編輯導(dǎo)讀：ChatBot這個(gè)概念已經(jīng)提出很久了，意指可幫助人進(jìn)行對(duì)話交互的對(duì)話機(jī)器人，也簡稱為Bot.。本文主要闡述ChatBot的概況，方便你了解NLP領(lǐng)域目前主流的應(yīng)用對(duì)話機(jī)器人的基礎(chǔ)詳情，一起來看一下吧。

一、ChatBot 類型

按照訪客預(yù)期的機(jī)器人應(yīng)答方式的不同，ChatBot分為3個(gè)類型：咨詢型、閑聊型、任務(wù)型。

• 咨詢型：通常為訪客期望就自己提出的問題，機(jī)器人能給出相應(yīng)的專業(yè)解答。表現(xiàn)為一問一答的形式。機(jī)器人相當(dāng)于一個(gè)“知識(shí)顧問”，做“答疑解惑”的事情；
• 閑聊型：訪客的預(yù)期是可陪伴自己聊天的機(jī)器人。無論訪客說什么問題，機(jī)器人都可以接得上，聊得上。訪客期待的不是某個(gè)具體目標(biāo)的完成，而是情感上的陪伴；
• 任務(wù)型：通常為訪客期望就自己提出的問題，機(jī)器人不僅能給出專業(yè)解答，還能主動(dòng)反問獲取相關(guān)信息，根據(jù)不同信息給出不同的解答。同時(shí)還可完成一些任務(wù)指令。廣義上將，無論是“專業(yè)解答”，還是“完成任務(wù)指令”，都是完成任務(wù)，故為“任務(wù)型”。

Why：為什么這么分？

這樣的劃分方式，相信大家已經(jīng)見得很多了。但是為什么這么劃分呢？主要有兩個(gè)原因。

1）對(duì)話的本質(zhì)

對(duì)話的本質(zhì)是：對(duì)話雙方的信息同步。（此刻停留10秒鐘可回想下你接觸過的各種對(duì)話）

對(duì)話只是工具，在對(duì)話中的信息傳遞，即對(duì)話雙方想通過對(duì)話傳遞的信息，才是對(duì)話的意義。

舉個(gè)例子：你跟你的朋友說：“我們?nèi)ネ姘桑　蹦愕呐笥呀邮盏竭@個(gè)信息的時(shí)候，他心里會(huì)有幾個(gè)問題想問你：“為啥突然要去玩”、“啥時(shí)候去玩”、“去哪里玩”。因?yàn)檫@些信息，你沒告訴他，他需要獲得這些信息，以達(dá)到與你同步的階段，才能進(jìn)行下一步：去完成“去玩”這件事。而對(duì)話，就是達(dá)成信息同步的工具。（難道他跟你眼對(duì)眼對(duì)視下就可以知道嘛？）

2）AI現(xiàn)有的技術(shù)發(fā)展限制

雖然AI迎來了新的一春（相對(duì)于以前的發(fā)展），但是基于機(jī)器學(xué)習(xí)/深度學(xué)習(xí)的NLP技術(shù)，目前只能解決一部分問題，或者說，一小部分問題。一個(gè)對(duì)話系統(tǒng)中，真正用到AI技術(shù)的，目前是基于【意圖】【實(shí)體】框架的識(shí)別體系，而這部分，也僅僅占對(duì)話系統(tǒng)10%-20%（具體我們可以專門開一篇文章詳細(xì)分析，這里暫不贅述）。

而基于【意圖】【實(shí)體】識(shí)別框架，目前最容易達(dá)成的，就是“指令式”的對(duì)話（沒錯(cuò)，這里是我給它取的名字）。比如，你對(duì)機(jī)器人說：“幫我訂張火車票”（抱歉我還是用這個(gè)快被說爛的例子）。“訂張火車票”這是一個(gè)非常明確的指令。機(jī)器人通過識(shí)別意圖“訂張火車票”，馬上可進(jìn)行相應(yīng)信息的填充（詞槽填充追問），幫訪客完成“訂火車票”的任務(wù)目標(biāo)。

