最具“情商（shāng）”的新一代（dài）智能机器人来了!能读懂上下文

也许你也有过这样（yàng）的经历，向智能客服咨询问题（tí），却陷入毫无进展的对话里：

-你们家的面膜都是纯天然的?

-亲亲（qīn），我们家的面膜都是（shì）芦荟精华提取（qǔ），纯天然的哦~

-我皮（pí）肤（fū）有点干，推荐一款呗~

-冬（dōng）天皮肤干燥推荐给亲亲（qīn）我们的保湿精华乳~

-我是要（yào）买面膜（mó），你是机器人（rén）吧，让人来说（shuō）话。

作为顾客，此时你大概要叹一句“人工智能（néng）真不智能”。这（zhè）些（xiē）所（suǒ）谓“智能”客服们往往（wǎng）只能做（zuò）到一问一答，一（yī）旦对话涉及稍（shāo）微复杂的情境（jìng），它们就（jiù）开始答（dá）非所（suǒ）问。

让人工智能学（xué）会根据上下文去处理信息，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（gè）学术界和工业界都在努力攻克的难（nán）题。尽管在通（tōng）用NLP领域，gpt-2，BERT等（děng）算法模型的出（chū）现，让语义理解（jiě）取得了重（chóng）大进（jìn）展，但是由于（yú）专（zhuān）业性强、垂直语料库不足等原因，某些亟待落地的应用（yòng）场景，例如高强度的客服对话（huà），还深陷在开（kāi）头出现的“人工智障”泥潭中。

最近，这个难题迎来了新（xīn）进展。晓多科技（jì）(下称“晓（xiǎo）多”)开发的基于上下文的语义（yì）识（shí）别项目，以深度学习的方式，让智（zhì）能问（wèn）答机（jī）器（qì）人能（néng）够像人类一样，结合语境去理（lǐ）解复杂场景下的对（duì）话，并且进行持续的自我学（xué）习，无需（xū）人工设置规（guī）则（zé），也能（néng）不断扩展和覆盖更多的场景。

从一问一答到读（dú）懂语境

为（wéi）什么人工智能会有这些“不智能”的表（biǎo）现?这是（shì）因为目前（qián）市面上主（zhǔ）流的智能问（wèn）答机器人，大部分都是根（gēn）据单个句子（zǐ）来识别顾客的意图，从（cóng）而进（jìn）行（háng）一问（wèn）一答（dá）的任务型对话。但在（zài）日常聊天（tiān）对话中，我们（men）习惯口语化表达（dá），尤其在打字时，一般不（bú）会大（dà）段大段地发送，而（ér）会使（shǐ）用很多断句（jù），这（zhè）种（zhǒng）零碎的（de）表达使（shǐ）得机器人（rén）无法从单个句子中准确识别出你的（de）真实意图，造成（chéng）答非所问（wèn）的情况（kuàng）。

这对于服务业来说是一个致命伤。

和普通的闲（xián）聊机（jī）器（qì）人不同，智能（néng）客服必（bì）须做到对各种场（chǎng）景的精（jīng）准识别。因为智（zhì）能客服（fú）面对的工作，是要（yào）及时地（dì）、明确地解决顾客的（de）问题。

当你和闲聊（liáo）机器人逗（dòu）趣的时候，它答非所问的话并不会让（ràng）你烦躁，反而（ér）觉得很有趣（qù）味;但当你只想（xiǎng）赶紧退货或者得到赔偿（cháng）时，智能（néng）客（kè）服的胡言乱（luàn）语足够让烦（fán）躁的顾客给这（zhè）家店铺打上0星，并（bìng）在评论区洋洋洒洒好几百字，控诉店铺服务不到（dào）位。

在（zài）商品售前（qián）阶段也是（shì）这样，智能客服错误的（de）回复或答非所问，都会（huì）影响顾客的体（tǐ）验度（dù），平台商家（jiā）竞（jìng）争（zhēng）激烈的（de）情况下，得（dé）不到满意答复的顾客可能会很快放弃，选择另外（wài）一家（jiā）店铺，从（cóng）而造成顾客的大量流失。

