图灵汇官网

不要让系统假装智能！

作者：丛末

编辑：Pita

AI科技团队表示：如今，已经渗透到人类生活的各个方面的对话AI技术，已经成为连接人类与AI技术的重要纽带。然而，自然语言对话技术面临的诸多挑战，经常导致对话AI在与人类交互时出现令人哭笑不得的情况。距离类人智能还有一定差距的对话AI，应该如何寻找发展与突破？

在7月19日举行的“市北·GMIS 2019全球数据智能峰会”上，字节跳动人工智能实验室负责人、IEEE会士、ACM杰出科学家李航教授在题为《自然语言对话：未来技术发展的机遇与挑战》的演讲中，基于自然语言对话技术面临的挑战，分享了未来技术的发展机遇及可能的突破方向。同时，李航教授特别强调了开发者在设计对话AI系统时需要遵守的原则之一：不要让系统假装智能。

以下是李航教授的主要观点：

自然语言对话技术面临的主要挑战

目前，语音对话系统主要分为命令和问答两类，这两种技术已经相对成熟，并广泛应用于各种场景。然而，实现开放领域对话仍然存在较大挑战，即聊天机器人目前还无法与人类自由对话。

李航教授指出，自然语言对话技术面临的主要挑战包括： 1. 自然语言理解问题：语言理解涉及到人类智能的所有方面，因此要使机器真正理解语言非常困难。 2. 任务完成问题：对话实际上是一种交互任务，双方需要交换信息和情感以完成特定目标。然而，现有的对话系统需要人工干预才能完成交互任务，这表明人工智能技术目前无法独立完成整个交互过程。

尽管强化学习和规则方法可以帮助机器完成某些任务，但要让机器像人类一样定义、生成并最终自主完成任务，同样极具挑战性。

“语言理解和任务完成，也是人工智能领域的重大挑战，因为它们都是‘完全人工智能’的问题。”

未来5到10年，自然语言对话技术的突破方向

针对上述两大挑战，李航教授提出了未来5到10年的发展方向： 1. 对话技术的创新：人类对话不仅包含语言信息，还涉及情感交流和社会习俗。因此，对话系统不仅要实现信息交流，还需要具备情感交流的能力。 2. 市场创新（商业化角度）：真正的创新关键在于为市场用户创造价值。技术不仅仅是一个想法的实现，更重要的是能够解决实际问题。

此外，李航教授认为，技术的进步并不意味着能够立即满足用户需求。他提出了两个重要概念：技术的上限和应用的下限。例如，随着对话技术的进步，对话系统的理解准确率也在不断提高，但用户是否愿意使用该系统取决于准确率的下限。准确率不一定需要非常高，比如达到50%即可，但在某些特殊场景下，准确率可能需要达到95%。

因此，李航教授建议该领域的研究人员和从业者在追求自然语言对话技术的突破时，应综合考虑技术的上限和应用的下限。

自然语言对话技术的发展机遇

基于对对话技术现状、挑战和发展方向的分析，李航教授认为自然语言对话技术存在不少发展机遇。他从产品设计的角度出发，分享了四个他认为值得重点考虑的机会： 1. 任务驱动型对话机器人：这类机器人现在应用广泛，如语音助手。 2. 信息类机器人：这类机器人通过聊天方式提供信息，不同于传统的搜索和推荐方式。例如，亚马逊最近组织的Alexa比赛，就是让参赛者设计对话机器人从社交媒体上找到各种有趣的信息与用户对话。 3. 情感类机器人：这类机器人不是简单的对话机器人，而是陪伴型机器人。例如，日本去年推出的LOVOT机器人，虽然智能程度不高，但能够与用户进行情感互动。 4. 游戏类机器人：以经典游戏FACEDE为例，玩家可以通过对话影响游戏角色的行为，从而改变游戏结局。这类机器人在设计对话技术时有很大的发挥空间。

研发者的经验分享

最后，李航教授基于在华为和字节跳动的研发经验，总结了四条对话系统设计原则： 1. 让对话机器人在特定场景下能够自闭合：即系统能够相对完整地理解用户的基本句法，保持对话流畅。 2. 失败时也要优雅：即当系统无法理解用户时，要给予用户提示。此外，还需设计一个类似“Home”的功能，以便用户重新开始对话。 3. 在对话系统中加入情感和文化元素：对话不仅仅是语言交流，还包括情感和文化因素。 4. 不要让系统假装智能：如果对话系统的智能定位过高，一旦无法灵活应对用户，会导致用户体验不佳。

“我们都希望对话系统越来越智能，用户用起来也越来越方便。但在系统达到类人水平之前，不应硬让系统假装智能。”