相反的，一些“非指令式”的對(duì)話，對(duì)話系統(tǒng)很難通過現(xiàn)有的AI技術(shù)處理。比如，在醫(yī)療營銷機(jī)器人中，訪客問“我最近肚子有點(diǎn)痛”。這是一個(gè)很模糊的指令，機(jī)器人并不知道訪客的意圖是什么，甚至人也很難知道?！岸亲油础焙芸赡苁悄c胃的問題，可能是女性疾病問題，等等。現(xiàn)有的NLP技術(shù)無法識(shí)別，因?yàn)闊o法做?邏輯推理。

所以，現(xiàn)有的ChatBot能處理的，且擅長處理的問題，是那些指令式的問題，這就對(duì)應(yīng)了我們剛才說的3種分類中的兩種：咨詢型、任務(wù)型，這也是目前應(yīng)用于商業(yè)中最廣泛的兩種類型的ChatBot。而另外一種 閑聊型，是基于?記憶神經(jīng)網(wǎng)絡(luò)模型 的對(duì)話方式，是現(xiàn)有神經(jīng)網(wǎng)絡(luò)可支持的實(shí)現(xiàn)方式

What：他們的聯(lián)系與區(qū)別是什么？

從訪客的預(yù)期來看，可以分為2大類：任務(wù)達(dá)成（Get things done）與 情感陪伴（Get company）

1）任務(wù)達(dá)成（Get things done）

咨詢型ChatBot 與任務(wù)型 ChatBot

識(shí)別角度上，二者機(jī)理一致。均是通過分類（相似度匹配）的方式。

• 咨詢型（FAQ相似度計(jì)算）：通過訪客問句與每條FAQ的問題，計(jì)算相似度匹配，從而回復(fù)問題相應(yīng)的回答。
• 任務(wù)型（意圖識(shí)別）：通過訪客問句與每個(gè)意圖配置的對(duì)應(yīng)query，計(jì)算相似度匹配。通過多輪的詢問交互，最終解決訪客的問題。

應(yīng)答功能上：任務(wù)型是升級(jí)版的咨詢型

• 咨詢型是針對(duì)訪客query，直接給予答案回應(yīng)
• 任務(wù)型是針對(duì)訪客query，收集query相關(guān)的信息（意圖-詞槽 機(jī)制），根據(jù)收集的情況給予答案回應(yīng)（答案回應(yīng)包括：富文本、鏈接跳轉(zhuǎn)、外部資源調(diào)用），是以任務(wù)達(dá)成為目的的對(duì)話。

2）情感陪伴

閑聊型ChatBot 的對(duì)話宗旨在于，基于話題讓對(duì)話延續(xù)。在對(duì)話理念上與前者有較大區(qū)別。其目的是讓訪客，通過對(duì)話得到情感上的支持與陪伴。比如你跟iPhone Siri 說“我想你”，她會(huì)回復(fù)你“我也想你”等之類的話，讓你得到情感上的陪伴體驗(yàn)。

但是從NLP現(xiàn)有的發(fā)展情況來看，閑聊型ChatBot的效果并不是太理想。因?yàn)閷?duì)話沒有一個(gè)主題，機(jī)器人是因訪客問題回答而回答，是一種“被動(dòng)式”的應(yīng)答，并無主導(dǎo)對(duì)話的能力。所以通俗講，目前的應(yīng)用基本就是讓訪客“圖個(gè)樂”的階段。

二、ChatBot平臺(tái)

