售前导购机器人的未来:推荐与交互系统融合+应用场景深化

作者: 王雪燕 2018-05-20 07:25:59

【51CTO.com原创稿件】从基于关键词匹配、人工编写回复规则实现的ELIZA,到可以分析用户语言、确定用户操作目标、给出解决用户需求规划、决定需要与用户沟通内容的UNIConsultant,再到采用启发式模板匹配对话策略的ALICE,对话机器人每次演变都发生了质的改变。

随着人工智能浪潮的再次兴起,对话机器人有了突飞猛进的发展,无论是互联网巨头,还是高校、研究院都取得了可观的成绩,大致可分为检索式、生成式和知识图谱式三种。其中,知识图谱式的对话机器人实现比较难,但相对更有前景。

时至今日,诸多对话机器人经过近年来的技术完善,沟通能力有了很大提升,正在很多场景下为我们提供着各种各样的服务。在售前导购场景中,交互的智能度和推荐的精准度是衡量对话机器人服务水平最重要的两大标尺。近日,智能一点CTO莫瑜接受了51CTO的专访,围绕智能交互的定义、智能交互背后的核心技术、推荐与交互系统融合,以及智能交互应用场景深化等展开谈话。

什么是智能交互

如何定义智能交互?莫瑜认为,机器或机器人,从开始自身就具备一套语言,就拿电脑来说,最初,我们需要通过输入命令来与之交互。随着技术的发展,我们逐渐发展为通过鼠标、手势等图形化界面的方式与电脑交互,通过语音等对话交互的方式与电脑交互。正朝着人与电脑之间达到人与人之间交流一样的交互终极目标前进。

这里存在两种极端的情况:一是人用机器的语言与之交互,另一种是人用人的语言与之交互。拿写程序举例,最开始的时候是人在迁就机器,用对机器友好的语言与之交互,也就是编码行为。将来希望机器来迁就我们,使得人机交互更加流畅和自认。随着技术的发展,我们逐渐发展为通过鼠标、手势等图形化界面的方式与电脑交互,通过语音等对话交互的方式与电脑交互。正朝着人与电脑之间达到人与人之间交流一样的交互终极目标前进。但是,人迁就机器到机器迁就人是一个很漫长的技术发展过程,需要循序渐进,不是一蹴而就。

目前,因技术、业务理解等限制,对话机器人还是相对比较机械,不够智能。智能一点正在做的是,从相对机械的情况出发,在特定领域特定场景,逐步实现人与人交互的方式过渡。

莫瑜也坦言,智能一点目前的技术也不能做到在所有场景人与机器交互达到人与人交互的程度。目前的产品,也不能够100%替代人,但在特定的垂直场景下,人与机器的交互已经实现类似于人与人交互的。这样垂直场景的比例正逐步扩大,这是一个逐步智能化的过程。

智能交互背后的核心技术

智能交互可分为问答导向的单轮交互、任务导向的多轮交互和推荐导向的主动交互。目前相对成熟的是单轮交互和智能问答,因为在信息检索、搜索引擎领域有丰富的理论和实践积累。多轮交互比较复杂,成熟度略差一些,在如何记忆上下文对话信息方面还需要进一步突破。如何让机器也基于长期记忆和短期记忆进行对话交互,这是更大的难点。

要想对话机器人更智能,就要赋予它一定的常识。但对常识进行建模、存储和使用,还远远没达到一个成熟的阶段。这部分会比图像识别更高一层,图像识别是在感知层,而对话机器人涉及到的是认知过程。

多轮对话主动推荐场景

莫瑜介绍说,多轮交互是智能一点的壁垒,里面涉及诸多细分技术,大方向包括自然语言理解、机器学习、知识图谱,以及推荐和交互系统结合。

  • 自然语言理解。自然语言理解是多轮交互的基础,实现对话交互的基础是对文本进行正确的语义理解。
  • 机器学习。多轮交互会用到很多传统机器学习和蓬勃发展的深度学习技术,这些技术都是帮助我们利用数据去解决各种各样的实际问题。
  • 知识图谱。和自然语言理解相关联,就是如何去构建、存储、检索和利用知识图谱。
  • 推荐和交互系统结合。推荐和交互系统结合相对来说和对话机器人的关系没有那么密切,但和智能一点的创业项目关系紧密。智能一点一直在做售前导购机器人,在推荐和交互系统融合方面做了很多工作。

智能交互推荐系统的五大运行模块

我们常见的推荐一般都是静态推荐,如常见的新闻客户端推荐系统。相对来说,交互过程中的推荐更动态,实时收集用户更多的显式反馈,从而给用户更加准的推荐。动态推荐依赖静态推荐,是在静态推荐的基础上更上一层。

场景应用深化

莫瑜表示,智能一点希望基于智能交互推荐技术打造售前导购机器人,通过多轮对话和交互推荐的方式,为客服营销场景赋能。具体体现在提升客服的效率和提高客户的转化率这两方面,也就是不仅提供节流,还能开源。智能一点以电商领域为切入点,逐步向多的垂直细分领域蔓延。

