自然语言对话：技术挑战与应用前景

对话作为人类最基本、最重要的交流方式，自然语言对话技术也成为自然语言处理领域中最接近人类的技术之一。要使这一领域乃至整个人工智能领域走向理想状态，必须解决自然语言对话所面临的一系列问题和挑战。在实际应用中，这些技术和挑战最能体现出来，因此，实现技术落地的企业一线技术人员最有发言权。

近日，华为诺亚方舟实验室的语音语义首席科学家刘群在CNCC2019上主办了一场主题为“自然语言对话：技术挑战和应用前景”的技术论坛。论坛邀请了来自微软、阿里、百度、小米、京东以及华为的多位一线技术负责人，共同探讨自然语言对话的技术挑战和应用前景。

微软周明：面向深度理解的聊天机器人

微软亚洲研究院的周明从宏观视角分享了聊天机器人的发展历程。他指出，聊天机器人经历了从检索式回复到生成式回复再到集成式回复的三个阶段。检索式回复依赖于文本匹配技术，生成式回复则依靠文本生成技术。集成式回复结合了两者优势，既保留了检索模型的多样性，又具备生成模型的灵活性。

尽管聊天机器人技术已经取得了一定进展，但仍存在一些问题，如无法理解复杂的对话历史、对话风格与内容的解耦不佳、缺乏时间、空间和逻辑一致性等。未来，聊天机器人需要加强深度理解能力，融入常识和知识，提高上下文一致性，并实现定制化的回复生成。

阿里陈海青：阿里小蜜智能人机交互技术实践

阿里巴巴集团达摩院智能服务事业部资深算法专家陈海青介绍了阿里小蜜平台的核心NLP技术及应用。阿里小蜜平台涵盖了多种任务类型，包括问答机器人（QA Bot）、任务机器人（Task Bot）、预测机器人（Predict Bot）以及闲聊机器人（Chit Chat）。阿里小蜜平台的核心技术包括分层领域的框架设计、基于不同业务场景的意图和模型设计、以及基于规则和深度模型的NLU工程能力。

未来，智能服务机器人将以多模态的方式提供自动服务，并实现更好的人机协同，为用户提供更复杂问题的解决能力和决策支持能力。持续探索的技术方向包括生成模型、强化模型、迁移学习、机器阅读理解和情感分析等。

百度孙珂：可定制对话系统的挑战与设计

百度自然语言处理部主任研发工程师、UNIT平台技术负责人孙珂分享了百度智能对话定制和服务平台UNIT的设计理念。UNIT平台旨在解决产业互联网环境下对话服务的关键挑战，即在保证效果的同时降低成本。UNIT平台采用了高学习效率的模型和自动发现模型缺陷板块来提高对话效果，同时利用知识辅助构建和预置知识来降低数据获取成本。

UNIT平台的核心对话技术包括任务式对话和问答式对话。在任务式对话方面，UNIT采用了启发式对话理解、基于深度学习的对话理解以及多引擎结果融合。在问答式对话方面，UNIT设计思路是直接用原始业务数据生成回复，核心技术是引入外部知识的阅读理解模型KT-NET。

小米王刚：语音交互带来的人机交互变化

小米人工智能部副总经理、小爱团队负责人王刚从语音交互角度出发，阐述了语音交互的未来发展趋势。他认为，未来的语音交互将更加普及、自然和个性化。语音交互技术包括唤醒、识别、理解、满足和合成等多个环节，针对这些环节存在的问题，王刚提出了相应的解决方案。

例如，ASR错误率高的问题可以通过“NLP帮ASR”和“ASR帮NLP”的方法来解决。Query意图理解难的问题可以通过持续建设和增强中控能力来应对。全领域全双工连续对话的问题可以通过上下文继承方法和语音拒识等技术来解决。单领域复杂任务对话的问题可以通过提高表示能力和任务式对话能力来解决。主动感知和推荐问题可以通过主动交互、场景理解和用户画像等方式来解决。

京东何晓冬：任务导向型大规模对话系统及应用

京东人工智能研究院常务副院长、深度学习及语音和语言实验室主任何晓冬强调了人机对话在人机交互发展中的重要性及其面临的挑战。他指出，多轮对话是人工智能的重要方向，但目前尚无系统能通过图灵测试。京东在大规模任务导向型对话系统方面的应用包括智能调度、智能导航、智能摘要等任务。京东还联合北京智源研究院发布了大规模任务导向型对话数据集。

对话技术面临的挑战包括多轮对话状态跟踪不充分、基于上下文的历史信息的语义理解不足、缺乏领域知识和常识支撑、对话生成机制的可控性和可解释性不足、跨模态对话技术的深入研究等。何晓冬认为，未来对话系统将走向全方位多模态的交互方式，通过视觉、语音、语言和知识的统一，实现无限制的交流。

华为蒋欣：对话系统中的技术探索

华为诺亚方舟实验室的蒋欣分享了对话数据的收集和增强以及对话深度语义理解方面的技术探索。对话数据的收集面临用户隐私、领域强相关、标注复杂性等问题。华为诺亚方舟实验室采用多种数据收集方法，包括人-人对话、人-机器对话和机器-机器对话。对话数据增强方面，华为诺亚提出了基于Seq2Seq神经网络生成不同表达的方法。在对话深度语义理解方面，华为采用了预训练语言模型和TinyBERT模型，提高了模型的效率和可解释性。

总结讨论

在刘群的主持下，周明、陈海青、孙珂、王刚、何晓冬和蒋欣六位嘉宾就“在开发对话系统的实践中遇到的难点”、“自然语言对话的数据和评价问题”、“强化学习在自然语言对话的实际应用中所存在的问题”以及“未来对话技术将在哪些方面取得突破，应用上是否会涌现杀手级场景”等问题进行了深入讨论。