What and What For？為了解決什么問題？

由ChatBot 應(yīng)運(yùn)而生的就是ChatBot對(duì)話平臺(tái)。什么是對(duì)話平臺(tái)呢？對(duì)話平臺(tái)即為了讓機(jī)器人使用者可以配置自己想要的機(jī)器人而與之對(duì)應(yīng)的機(jī)器人配置工具。在這個(gè)工具上，用戶可以根據(jù)自己不同的業(yè)務(wù)需求，搭建與之對(duì)應(yīng)的機(jī)器人，以實(shí)現(xiàn)自己的業(yè)務(wù)目標(biāo)。

舉個(gè)栗子：比如A用戶要搭建一個(gè)用于接待訪客問題的客服機(jī)器人A，與B用戶要搭建一個(gè)個(gè)人助理類的機(jī)器人B。

二者的業(yè)務(wù)目標(biāo)不同：A主要用于答疑解惑，比如解答“你們銀行借記卡怎么辦理”的問題；B主要用于任務(wù)執(zhí)行，比如發(fā)出一個(gè)指令“幫我看看附近有什么適合約會(huì)的餐廳”，機(jī)器人會(huì)根據(jù)用戶的需求做相應(yīng)的任務(wù)動(dòng)作。

但是二者可以使用同一套ChatBot 平臺(tái)，來搭建其相應(yīng)的業(yè)務(wù)。因?yàn)槎呋诘腁I基礎(chǔ)、對(duì)話基礎(chǔ)是一致的（或者說是類似的）。

So，ChatBot有幾個(gè)特性：

• 可實(shí)現(xiàn)不同類型的機(jī)器人搭建
• 為用戶不同業(yè)務(wù)訴求提供服務(wù)

順便說一句，現(xiàn)有的對(duì)話平臺(tái)廠商，同質(zhì)化相當(dāng)嚴(yán)重。各家基于的對(duì)話框架可以說基本相同。不同點(diǎn)，也是商業(yè)落地突圍點(diǎn)，在于如何落地，如何基于垂類行業(yè)的精細(xì)化設(shè)計(jì)與運(yùn)營。

What’s good？什么樣的對(duì)話平臺(tái)才是好的對(duì)話平臺(tái)？

基于上述的幾點(diǎn)，我們可以反推過來，什么樣的ChatBot平臺(tái)，才是好的對(duì)話平臺(tái)呢？

高度抽象：高度抽象ChatBot的基本元素，使之成為所有對(duì)話構(gòu)建的基石。

1. 高度抽象意味著將ChatBot組塊化，類似于“搭積木”進(jìn)行搭建。每個(gè)積木，都需要做得具有高度通用性
2. 高度抽象其實(shí)是個(gè)“反推”的過程。即從業(yè)務(wù)側(cè)反推，抽象各種業(yè)務(wù)的共性，得到適用于諸多場景的對(duì)話元素。如現(xiàn)有ChatBot平臺(tái)框架，“意圖”、“詞槽”、“上下文”等對(duì)話元素。當(dāng)然，最通用的部分，已經(jīng)由國內(nèi)外大廠ChatBot平臺(tái)定義好了，并形成了行業(yè)內(nèi)的規(guī)范，這部分對(duì)于從業(yè)者來說，更多的是沿用，而不是重復(fù)造一個(gè)輪子。

拼裝規(guī)律明確：明確與Highlight 組裝拼接元素的規(guī)律，幫助ChatBot使用者快速理清思路，高效配置出符合自己業(yè)務(wù)需求的ChatBot

搭建機(jī)器人是有一套規(guī)律的，通俗講叫做“套路”。比如從分析與劃分機(jī)器人場景，到確定每個(gè)意圖，再到意圖內(nèi)多輪對(duì)話、意圖間多輪對(duì)話，都是可以有一套可復(fù)用的規(guī)范和配置規(guī)律的。在ChatBot中，這套規(guī)律應(yīng)該是足夠明確，有效幫助用戶理清思路的