目前,市面上大部分都是支持全品类的对话机器人,这类机器人虽然支持全品类,但在功能上比较受限,只能支持单轮回答,这样的情况下,支持场景的自动化的比例相对较低。尤其是在售前导购领域,多轮交互对话场景占比较高,单轮回答机器人不能胜任。

智能一点之所以瞄准售前导购,就是希望机器人回答的自动化程度更高,在更多的场景下实现人与人交互一样便利,给户带来更多收益。但要脚踏实地,一个垂直品类一个垂直品类地深耕细分领域,应用场景深化。

未来,智能一点的愿景是在多轮交互的基础上,更好地实现主动交互的能力。无管是单轮多轮,机器可以选择恰当的时机主动发起交互。这样一来,晚上和深夜没有人工客服的情况下,机器人就可以更加完美地动处理问题,进而帮客户提升多轮转化率。当然实现这个愿景还需继续在语义理解、多轮、交互推荐方面深入探究。

智能一点是微软加速器·北京第11期校友企业,莫瑜在采访中说到,微软在技术这方面可以说是业界的常青树,在技术支持面给予智能一点很多帮助。加入微软加速器以来,除了技术方面,在推广、市场、客户、投资方面给予了很大力度的帮助。需要重点提的是,有了微软云提供的支持,作为创业公司,可以快速方便地进行服务部署,聚焦资源进行核心业务和技术研发,更快更好地服务用户。

微软加速器·北京第11期的入选企业的重点是人工智能与产业落地应用结合,以人工智能底层技术平台作为创业方向。这些校友企业都是企业服务类创业公司,覆盖大数据、人工智能、物联网、区块链等技术,并会在医疗、政府、零售、建筑等行业中获得标杆客户。

【51CTO原创稿件,合作站点转载请注明原文作者和出处为51CTO.com】

售前导购机器人 推荐与交互系统 场景深化
上一篇:马云、孙丕恕、刘强东、周鸿?如何步入“智能时代”? 下一篇:基于UAI Train平台的分布式训练
评论
取消
暂无评论,快去成为第一个评论的人吧

更多资讯推荐

机器学习转化为生产力,警惕这4个常见陷阱!

几乎每个人都想在他们的业务中引入机器学习,但是这些人也遇到了一个大问题:让模型可持续发展十分困难,尤其是在云架构的基础上。medium上一位博主也指出了这个问题,并提出了将机器学习模型投入生产的4个常见陷阱。

大数据文摘 ·  1天前
500亿参数,支持103种语言:谷歌推出「全球文字翻译」模型

由于缺乏平行数据,小语种的翻译一直是一大难题。来自谷歌的研究者提出了一种能够翻译 103 种语言的大规模多语言神经机器翻译模型,在数据丰富和匮乏的语种翻译中都实现了显著的性能提升。

机器之心 ·  2天前
对于人工智能的恐惧及其5个解决方法

实施人工智能技术的IT领导人可能会感到一些恐惧,这有着充分的理由。人工智能在拥有数十年发展和应用历史的同时却有着奇怪的定位,但对于许多人来说,人工智能仍然是一种未来主义的感觉。

Kevin Casey ·  2天前
机器学习免费跑分神器:集成各大数据集,连接GitHub就能用

搞机器学习的小伙伴们,免不了要在各种数据集上,给AI模型跑分。现在,Papers with Code (那个以论文搜代码的神器) 团队,推出了自动跑分服务,名叫sotabench,以跑遍所有开源模型为己任。

栗子 鱼羊 ·  2天前
用AI实现动画角色的姿势迁移,Adobe等提出新型「木偶动画」

近日,Adobe 和康奈尔大学的研究人员提出一种基于学习的动画制作方法——基于卡通角色的少量图像样本就可生成新动画。

机器之心 ·  2天前
AI核心难点之一:情感分析的常见类型与挑战

情感分析或情感人工智能,在商业应用中通常被称为意见挖掘,是自然语言处理(NLP)的一个非常流行的应用。文本处理是该技术最大的分支,但并不是唯一的分支。情绪AI有三种类型及其组合。

Veronika Vartanova ·  2天前
AI新贵登上胡润百富榜:“CV四小龙”三家创始人上榜

AI造福人类,也造富了一些创业者。最近公布的2019胡润百富榜就是窥探老板们身价的好机会。

郭一璞 ·  2天前
大数据为什么不够聪明?机器要如何走向强人工智能

大数据为什么不够聪明?比概率语言更强大的思考工具是什么?科幻电影中的强人工智能到底怎样实现?如何让智能机器像人一样思考?搞清楚因果关系才能拨云见日。

明日情报 ·  2天前
Copyright©2005-2019 51CTO.COM 版权所有 未经许可 请勿转载