百度孙珂：对话技术的产业化应用与问题探讨

人工智能论坛如今浩如烟海，有硬货、有干货的讲座却百里挑一。由中国科学院大学主办，百度公司提供支持，读芯术作为指定合作自媒体的“AI未来说·青年学术论坛”第二期“自然语言处理”专场已于2019年2月23日下午在中科院举行。百度孙珂博士为大家带来报告《对话技术的产业化应用与问题探讨》。

孙珂博士全场报告视频

孙珂，百度自然语言处理部主任研发工程师，百度UNIT负责人，哈尔滨工业大学计算机博士，百度&清华博士后工作站博士后。

对话技术的产业化应用与问题探讨

从2014年的百度考霸到如今的百度UNIT，人机对话系统在百度一步一个脚印地从实验室的技术原型走向成熟的工业产品。借助百度UNIT对话系统开发平台，具有完善功能的对话机器人可以被大规模、低成本地生产出来，广泛应用于各行各业。本次报告将结合人机对话技术发展历程，深度剖析与分享百度在人机对话技术产业化应用过程中摸索出的关键技术和产品架构的经验积累，以及对人机对话技术现存问题的思考、分析与探索。

孙珂博士首先回顾了从1956年到2016年间人工智能起起伏伏的发展历程。在此期间，随着算法理论和计算机硬件的发展，人机交互技术也不停地演进，从键盘鼠标操作发展到触屏触摸，继而发展到语音交互模式，最终形成了现代的自然语言人机对话技术。对话技术进入产业爆发期后，会带来更广泛深入的需求，更多的资本投入与创业机会，更多的横向项目和科研个体，以及更多的工作岗位与更高的待遇工资，从而使我们的生活方式发生改变。

接下来，孙珂博士讲解了典型的人机对话系统类型以及相应的核心技术原理。人机对话系统可以分为三种典型类型，即任务型、问答型和闲聊型。任务型对话系统由对话理解模块和对话决策模块构成，对话理解模块主要包括三项功能，即对话情绪检测与识别、语义成分分析以及对话语义理解。其中，对话情绪检测与识别旨在识别用户的情绪状态，为对话策略和对话措辞提供指导；语义成分分析旨在识别对话过程中的关键信息，为上层的对话语义理解提供支撑。问答型对话系统和闲聊型对话系统的结构通常采用检索式模型实现。近年来随着深度学习技术的发展，研究者也提出了端到端神经网络模型的实现方式。但由于这种方式尚未达到工业应用水平，在本报告中不做重点介绍。

最后，孙珂博士介绍了人机对话技术产业化落地的应用场景和未来展望。人机对话技术产业化落地的关键任务可以分为两大类别，即面向普通消费者的技术服务和面向AI开发者的技术服务。在产业化探索方面，现在已经取得成功应用的主流的对话系统主要分成两类：一类是面向消费产品，一类是面向企业客服。面向消费产品的对话系统主要包括音箱、出行、APP、家居和语音助手等应用场景或模式，面向企业客服的对话系统主要包括办公助手、厅堂机器人、呼入客服、呼出客服和在线机器人等应用场景或模式。