督的学习过程，或者半监督的学习过程增强整体的学习过程。
再给NLP一些时间，语音助手也许就能说服你它其实是人工智能了。