智能人机交互之对话智能系统探讨

随着互联网的形态从PC互联网向手机无线网和硬件物联网发展，人与智能设备的信息交互模式也发生了颠覆性改变。首先是输入模态的变化。传统的键盘鼠标正在被触感、语音、图像等模态的自然输入方式逐渐替代。从复杂语义信息传输的角度看，语音具有得天独厚的优势，是未来人机信息交互的核心入口。其次是用户获取信息习惯的变化。移动环境下的信息搜索行为呈现碎片化、本地化、个性化、情境化等特点，信息获取的目的性更强，使得基于理解的“对话交互式”信息获取成为新兴的语言处理关键技术。这两个趋势也使得以语音为主要通道的“对话智能”成为人工智能研究的新兴问题。

对话智能是人工智能技术的集中体现，目前尚无公认可行的通用处理框架理论。从语义结构化和交互方式角度来说，人机对话大体有三种主要类型。

1. 问答。这类对话一般有两大特点，一是单轮为主，对话模式是一问一答，不涉及复杂的对话上下文；二是语义非结构化，很难用预定义的本体和语义槽来表达整个对话任务。问答往往涉及到非结构化的知识表达、搜索以及在回答中的匹配。问答的目的在于完成任务和提取知识点，有非常明确的信息需求。

2. 聊天。聊天一般是娱乐或消磨时间，没有实用性的明确目的。这类对话通常是多轮交互，上下文相关，语义也是非结构化的。

3. 任务型对话。任务型对话系统针对具体的应用领域，具有比较清晰的业务语义单元定义、本体结构以及用户目标范畴，例如航班信息查询、电影搜索、设备控制等等。这类交互是以完成特定的操作任务为交互目标。此外，任务型对话绝大部分都是多轮的，需要结合对话上下文进行用户意图理解。

三种对话系统的应用场景、工程架构及核心技术不尽相同。“对话智能”本质上应该是上述三种类型对话的有机组合。