簡單易用：簡單、高效、易用，降低新手成本，盡可能預(yù)置通用的的對(duì)話原材料，開箱即用。

1. 簡單，對(duì)于ChatBot平臺(tái)來說，是個(gè)不簡單的詞。如果是一個(gè)新手小白，未受過AI訓(xùn)練師的培訓(xùn)，來配置一個(gè)機(jī)器人的話，學(xué)習(xí)成本是很高的。因?yàn)镃hatBot本身就不是一個(gè)C端易用的產(chǎn)品。我們以行業(yè)標(biāo)桿Google DialogFlow為例，即使Google已經(jīng)做得足夠易用了（交互體驗(yàn)較于其他B端產(chǎn)品），但是對(duì)于小白用戶，還是需要參照操作手冊學(xué)習(xí)上手。所以，盡量做得簡單，對(duì)ChatBot來說是較難的事情。
2. 基于1，在“預(yù)置通用的對(duì)話原材料”的維度上，可作為的地方大得多。有資源的廠，可以利用自己的行業(yè)積累，為用戶提供預(yù)置語料的服務(wù)?？蓜e小看，在搭建機(jī)器人中，語料數(shù)據(jù)的重要性，可以說是重中之重。不僅影響的是冷啟動(dòng)的效率與質(zhì)量，更影響機(jī)器人運(yùn)營的效果好壞，直接或間接覺得機(jī)器人產(chǎn)品的生命周期。
3. 基于2，目前行業(yè)的一個(gè)論調(diào)是，在【算法】【算力】【數(shù)據(jù)】這AI三駕馬車中，【算法】已通過開源代碼受到廣為人知，且現(xiàn)有的深度學(xué)習(xí)的能力閾限大家也都了解一二，用深度學(xué)習(xí)可以實(shí)現(xiàn)的對(duì)話領(lǐng)域的巨大突破可能性極?。弧舅懔Α客ㄟ^GPU等技術(shù)硬件的購買，花錢都能達(dá)到差不多的算力水平。現(xiàn)在的【數(shù)據(jù)】是各廠間做出產(chǎn)品差異化的重要點(diǎn)。因?yàn)椤緮?shù)據(jù)】以為著技術(shù)落地業(yè)務(wù)的關(guān)鍵橋梁，一個(gè)能解決業(yè)務(wù)問題的機(jī)器人，好過一百個(gè)用牛逼的技術(shù)堆出來但不解決業(yè)務(wù)問題的機(jī)器人?！緮?shù)據(jù)】作為ChatBot的養(yǎng)料，至關(guān)重要。

四、ChatBot Skill 5要素

ChatBot Skill 5要素（當(dāng)然，也是我這么劃分的）分別是：意圖、實(shí)體、詞槽、回復(fù)、上下文。為什么是這5個(gè)要素？這5個(gè)要素具體是什么作用？他們背后有什么具體邏輯呢？

我們可以這么理解，ChatBot是要幫訪客做事的（此處我們只討論應(yīng)用最廣也最容易落地的任務(wù)型ChatBot）。這個(gè)“事”，有可能是回答問題（答疑解惑），也有可能是幫助訪客完成一個(gè)任務(wù)（任務(wù)執(zhí)行）?；卮饐栴}通常我們通過FAQ的問句相似度匹配即能完成。

回到我們上文說的，對(duì)話的本質(zhì)是信息的交換與同步。機(jī)器人要幫訪客做一件事，首先得知道訪客要做什么事（意圖），所以，現(xiàn)有ChatBot系統(tǒng)的首要任務(wù)，就是確定訪客想要干嘛，也就是 意圖識(shí)別。只要當(dāng)ChatBot信息與訪客對(duì)等了（至少在訪客想做的事情的維度），ChatBot才能幫訪客做相應(yīng)的任務(wù)。

1. 意圖

意圖描述的是某個(gè)訪客query領(lǐng)域內(nèi)的封閉問題。一次意圖框架的完成（意圖識(shí)別-詞槽填充-回復(fù)），會(huì)完成一次對(duì)話閉環(huán)。
相比于意圖，上下文 描述的是對(duì)話上下文不同意圖之間的問題。

