2022對話式AI發(fā)展-對話式AI的進階

一、簡介

技術(shù)底座：對話式AI產(chǎn)品的AI技術(shù)底座由智能語音、自然語言理解與知識工程核心支撐

智能語音：在對話機器人產(chǎn)品中，智能語音技術(shù)主要應用于語音機器人與視頻機器人/數(shù)字人產(chǎn)品的對話交互，由語音識別（ASR）與語音合成（TTS）兩部分組成。從工作流程來看，用戶真人的語音會先通過ASR（語音識別）技術(shù)將其轉(zhuǎn)化為文本，再接入NLU（自然語言理解）進一步理解用戶意圖。因此，語音識別準確率至關(guān)重要，決定后續(xù)自然語言理解效果

自然語言理解：自然語言處理技術(shù)主要包括自然語言理解（NLU）與自然語言生成（NLG）兩部分。對于對話機器人來說，如何做好自然語言理解（NLU）中的意圖識別，是保證人機交互效果的關(guān)鍵。當下意圖識別已達到相對優(yōu)質(zhì)水平，但對于情緒的理解與判斷仍是難點

知識工程：知識工程已從早期單一FAQ技術(shù)發(fā)展豐富到深度學習FAQ、表格知識庫、知識圖譜、文檔閱讀理解等多技術(shù)階段。從客戶端體驗來看，廠商將持續(xù)追求知識工程技術(shù)的豐富升級，

而從自身經(jīng)營來看，廠商需基于投入產(chǎn)出判斷是否開發(fā)新的知識工程技術(shù)

二、對話式AI產(chǎn)品的技術(shù)底座

三大AI技術(shù)底座：智能語音、自然語言處理、知識工程

對話式AI產(chǎn)品的AI技術(shù)底座由智能語音、自然語言理解與知識工程核心支撐。在工作流程中，智能語音技術(shù)分為語音識別（ASR：Automatic Speech Recognition）與語音合成（TTS：Text-To-Speech）兩類，實現(xiàn)對話內(nèi)容從語音到文本、從文本到語音的相互轉(zhuǎn)換；自然語言處理可分為自然語言理解（NLP：Natural Language Processing）與自然語言生成（NLG：Natural Language Processing），其關(guān)鍵是要讓機器人“理解”人類語言中的意圖并基于知識庫“生成”對應的自然語言，完成人機對話交互；知識庫為對話式AI產(chǎn)品的大腦，由知識工程支撐建設(shè)?，F(xiàn)知識工程以深度學習FAQ為核心應用，另包括表格知識庫、知識圖譜和文檔閱讀理解等技術(shù)。

三、智能語音技術(shù)

語音識別準確率至關(guān)重要，決定后續(xù)自然語言理解效果

在對話機器人產(chǎn)品中，智能語音技術(shù)主要應用于語音機器人與視頻機器人/數(shù)字人產(chǎn)品的對話交互，由語音識別（ASR）與語音合成（TTS）兩部分組成。從工作流程來看，用戶真人的語音會先通過ASR（語音識別）技術(shù)將其轉(zhuǎn)化為文本，再接入NLU（自然語言理解）進一步理解用戶意圖。因此，智能語音技術(shù)中的語音識別準確率至關(guān)重要，轉(zhuǎn)換的正確與否直接決定了后續(xù)自然語言處理的效果?，F(xiàn)階段，語音識別的效果與成熟度已達到了相對先進的水平，對話式AI廠商正從VAD靜默檢測、ASR聲學模型與ASR語言模型三部分入手，對應突破各部分的技術(shù)難點，以進一步提升語音識別的準確率。

四、自然語言處理技術(shù)

意圖識別已達到相對優(yōu)質(zhì)水平，情緒的理解與判斷仍是難點

自然語言處理技術(shù)主要包括自然語言理解（NLU）與自然語言生成（NLG）兩部分。對于對話機器人來說，如何做好自然語言理解（NLU）中的意圖識別，是保證人機交互效果的關(guān)鍵。根據(jù)業(yè)內(nèi)專家普遍反饋，目前意圖識別的應用效果良好。

雖然對話機器人尚難做到人與人之間的理解程度，但人在知道是在與機器人交互時后，表達會相對標準化，因此意圖識別的實際效果會普遍優(yōu)于預期。而在情緒的判斷與理解上，對話機器人仍有很長一段路要走，這也是未來可給行業(yè)帶來技術(shù)突破與產(chǎn)品顛覆的方向。

五、知識工程技術(shù)

提升知識庫運營建設(shè)能力，基于投入產(chǎn)出評估新技術(shù)開發(fā)

知識工程已從早期單一FAQ技術(shù)發(fā)展豐富到深度學習FAQ、表格知識庫、知識圖譜、文檔閱讀理解等多技術(shù)階段。從客戶端體驗來看，對話式AI廠商將持續(xù)追求知識工程技術(shù)的豐富升級，根據(jù)客戶的業(yè)務(wù)及資料特點為其匹配合適的知識工程技術(shù)，將知識庫的建設(shè)質(zhì)效最大化；從廠商自身經(jīng)營來看，廠商需基于投入產(chǎn)出判斷是否開發(fā)新技術(shù)。以知識圖譜為例，知識圖譜可支撐多知識點的綜合判斷，提升對話式AI產(chǎn)品在復雜問題下的答案準確度，但知識圖譜同樣存在技術(shù)門檻高、開發(fā)投入大等特點，廠商需根據(jù)所需投入與業(yè)務(wù)落地價值，去評估是否投入開發(fā)，并選擇判斷合適的行業(yè)切入點。

關(guān)鍵詞： 2022對話式AI發(fā)展-對話式AI的進階 自然語言理解