智能對話機(jī)器人是一種極度類人的人與物的溝通媒介，它可以幫助個體通過類人的溝通方式達(dá)到自己的目的。你知道智能對話機(jī)器人產(chǎn)品主流程框架是如何設(shè)計的嗎？本文作者對此進(jìn)行了詳細(xì)介紹，與大家分享。

開篇（《智能對話機(jī)器人產(chǎn)品設(shè)計——開篇》）里我們已經(jīng)簡單介紹了智能對話機(jī)器人的產(chǎn)生背景以及當(dāng)下的現(xiàn)狀（并非理想中的智能），AI產(chǎn)品經(jīng)理應(yīng)該如何做好充足的準(zhǔn)備以便于設(shè)計出一款在當(dāng)下技術(shù)邊界內(nèi)有較好用戶體驗的對話機(jī)器人產(chǎn)品。

從功能實現(xiàn)層面對智能對話機(jī)器人的做了五個類別區(qū)分，如果從對話機(jī)器人實際解決的問題范圍來看，也可以將其分為兩個大類：封閉域?qū)υ挋C(jī)器人和開放域?qū)υ挋C(jī)器人。不難從字面上就很容易理解，封閉域即為在限定的領(lǐng)域內(nèi)完成對話，而這些領(lǐng)域是由設(shè)計產(chǎn)品的人進(jìn)行人為限定的；而開放域則沒有限制，一般支持的會話是廣泛領(lǐng)域內(nèi)的公共范疇。

但就目前的最終效果來看，開放域?qū)υ挋C(jī)器人很難做好用戶體驗，一旦給用戶設(shè)定什么問題都可以問什么話都可以聊，那用戶就一定會問出bug…實際大多數(shù)的產(chǎn)品設(shè)計目前都聚焦于一個或幾個特定領(lǐng)域內(nèi)（開放域僅作為分支補(bǔ)充功能），便于為目標(biāo)用戶提供更好的產(chǎn)品體驗。

智能對話機(jī)器人的主體框架：

通常來說如上圖所示，智能對話機(jī)器人整個框架分為7個模塊，但也可根據(jù)實際設(shè)計的產(chǎn)品功能進(jìn)行增減，增減的部分主要聚焦在輸入/輸出的部分，后面會進(jìn)行具體解釋。

01 輸入/輸出

對話機(jī)器人，那對話就是一個核心的交互方式，那么基于具體的產(chǎn)品是軟件or硬件，硬件里面是有屏or無屏，其實都會在輸入輸出的交互方面產(chǎn)生細(xì)微的差異。

語音輸入當(dāng)然是便捷的，它突破了用手打字的部分局限，從而擴(kuò)展了智能化產(chǎn)品的使用場景，比如開車時的語音地圖導(dǎo)航，比如臨睡前的語音關(guān)燈等等。

另一方面，我們必須意識到，語音輸入自身存在的局限性：

• 語音輸入因為有后面一步語音識別的技術(shù)瓶頸（一方面是遠(yuǎn)場語音識別的準(zhǔn)確率，一方面是各類方言的識別準(zhǔn)確率），會有一定的識別錯誤導(dǎo)致最終結(jié)果翻車，影響用戶體驗，給用戶造成“智障機(jī)器人”的感覺；
• 語音輸入需要一定的使用條件，并不是所有用戶在何時何地都可以進(jìn)行語音這種交互方式的輸入，用戶有需要保護(hù)隱私的使用場景；

而語音輸出的局限性也顯而易見，一旦機(jī)器人的回答話術(shù)比較長，那么對于用戶來說等待機(jī)器人輸出完整的語音所花費(fèi)的時間絕對比通過視覺獲取同等信息高出很多倍，所謂“一目十行”即是這個道理。畢竟人類已經(jīng)掌握了通過視覺快速從大量文字圖片信息中獲取關(guān)鍵信息的技巧。

因此，如果你的產(chǎn)品有讓用戶可以進(jìn)行操作的屏幕，那么在輸入/輸出端，最好支持多模態(tài)，比如語音、文字、以及觸覺（通過屏幕點(diǎn)擊、完成部分對話場景的信息交互）等適應(yīng)用戶復(fù)雜的使用場景，提升用戶使用效率。