詞槽、回復(fù)與意圖掛鉤。即：一個(gè)意圖，對(duì)應(yīng)特定的詞槽、回復(fù)

1）如何進(jìn)行意圖識(shí)別？

意圖識(shí)別本質(zhì)上是分類問題。目前行業(yè)主流的做法就是，將同類的句子做句子集合，相應(yīng)的邊成為一個(gè)意圖。即：將所有相同含義的話，抽象為一個(gè)意圖。比如【訂火車票】這個(gè)意圖，同類的句子是：“我要訂火車票”、“給我訂張火車票”、“火車票能訂不”，等等。所以本質(zhì)上講，ChatBot是通過判斷訪客問句與意圖中配置的問句是否相似，來判定是否屬于該意圖的，即進(jìn)行歸類。

2）意圖的配置

意圖配置的原理：通過預(yù)測訪客會(huì)問的問題，與意圖建立關(guān)系。在機(jī)器學(xué)習(xí)以前，這些類似的表述，是需要人工一句一句地去配置的，只有配置了某問法，機(jī)器才會(huì)做相應(yīng)的匹配命中，觸發(fā)相應(yīng)的回答，即通過規(guī)則來判斷。配置這么多問句，是不是現(xiàn)在想想都頭皮發(fā)麻？

而NLP的意圖識(shí)別能力，就是可以通過配置少量的語料，進(jìn)行自主地泛化。把那些未配置的，但是表述又相近的問句，也可識(shí)別到該意圖中（當(dāng)然，識(shí)別也是有準(zhǔn)確率的，跟算法模型、訓(xùn)練數(shù)據(jù)相關(guān)）

舉個(gè)例子：剛才【訂火車票】這個(gè)意圖，假如配置的幾個(gè)問句：“我要訂火車票”、“給我訂張火車票”、“火車票能訂不”。ChatBot不僅可以識(shí)別到這幾個(gè)問句，也能識(shí)別到如“你能給我訂個(gè)火車票么”、“給我來張火車票”，等等的表述，歸為該意圖。

2. 實(shí)體

1）什么是實(shí)體？

實(shí)體是對(duì)話（表現(xiàn)為訪客query）中，有實(shí)際意義和指代的詞。

2）為什么需要實(shí)體？

1. 通過定義實(shí)體，讓系統(tǒng)去采集訪客query中有用的、人想要采集的信息
2. 實(shí)體識(shí)別（NER）：相當(dāng)于是使用AI技術(shù)的采集器
3. 枚舉實(shí)體/規(guī)則實(shí)體： 相當(dāng)于是使用人為規(guī)則的采集器

3）如何進(jìn)行實(shí)體識(shí)別？

NER過程：從訪客query–>分詞–>實(shí)體識(shí)別 的過程

3. 詞槽

1）詞槽是什么？

詞槽是與意圖綁定的變量

2）為什么需要詞槽？

因?yàn)樵~槽是對(duì)話中信息傳遞的載體，對(duì)于對(duì)話的信息來說至關(guān)重要。

3）如何進(jìn)行詞槽的填充？

通過實(shí)體識(shí)別，將實(shí)體識(shí)別的值，賦值給詞槽

回到剛才的例子，當(dāng)識(shí)別到意圖后，如：訪客說“幫我訂張火車票”（原諒我還是舉這個(gè)被說爛的例子，誰讓它通俗易懂呢），識(shí)別到意圖為【訂車票】，那么ChatBot需要知道你要定啥時(shí)候的票，從哪兒到哪兒，乘車人是誰，要幾等票。對(duì)應(yīng)的參數(shù)為：出發(fā)時(shí)間，出發(fā)地點(diǎn)，到達(dá)地點(diǎn)，乘車人，票類型。所以ChatBot接下來需要做什么？當(dāng)然需要問訪客這么些個(gè)信息呀。所以，這幾個(gè)參數(shù)信息，就是【訂車票】這個(gè)意圖下，關(guān)聯(lián)的幾個(gè)詞槽。