单句识别与上下文识别（bié）的差别（bié）

解决这（zhè）一问题（tí）的关键，在于要（yào）让机（jī）器人像人一样，学会（huì）联系上（shàng）下（xià）文，结合语境来对话，而不仅（jǐn）仅对单个句子作出反应。

目前市（shì）面上其他机器人都不（bú）支持上下文语义，他们是（shì）在（zài）靠规则和流程设置关键词。也就是说（shuō），这个情景中需要什么（me）信息，就（jiù）要设计出对（duì）应的问题，让机器人（rén）按照固定的（de）顺序提问，顾客按照要求回（huí）答完所有问题，机器人才能根据所有信息来进行（háng）回应。

例如，顾客要（yào）购买飞机票，就要设定机器人首先询问顾客起点、终点、时（shí）间，再问顾客想要什么（me）等级的座位等等，通过这些固（gù）定问题的（de）答案，把需（xū）要的信息补充完整，最终给出推荐（jiàn）。

在（zài）这种情况下，每一个场景都（dōu）需要人工（gōng）去设定对应的（de）规则，效率（lǜ）十（shí）分低下。尤其在电商领（lǐng）域，从售前到售中（zhōng），再到（dào）售后，涉及（jí）到的问题（tí）是方方面面的（de），更别说（shuō）还有购物品类的区别，场景的（de）扩（kuò）展是指（zhǐ）数级（jí）的（de），靠人工设（shè）定规则去做到全覆（fù）盖，说是天方夜谭也不为过（guò）。

如（rú）果（guǒ）能够将（jiāng）目前（qián）人工智能领域大热（rè）的（de）深度学习应用到这一（yī）问题的解决上，让机器人能够通过（guò）自（zì）己学习（xí），掌握基于上（shàng）下文（wén）的语义（yì）理解，并持（chí）续学习扩展到各个场景中，就可以大大地提高智能机（jī）器（qì）人面对复杂场景的精准应对（duì）能力（lì），同时提高它覆盖各种场景的效率。怀（huái）着这（zhè）样的（de）想法，晓多开始了上下（xià）文语义项目（mù）。

让机器人（rén）自己“划重点”：记住重要信息，忘记不重要的（de）

机器人自（zì）己学会理解上下文，困难在哪里?晓多（duō）算法工程师、本次上下文语义项目的负（fù）责人（rén）张翀向（xiàng）大（dà）数据（jù）文摘介绍，最（zuì）关（guān）键的问题在于要让（ràng）机（jī）器人像人（rén）一（yī）样记得上文的（de）重要信息，并且知道这些信息和当前问句（jù）的关联。

在这个（gè）问题上（shàng），目前学（xué）术界和（hé）业界并（bìng）没（méi）有现成（chéng）的解（jiě）决方案。对此（cǐ），张（zhāng）翀介绍，晓多为新一（yī）代问答（dá）机器人创新（xīn）设计了一个深度学习模型，包含四个模块：记忆与遗忘（wàng）、提炼、融合、输出（chū）。

记忆（yì）与遗（yí）忘模（mó）块赋予机器人（rén）记住上（shàng）文关键信息（xī）的能力。没有记忆能力的机器人，只会对最近的一句话（huà）作出反应（yīng），而（ér）晓多（duō）的模型可（kě）以帮（bāng）助机器人（rén）把前后的诉求关（guān）联（lián）起来（lái），及时作（zuò）出准确的推荐。

点击（jī）图片查看详（xiáng）细内（nèi）容（róng）

在技术（shù）上，晓多做（zuò）出了（le）一个此前（qián）业界还没有实现过（guò）的创（chuàng）新应用，参照（zhào）一个名叫长短期记忆（yì）网络(LSTM)的结构（gòu），设计实现会话级别（bié）的记忆和遗忘。

