任务型对话机器人

随着人工智能' target='_blank'>人工智能不断的摆脱人工而达到智能，人们对人工智能的产物充满期待，其中最大的方向之一便是对话机器人方向。本文将简单介绍人工智能的发展与聊天机器人的设计，并通过在电销场景的应用，手把手的教读者如何一个月内实现对话机器人。

1. 人工智能

2016年，一个围棋少年，横空出世，打败各路高手，站在了围棋领域的世界之巅，这位少年就是Alpha Go，而由此引发了人工智能的新一轮浪潮。回顾人工智能的发展历程，最早可以追溯到1956年，是在美国的Dartmouth学会上提出的，这一年也被认定为全球人工智能研究的元年。

经过数十年的研究，目前，人工智能已进入高速发展时期，就在今年的九月十七号，举世瞩目的2018世界人工智能大会，在上海正式拉开帷幕。34场主题论坛、10位顶尖科学家、150家领袖企业齐聚一堂，甚至，李彦宏马云马化腾雷军等互联网巨头悉数到场，激辩人工智能。无论是国际巨头，还是BAT——都把人工智能列为了最核心的战略。

2. 任务型人机对话系统

作为人工智能的一个载体，聊天机器人被广泛的关注，并不断得到发展，可以说，聊天机器人是最能让我们切实感受到人工智能的重要产物之一。世界上首个聊天机器人诞生于19世纪60年代，它的名字叫Eliza，是一款定位于精神诊疗的机器人，虽然现在看来Eliza只是一种初步的、简单的尝试，却奠定了机器人的不断发展的基础。自2010年乔布斯将Siri引入iphone4，聊天机器人呈现出井喷式增长的趋势，国内的聊天机器人也如火如荼地开展，微软小冰，度秘，Siri，微软Cortana等不断出现在人们的视野，受到工业界和科研界的广泛青睐。

以上提到的度秘、Siri、微软Cortana这类机器人称为个人助理，因为他们的目标更多的是完成人们指定的任务，而像微软小冰则称为聊天机器人。更为专业的称呼是前者为特定领域的聊天机器人，即Task-Oriented Chatbot或Closed-Domain Chatbot；后者主要以闲聊为主，被称为None Task Oriented Chatbot或Open Domain Chatbot。这种划分是从机器人的功能上进行的，而在聊天机器人的技术实现上又可以划分为检索式聊天机器人和生成式的聊天机器人。

领域任务型人机对话系统是一个闭环的双向连续信息交换系统，传统观点往往把它粗略地分为输入、理解和输出3个模块，其中输入输出和理解之间进行的是确定信息的交换，理解被笼统地认为是采用自然语言处理技术对输入文本进行分析。这种分割方式忽视了信息的不确定性和人脑对各个模块进行整体的、系统的调度协调的认知能力，也没有把信息内容本身的管理与信息的调度和控制区分开来，而这些恰恰是现实的自然人机对话中不可回避的主要问题。因而，本文将任务型人机对话系统分为3个层次，进而讨论其实现原理。

其中最外部的IO层是对物理层面信号的处理。中间的控制层对IO层得到的编码进行语义解释，维护对话系统的认知状态空间，管理知识的交互式提取和交换，并进行对话推理和决策。最内部的知识层是对领域任务相关知识的管理，目标是对特定的知识进行对话前的离线预处理。

3. 电销的业务场景应用

在了解了任务型人机对话系统的原理之后，结合部门的电话销售' target='_blank'>电话销售场景，本文觉得完全可以将销售与客户交流的过程交由机器人去处理。目前，电话销售是企业开发新客户的重要手段，电话销售对销售线索进行电话拨打，从而开发出新客户订单。

通过开发设计智能销售机器人，可以更好的覆盖销售线索，挖掘筛选出潜在意向线索分发给销售人员跟进，提升销售线索的覆盖度与成交率，更大发挥销售人员价值，提升新客户开发量。

智能销售机器人有三个场景作用，即通话前、通话中和通话后。通话前可以通过线索特征来配对相应特征的机器人，通话中机器人需要做的事情就是主题识别和对话管理，生成推荐的语音合成，通话后，机器人还可以对话题点进行总结，生成意向度得分，实施现场转接和挂机分配等操作。

当然，这套产品方案只是为了给读者从全局角度展示机器人的业务逻辑与模块功能，读者想要在一个月内实现一个智能电销机器人产品肯定是不太可能的，但是本文接下来提到的，如果读者想要自己实现一个智能机器人，那就必须得要仔细研读了。

智能销售机器人系统层次图

本文根据领域任务型人机对话系统层次图设计了智能销售机器人技术系统的层次图。IO层是由百度对外开放的呼叫云平台和AI开发平台上的语音技术部分构成，读者可以方便的自己实现IO层的核心技术，其中读者需要实现freeswitch模块与语音网关和语音技术的交互，freeswitch需要从语音网关获取到客户语音，然后传给ASR client（AI开放平台语音技术的语音识别模块）去实时的获取语音识别的结果，最终将识别结果传输给控制层的意图识别模块，当机器人给出答案（Action）后，通过语音合成，freeswitch将语音流再发给语音网关进行播放。

知识层是智能销售机器人的基础，需要对行业场景进行分析，设计自己行业的场景与话述，并且对现有的销售与客户的对话数据进行标注，作为控制层模型的训练数据。

控制层是智能销售机器人技术实现方案中最核心的部分，可以说是机器人的大脑，控制中枢，决定机器人是否智能的重要环节。本文将详细介绍智能销售机器人的控制层技术。下图是智能销售机器人的核心对话方案。

智能对话方案

上述对话方案最核心的两大模块是NLU（Natural Language Understanding）和DM（DialogManagement）。NLU模块负责理解客户说的每一句话，DM模块负责结合对话的上下文逻辑，给出应答，这也对应于控制层的语义理解和对话管理，而控制层的内容生成模块，目前采用的是检索式的应答方案，当对话管理得到action后，通过检索生成销售机器人要说的话，当然，本文后续会涉及到基于生成式的任务型机器人设计方案。为了让读者更清晰的了解对话机器人的核心技术设计方案，本文将详细介绍NLU模块和DM模块的技术设计方案。

SIMNET模型框架

智能销售机器人的NLU模块采用的是百度从2013年便自主研发的语义匹配框架SimNet，它通过构建文本语义相似度，克服了传统基于字面匹配方法的局限。SimNet支持PaddlePaddle和Tensorflow两种平台训练。基于SimNet语义匹配框架，开发者可以快速训练已有的语义匹配网络模型。这样，智能销售机器人在了解客户每句话的意图之后，通过对话管理模块，控制对话过程。

DM模块技术实现方案

DM模块是通过LSTM模型对现有的销售与客户间对话进行训练，得到Action决策模型，当传来NLU模块已识别的意图之后，DM模块的DST组件会记录客户历史的说话意图，从而实现结合上下文给出应答。

至此，一个身怀绝技的智能销售机器人便设计出来了。通过部门的呼叫中心调用，就可以实现机器人外呼与客户进行交流，识别客户意图，促进客户成单了。当然，只要知识库语料更换，场景也可以随之更换，应用十分广泛。

4. 展望未来

文章写到这，基本已经把智能机器人的前世今生都阐述了一遍，甚至还给出了一个实际的应用场景，当然还有细节没有涉及到。在设计一款智能机器人的这条路上，还有很长的路要走，需要更多的科研学者不断的探索与实践，我相信，未来，智能机器人会更加智能、更加准确的服务人类，会有更多的智能机器人定位，从而使人类的生活更加美好。