這幾個(gè)詞槽該如何收集呢？沒關(guān)系，交給NLP算法?，F(xiàn)有NLP一個(gè)很重要的成就是就NER，即實(shí)體識(shí)別。通俗地說，就是可以把訪客問句中的重要信息給摳出來，作為對(duì)話的關(guān)鍵信息（相當(dāng)于機(jī)器人理解了訪客的意思，雖然在人看來還是挺智障的程度，但是誰讓它可以在某些領(lǐng)域應(yīng)用的好呢）。所以回到剛才的問題，NLP算法可以把ChatBot想要的幾個(gè)參數(shù)信息，通過發(fā)問的形式，從訪客問句中提取出來：出發(fā)時(shí)間，出發(fā)地點(diǎn)，到達(dá)地點(diǎn)，乘車人，票類型。

4. 回復(fù)

一旦獲取了這些信息，ChatBot就該干正事兒了所以ChatBot就應(yīng)該基于收集到的信息，給出相應(yīng)的回復(fù)?；貜?fù)分為純文本回復(fù)、調(diào)用接口回復(fù)、執(zhí)行動(dòng)作回復(fù)?！坝喕疖嚻薄钡淖罱K結(jié)果是幫助訪客“訂成功火車票”，所以需要執(zhí)行“訂票”的動(dòng)作，并把訂票信息返回給訪客。

5. 上下文

最后，上下文 的意思是指不同意圖間，可能存在繼承信息與意圖切換的情況。

舉個(gè)例子：訪客問“今天北京的天氣怎么樣？”，ChatBot回復(fù)：“今天北京晴轉(zhuǎn)多云，有陣風(fēng)，25攝氏度”。訪客接著又問“那上海呢”，那么ChatBot應(yīng)該需要知道，“那上海呢”這句話，還是意指“查天氣”這個(gè)意圖，而不是在問“上海的空氣質(zhì)量”、“上海的限號(hào)是多少”其他意圖的問題。所以需要用到【上下文】的概念來配置ChatBot。

一個(gè)對(duì)話的進(jìn)行，是跟對(duì)話進(jìn)行中的信息繼承與更新相關(guān)的。所以不同的意圖之間，不止存在同等并列的關(guān)系，還存在嵌套關(guān)系（父意圖、子意圖、子子意圖）、上下繼承關(guān)系，等等。這些均需使用上下文這個(gè)對(duì)話元素來實(shí)現(xiàn)。

五、總結(jié)

ChatBot在目前的各行業(yè)、各領(lǐng)域，有廣泛的應(yīng)用，也不乏各大廠、中小廠進(jìn)入ChatBot平臺(tái)開發(fā)的賽道。萬變不離其宗，無論ChatBot在領(lǐng)域中多垂直、應(yīng)用多豐富，其始終離不開上文闡述的基礎(chǔ)要點(diǎn)內(nèi)容。原因其實(shí)也很簡單，因?yàn)槟壳暗腁I技術(shù)、NLP技術(shù)發(fā)展到這個(gè)層面，其對(duì)應(yīng)的底層原理是相對(duì)固定的。國內(nèi)外對(duì)于ChatBot的設(shè)計(jì)理念，大致是趨同的。同時(shí)也期待AI的發(fā)展，可以突破目前的一些壁壘和限制，基于AI的設(shè)計(jì)就可更加智能、更加靈活。希望對(duì)你有幫助。

作者：咖喱魚丸，5年P(guān)M經(jīng)驗(yàn)，2年AI PM經(jīng)驗(yàn)

本文由 @咖喱魚蛋egg 原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理。未經(jīng)許可，禁止轉(zhuǎn)載

題圖來自Unsplash，基于CC0協(xié)議