當(dāng)然，在信息輸出的部分，目前也有多款純軟件類產(chǎn)品僅支持文字圖片等結(jié)果輸出，不支持語音輸出，究其原因大概有以下3個方面：

1. 信息輸出效率低；
2. 基于第一點(diǎn)，部分產(chǎn)品場景不適合使用語音輸出，比如任務(wù)型對話機(jī)器人結(jié)果較為復(fù)雜時；
3. 產(chǎn)品實現(xiàn)復(fù)雜度增加，進(jìn)行語音輸出過程中是否支持打斷，打斷后是否需要重新喚醒，上次對話結(jié)果是否保留等等；

綜上：在輸入輸出方面，可依據(jù)自己的產(chǎn)品場景進(jìn)行合適的選擇。

02 語音識別（ASR）/ 語音合成（TTS）

一般的智能對話機(jī)器人產(chǎn)品目前直接使用主流廠商提供的功能即可，包括：訊飛、百度、騰訊等。業(yè)內(nèi)總體語音識別準(zhǔn)確率在量級上相差不是很大，一般分免費(fèi)和付費(fèi)兩種，用戶體量小一般免費(fèi)即可夠用，稍大點(diǎn)的產(chǎn)品需要對比各家不同的資費(fèi)進(jìn)行選擇即可。

在語音識別方面目前可能存在的問題是：大廠的語音識別語料基于更廣泛的場景，而一旦你的產(chǎn)品屬于垂直領(lǐng)域，即有一些特殊行業(yè)的詞匯時，就會出現(xiàn)通用識別能力識別不準(zhǔn)的情況，從而造成整個流程識別錯誤最終反饋給用戶錯誤的結(jié)果。

當(dāng)然，大廠也是可以做定制的，目前也支持用戶進(jìn)行詞庫的導(dǎo)入，從而在一定程度上解決這個問題。同時，多數(shù)廠商也有語音識別糾錯的功能，總體體驗都還可以。此處不再贅述，相關(guān)信息可自行查詢。

03 自然語言理解（NLU）

這個模塊即為機(jī)器人理解用戶輸入信息的核心模塊，即讓機(jī)器人“理解”用戶。主要分為2個部分：意圖識別（intent）和槽位填充（slot filling）。

意圖識別需要由產(chǎn)品所需要支持的功能進(jìn)行圈定，可以識別單個意圖也可以識別多個。比如，你是一個單純的查天氣的機(jī)器人，那么你的意圖識別領(lǐng)域就是需要界定出用戶輸入的信息是否是“查天氣”，又比如你是一個出行領(lǐng)域的機(jī)器人，那么你的意圖識別就需要確定是“訂機(jī)票”還是“訂火車票”“訂汽車票”等等。

意圖識別目前涉及到的技術(shù)主要分兩大類：基于規(guī)則、基于算法。而意圖識別的難點(diǎn)就在于每一種意圖都有多種多樣的表達(dá)，比如用戶要“訂機(jī)票”，可能存在的表達(dá)如下：

• 我要訂機(jī)票
• 幫我查一下從北京飛上海多少錢
• 我下周要出差，查下航班
• 查一下五一飛廈門的頭等艙

僅僅基于規(guī)則很難準(zhǔn)確識別用戶的多種表達(dá)方式，所以目前主流做法是【少量規(guī)則+算法模型】，而比較主流的算法模型包括：CNN、LSTM等。

槽位填充即是想要達(dá)成目標(biāo)意圖所需要的必備或者識別等關(guān)鍵內(nèi)容。比如意圖識別為“查天氣”那么所需要填充的槽位就是“地點(diǎn)”，機(jī)器人需要回答天氣，必須是指定城市或區(qū)縣的天氣，這個“地點(diǎn)”即為必填的【槽位】。而如果是“訂機(jī)票”的場景，那么需要的槽位就包括“出發(fā)地”“到達(dá)地”“出行日期”，而用戶如果說了機(jī)票業(yè)務(wù)場景內(nèi)的“公務(wù)艙”則可以作為非必填但需要識別的實體信息。