晓多（duō）的又一创新，是应（yīng）用（yòng）于提炼模块（kuài）的注意力机制。它会（huì）自动对上文的每一条（tiáo）信息进（jìn）行计算，算出这些信息与当前句子对应的重要程度（dù），重要程度高的，就（jiù）会被（bèi）保（bǎo）留下来（lái）。

假如顾（gù）客（kè）得到（dào）了满意（yì）的产品推（tuī）荐（jiàn）之后（hòu），又提出“什么时（shí）候发（fā）货”的问题，注意力机（jī）制通过计算，就（jiù）会发现上（shàng）文的重要程（chéng）度并不高，这样，无用（yòng）的信息就会被过滤（lǜ），与当前对话（huà）有关（guān）联的上文（wén）信息被选取出来，进入下（xià）一个模块中。

在融合（hé）模块（kuài）中，机器人会对提炼出的（de）上（shàng）文关（guān）键信息（xī）和当前聊天消息结合，来识别（bié）顾客的意图。晓多采用的方式（shì）是在（zài）向（xiàng）量空间（jiān）做梳理，简单来（lái）说，可以理解为提取上文关键信息是（shì）在机器（qì）人大（dà）脑内部（bù）的一个操作，这之后（hòu），再在一个抽象的空间里（lǐ），把提取出来的关（guān）键信息与（yǔ）当前（qián）的单句进行综合，最终输出一个（gè）结合上文信息和当前单句（jù）所（suǒ）做出的（de）判断。

这个模（mó）型在实验中得到（dào）的数据令人惊（jīng）喜。晓多从真实（shí）电商聊天?志中（zhōng）抽取了若?涉及上下?的问答（dá）样本，构（gòu）造两（liǎng）份意图识别测（cè）试（shì）集，分别对应两个（gè）电商领域，对?发现结合上（shàng）下?预测的（de）模型效果远超（chāo）只根据单句预测（cè）的模（mó）型：

recall(召回率)=机器人正确识别的问题（tí）数/问题总数;

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

这些工作并不（bú）是想到就可以做（zuò）到（dào）的，对（duì）机器人的训练需（xū）要大量的数据，迁移学（xué）习能力（lì）是（shì）晓多能够实现这些创新的关（guān）键（jiàn）。

“人工（gōng）智（zhì）能的深度（dù）学习，突出的（de）特点就是对数据的依赖非常大，”张翀说（shuō），“因为（wéi）深度学习模型的（de）参数非常多（duō），你可以理解为它是一个更（gèng）复杂的智能（néng）体，数据是它学习的（de）依（yī）据，它要学习的东西越多，需（xū）要的（de）数（shù）据就更多（duō），而你（nǐ）给它的数据越多，它也越聪明。”

目前，晓多的标（biāo）注团队从（cóng）上百（bǎi）亿（yì）的（de）数据（jù）中进行分（fèn）析提取的价值样（yàng）本，提供给机（jī）器学习进行数据训练。

如果每一步都需要人工设计，从发现场（chǎng）景、总（zǒng）结规律，到最后开发、测（cè）试、上线（xiàn），可能需要至少两周的（de）时间才能扩展一个场景，张翀介绍说，而使用这（zhè）样的数据标注让机器进行深度学习，只需要几天的时（shí）间，就（jiù）可以同时扩展几（jǐ）十个场景、几百个产品。

各个行业的电商客服需要应对的场景虽（suī）然有很多差异，但有一些数据却是（shì）通用的，包（bāo）括关于快递（dì）物流的问答（dá）等。晓多对标注好的数据进行了模块拆分（fèn），区分出（chū）通用数据，当机器（qì）人需要对新行业（yè）进行学习时，可以直接（jiē）使（shǐ）用这些标注好的通用数据（jù），实现迅速的扩展（zhǎn）学习。

谈到数据（jù）、算法和计算（suàn）能力的关系，张（zhāng）翀认为，数据是基础，大数据为机器学习装上引擎;算法是核心，将人工智能带到全新高度（dù）;而计算能力是保障（zhàng），为算法的实现（xiàn）提（tí）供（gòng）坚（jiān）实的后盾。

