如今，智能在我们的日常生活中已随处可见，那么它们是如何理解我们的意图，回答我们的问题并提供帮助的呢？本文作者用通俗易懂的文字讲解了智能对话流程的设计，推荐给对智能、对话式人工智能感兴趣的小伙伴阅读。
对话式人工智能产品越来越常见，从Siri到电话，不知不觉中它们已在你身边寻觅了一个位置。笔者的产品是一款去年上线的机器人，简单聊聊从0到1的经验。
从交互形式来划分，智能包括纯语音（如天猫精灵），纯文本（如小冰），纯可视化界面（如一些电商的，完全通过界面交互来完成对话），语音+可视化界面（如Siri等手机助手）。交互形式没有好坏，这一点同非AI产品一样，根据用户使用场景选择合适的形式即可。
从产品定义出发，智能类产品，根本的价值在于以低成本取代人工工作中大量重复性的部分，再基于这个前提，去挖掘更多商业变现的可能性。人工的工作大致分为两种，一种是咨询类的，只需回答问题；另一种是申请类的，要帮客户完成一些业务办理。
因此，从可实现的功能来划分，智能可分为问答式和业务办理式，再细分为单轮/多轮问答与单轮/多轮业务申请。首先什么叫单轮对话呢？
“吃了吗您呐？”
“吃了”
那么多轮对话的概念呢？
“吃了吗您呐？”
“吃了”
“吃了什么呀”
“老北京炸酱面”
多轮对话的另一个名字，叫作基于上下文关系的对话。单轮与多轮申请也是同理，一句话就能解决的为单轮，需要反复几次的是为多轮。
无论是问答还是申请业务，作为一个智能，它就离不开NLP，NLP就离不开语料。在如上的例子中，通常的工作方法是，我们定义一个用户意图叫“吃了吗”，然后把相似的语料（吃了么？吃饭了吗？吃了没？你有没有吃饭？……）喂给机器人，之后写一些用例来测试它识别的准确率，如果识别率较低，就继续喂它语料，直到我们对识别率满意为止。用同样的方法，我们就可以让机器人学会理解很多种用户意图了。
多说一嘴，其实这里就是机器学习中样本集与测试集的概念。样本集用来学习，测试集用来测试学习的效果。另外由于机器学习的本质还是数学与统计，并没有真正的理解，所以学习效果非常依赖语料的质量。
直观的表现是，不同的意图中，语料差异越大，识别的准确率越高。比如，“吃了吗”和“吃了没”是相似的，“吃了吗”和“看星星看月亮从诗词歌赋谈到人生哲学”是不相似的，那么后者作为两种意图去做识别，就是容易分开的，而前者两个说法过于相近，可能会得到很差的识别结果。所以训练师需要了解基本的机器学习原理，才能够检查和调整样本集的质量。
现在我们的机器人已经能够听懂一些人话了，下一步只要定义好回复的内容，比如给“吃了吗”回复“吃了”，给“睡了吗”回复“没睡”，再把这些需求交给可爱的开发同学，一个支持单轮问答的机器人就完成了！（好的这是做一个PM愉快的时刻了）
多轮对话设计的本质，是定义场景和将多个单轮对话进行组合。对于前面提到的例子来说，在“吃了”后面问“吃了什么呀”是正常的结合语境的问法，而脱离语境问这一句的话，就会让听者感到困惑。所以这部分的需求是这样写：
- 当用户表达“吃了吗”的意图，机器人应回复“吃了”；
- 当用户上一个表达是“吃了吗”and 机器人回复是“吃了”and 用户这一个表达是“吃了什么呀”，机器人应回复“老北京炸酱面”；
- 当用户上一个表达是“睡了吗”and 机器人回复是“没睡”and 用户这一个表达是“吃了什么呀”，机器人应回复“亲您想问什么呢？”
再次把需求交给开发，我们就得到了一个支持两轮对话的机器人。如果需要增加轮次或新的场景，那么在此基础上添加相应的逻辑即可。
再说到业务办理，本质是在问答的基础上增加与用户相关的数据交互，比如当用户说“帮我订个车去人民广场”，那么机器人应该回复“好的”的同时，拿用户的手机号和“人民广场”等信息去完成订车这一操作。
大部分时候，业务办理和多轮对话是交叉的，比如订车的场景下，机器人可能需要再问一下什么时间出发，对车辆是否有要求，那么这至少要用三轮对话来完成。
讲完了基本框架，再说说落地。在实际的需求分析过程中，我们需要了解业务背景，了解业务规则下人工的工作内容。从其中归纳出终用户一般有哪些需求，他们会问什么，怎么问，抽取出用户意图，根据重复性高的对话流程做对应的轮次设计。
假设我们做的是*机器人，那么用户意图很可能有“手续费怎么算”、“逾期了有什么影响”，下一句用户则可能会继续问，“那我还上了还影响吗”。这其中需要思考的点很多，原则包括但不限于：
- 了解业务规则，了解终用户的需求；
- 抽取意图时注意差异化，意图过于接近会给后期的识别结果带来麻烦；
- 从用户记录中提取语料时要注意筛选，高质量的语料是高识别率的前提；
- 设计轮次时要跟意图一起考虑，不能基于无法识别的意图做设计。
以及有一个格外需要注意的地方是，对话式智能产品与其他产品的不同在于，用户的表达是不受限的。它不像普通的产品，一个页面上如果只有一个按钮，那么用户就不可能有第二个操作。而对话中，用户可能会讲任何东西，例如我的小机器人已经被问了若干次“你的爸爸妈妈是谁呀”。
所以在设计流程时，需要考虑用户不按正常流程走完的可能性，也要在设计回复时，尽可能引导用户往自己想要的方向去做表达，根本原则是收敛而非发散。
作者：一个圆圈儿
本文由 @一个数据人的自留地 授权发布于人人都是产品经理，未经作者许可，禁止转载
题图来自 Pixabay，基于 CC0 协议
该文观点仅代表作者本人，人人都是产品经理平台仅提供信息存储空间服务。
以上就是【如何搭建一个智能：从NLP到多轮对话与多流程设计】的相关内容，查看其它ai资讯请关注微咔网
根据二〇〇二年一月一日《计算机软件保护条例》第十七条规定：为了学习和研究软件内含的设计思想和原理，通过安装、显示、传输或者存储软件等方式使用软件的，可以不经软件著作权人许可，不向其支付报酬。
本网站所有发布的源码、软件和资料，均为作者提供或网友推荐收集各大资源网站整理而来，仅供功能验证和学习研究使用。
所有资源的文字介绍均为网络转载，本站不保证相关内容真实可信，同时不保证所有资源100%无错可用，也不提供相应的技术支持，介意勿下。
您必须在下载后24小时内删除，不得用于非法商业用途，不得违反国家法律，一切关于该资源的商业行为与本站无关。
如果您喜欢该程序，请支持正版源码，得到更好的正版服务。、如有侵犯你的版合法权益，请邮件与我们联系处理【投诉/建议发送至邮箱：3066548754@qq.com】，本站将立即改正并删除。
本声明为本站所有资源最终声明，所有与本声明不符的表述均以本声明内容为准。
微咔网 » 如何搭建一个智能：从NLP到多轮对话与多流程设计