04 對話管理（DM）

一般多輪對話機(jī)器人均需要做對話管理，因為對話是持續(xù)進(jìn)行的，所以每次機(jī)器人進(jìn)行答復(fù)時需要針對當(dāng)前的會話狀態(tài)給出合適的回復(fù)。對話管理分為兩個模塊：狀態(tài)跟蹤（DST)、策略優(yōu)化（DPO）。

狀態(tài)跟蹤就是表示：t+1 時刻的對話狀態(tài)，依賴于之前時刻 t 的狀態(tài)，和之前時刻 t 的系統(tǒng)行為，以及當(dāng)前時刻 t+1 對應(yīng)的用戶行為。因此確認(rèn)當(dāng)前意圖和槽位信息是狀態(tài)跟蹤的核心，需要明確當(dāng)下的對話狀態(tài)進(jìn)展到哪一步。

策略優(yōu)化則是根據(jù)狀態(tài)跟蹤的結(jié)果給出機(jī)器人應(yīng)該在當(dāng)前對話狀態(tài)下需要給出的正確回復(fù)。

舉例來說在“訂機(jī)票”這個對話過程中，需要根據(jù)用戶當(dāng)前不同的對話狀態(tài)節(jié)點(diǎn)給出不同的回復(fù)，如下兩種狀態(tài)：

場景一：

• 用戶：訂機(jī)票
• 機(jī)器人：請問您要訂去哪里的機(jī)票呀？
• 用戶：去北京
• 機(jī)器人：請問您從哪個城市出發(fā)？
• 用戶：上海
• 機(jī)器人：請問您打算什么時候出發(fā)？
• 用戶：下周一
• 機(jī)器人：給出具體的機(jī)票信息結(jié)果

場景二：

• 用戶：我要訂從上海飛北京的機(jī)票
• 機(jī)器人：請問您打算什么時候出發(fā)？
• 用戶：下周一
• 機(jī)器人：給出具體的機(jī)票信息結(jié)果

從以上兩種場景可以看出，機(jī)器人給出的回復(fù)需要判斷用戶之前信息給出的狀態(tài)，如果設(shè)定的必填【槽位】全部滿足則給出最終結(jié)果，否則需要根據(jù)設(shè)定的順序依次進(jìn)行詢問。當(dāng)然，這里面還有一種情況是，用戶在對話過程中跳出了當(dāng)前的意圖，比如訂機(jī)票的過程中詢問目的地的天氣，那么機(jī)器人需要根據(jù)已有的設(shè)定給出新的意圖所需要回答的話術(shù)。

05 自然語言生成（NLG）

自然語言生成即是通過對話管理之后確認(rèn)需要給用戶的答復(fù)內(nèi)容的過程。目前，多數(shù)產(chǎn)品的NLG模塊仍是采用傳統(tǒng)的基于規(guī)則的方法加上新的基于模型算法的生成式對話。

基于傳統(tǒng)規(guī)則，如上文舉例的“訂機(jī)票”的場景，即可簡單的通過規(guī)則的方式實現(xiàn)。但是，如果在開放域進(jìn)行對話聊天，那就很難基于規(guī)則去完成會話設(shè)計，同時基于規(guī)則的回復(fù)會讓用戶感覺機(jī)器人死板，無趣。而通過模型生成的語言回復(fù)，則更加多樣，也會在產(chǎn)品層面體現(xiàn)出機(jī)器人的情感態(tài)度等等。

當(dāng)然，自然語言生成在其他應(yīng)用場景有更為廣泛的應(yīng)用，比如寫詩詞、寫春聯(lián)、寫文章、生成文本摘要等等，此處就不再展開講了。

以上為智能對話機(jī)器人產(chǎn)品主流程框架設(shè)計的詳細(xì)介紹，希望對你有所幫助～

本文作者：丸子妹，微信公眾號：丸子筆記

本文由 @丸子筆記 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