不止于（yú）此，顾客体验迎来后智能化时代

从售前的商品导购，到售中咨询运费、活（huó）动赠品等，目前，晓多的上下文语义（yì）项目已经投入使用（yòng），覆盖了多种电商服务场景。这仅仅只是这项技（jì）术投入应用的第一步，晓多（duō）的业（yè）务计划中（zhōng），还涉及到更多的业务铺开。在售前，顾客可（kě）能会要求客（kè）服进行商品推（tuī）荐（jiàn），他们（men）的需求点信息包含在整个对话过程中。传统的客服机器人（rén）只能根据顾客最（zuì）后的需（xū）求进行推荐，而晓多机（jī）器人会（huì）对顾客的会话信（xìn）息进行分析，更加（jiā）准确地（dì）识别到顾客的真实需求，推荐给顾客（kè）符合心意的产品（pǐn）。

点击（jī）图片查看详细内（nèi）容（róng）

另外（wài），对于（yú）电商行业中热门的服装领域来说，售前的（de）服装（zhuāng）尺码推荐是客服经常会遇到的问题，店铺内大（dà）量商品的尺（chǐ）码各不相同，尺（chǐ）码问题会耗费客服大量（liàng）的人力。通过上（shàng）下文识别的（de）手段，客（kè）服（fú）机器人可以获取顾客（kè）的（de）尺码信息（xī），准确地进行尺（chǐ）码（mǎ）推荐。

点击（jī）图（tú）片查看详细内容

在销（xiāo）售过程中，顾客常常要询问运费问（wèn）题，这就（jiù）涉及到（dào）了首次购（gòu）买和退换货两种（zhǒng）场景。没有上文语境，机器人就只能（néng）解（jiě）读出“运费”，而不能准确（què）地判（pàn）断顾客询问（wèn）的是首次购物运费还（hái）是退换货运费（fèi），可能（néng）导（dǎo）致错误的回复（fù）。而在加入了上下文（wén）理解后，机器人能够准确判断顾客（kè）的（de）实（shí）际问（wèn）题（tí），准确地回复（fù）此类问题。

点击图片（piàn）查看（kàn）详细内容

另一个常（cháng）见的售（shòu）中场景是关于活动赠（zèng）品的问题。当店铺进（jìn）行（háng）活动优惠提供赠品时，顾客的提问可能不（bú）是针对商（shāng）品，而是针对赠品，需（xū）要机器（qì）人（rén）通（tōng）过语境（jìng）来（lái）识别，防止（zhǐ）混淆（xiáo）这两个（gè）方（fāng）面的提（tí）问，给出张冠（guàn）李戴的答案。

这项技（jì）术（shù）不但（dàn）可以应用在智能（néng）对话上（shàng），智能营销、智能质检、情绪识别……客服行（háng）业中还存在（zài）着更多未被开发的可（kě）能性。

对于（yú）晓多来（lái）说，这意（yì）味着他们为顾客提供的服务，向超专家级（jí）更进了一步（bù）。“我们现在可能只是把它应（yīng）用在语义识别上，但（dàn）后续我们在（zài）其（qí）它（tā）业（yè）务（wù）线（xiàn）上还（hái）可以继续铺开。我们（men）把它当成一（yī）个基础的能力（lì），一个支撑（chēng）我们整个公司的算法产（chǎn）品。”张翀说。

晓多也（yě）期待着（zhe），上下文语义识别可以作为技术基石（shí）应用（yòng）到行（háng）业各个方面（miàn），通过推开这项技术的应用，机器人（rén）可（kě）以自动生成尺码表（biǎo），自动获取个（gè）性化对话内容进行系（xì）统自动（dòng）萃取（qǔ）对接等等，机器人行业一直以（yǐ）来（lái）由人工（gōng）配置的时代可能走（zǒu）向终结，而迎来（lái）一个从数据中学习后（hòu）智能（néng）化自动生（shēng）成的时代。