资源简介

(共42张PPT)
项目11
焦点畅谈：定制康养智能机器人
项目背景
AI对话系统起源于图灵测试，是人工智能领域最重要的研究方向之一，也是自然语言处理中最难、最核心的任务之一。如果说自然语言处理是人工智能“皇冠上的明珠”，那么AI对话系统就是“明珠中最亮的那颗”。AI对话系统被认为是衡量人工智能发展水平的重要因素，代表了人工智能的发展方向。
AI对话系统已经呈现出爆炸式增长态势，在智能助理、智能客服、社交机器人、心理咨询、虚拟人和元宇宙等多样化场景中随处可见它的身影，国内的小度、小爱同学等智能助理都处于世界领先地位。本项目使用百度智能对话平台UNIT，打造康养智能机器人。
教学目标
（1）了解任务型智能对话机器人的概念。
（3）了解任务型智能对话机器人的架构。
（3）了解任务型智能对话机器人的关键技术。
（4）熟悉任务型智能对话机器人开源系统。
（5）熟悉任务型智能对话机器人的评价方法。
（6）了解智能对话机器人面临的挑战。
（7）掌握使用百度智能对话平台UNIT搭建康养智能对话机器人的方法。
项目分析
本项目首先介绍任务型机器人的基本理论知识，包括任务型智能对话机器人的概念、架构、关键技术和评估指标等，具体知识准备思维导图如图11.1所示。使用百度智能对话平台UNIT搭建康养智能对话机器人。具体分析如下。
（1）确定系统目标，梳理对应的业务场景下的要素和知识库，并撰写对应的故事线，抽取整个对话流程。
（2）创建对话技能和问答技能，根据数据和技能定义对话系统。
（3）将搭建的智能对话机器人部署到微信和硬件设备。
知识准备
知识点1：任务型智能对话机器人的概念
任务型智能对话机器人是以封闭域（垂直域）问题为主的机器人，这类智能对话机器人具有明确的目标和具体的知识范围，只需专注完成一项具体任务，也被称为定领域的聊天机器人。任务型智能对话机器人多应用于虚拟助理、智能客服等领域。两类智能对话机器人的对比如表11.1所示。
表11.1 两类智能对话机器人的对比
对比关键点 非任务型智能对话机器人 任务型智能对话机器人
目的 聊天 完成具体任务或动作
领域 开放域 封闭域（垂直域）
对话评估 越多越好 越少越少
缺点 对话深度不够、质量不高 对话容错率低、规模小
优势 能够自由对话，不受限制 能够提升人工效率，实现简单
应用场景 娱乐、情感陪护 虚拟助理、智能客服
知识点2：任务型智能对话机器人的架构
目前任务型智能对话机器人的架构分为管道式智能对话机器人架构和端到端式智能对话机器人架构。
1．管道式智能对话机器人架构
如图11.2所示，管道式智能对话式机器人架构主要由语音识别（ASR）、自然语言理解（NLU）、对话管理（DM）、语言生成（NLG）、语音合成（TTS）等部分组成。其中，对话管理又包括对话状态追踪（DST）和对话策略（DP）两部分。将各个组成部分进行层次划分，如图11.3所示。但由于管道式智能对话机器人架构内部模块相对独立，所以在运行时各个模块之间会存在错误累加等问题。
图11.2 管道式智能对话式机器人架构
图11.3 管道式智能对话式机器人架构层次划分
知识点2：任务型智能对话机器人的架构
目前任务型智能对话机器人的架构分为管道式智能对话机器人架构和端到端式智能对话机器人架构。
2．端到端式智能对话机器人架构
随着深度神经网络模型的发展，人们对任务型智能对话机器人提出了端到端式的架构，针对管道式智能对话机器人架构的明显问题，端到端式智能对话机器人架构将内部优化、调整等操作都包含在神经网络内部，如图11.4所示。端到端式智能对话机器人需要大量人与人对话训练数据，属于有监督训练方式。
图11.4 端到端式智能对话机器人架构
知识点3：任务型智能对话机器人的关键技术
1．自然语言理解
自然语言理解（Natural Language Understanding，NLU）的功能是利用语义和语法分析将语音识别的结果转化为计算机能够理解的结果。自然语言理解是任务型智能对话机器人中的重要技术，经过多年的发展，基于深度学习的自然语言理解技术研究已经取得重大进展。在任务型智能对话机器人中，自然语言理解最常用文本分类和序列标注的方法。文本分类的目的是根据预先定义的主题类别，按照一定的规则为未知类别的文本自动确定一个类别。在对话系统中，通过文本分类的方法，将用户的自然语言根据涉及的领域分为几类，以判断用户的意图。序列标注模型被广泛应用于文本处理相关领域，以得到自然语言序列对应的标签序列。对话系统中利用序列标注的方法对自然语言序列进行分词、词性标注、命名实体识别等工作，得到标签序列后生成结构化的数据，便于对整个句子进行理解。
知识点3：任务型智能对话机器人的关键技术
2．对话状态追踪
对话状态追踪（Dialogue State Tracing，DST）的作用是通过语言理解生成的结构化数据理解或捕捉用户的意图或目标，对话状态追踪基于多轮对话过程中的用户话语信息，更新对话状态，为对话决策提供支持。经过多年的发展，目前应用在这个领域的模型有很多，分为基于人工规则模型、基于生成式模型和基于判别模式模型3类。使用最多的是基于判别模式模型。对话状态追踪的思想是将系统和用户交互时的行为看作是在填写一张记录用户当前对话状态的表格。以订机票为例，将这张表格预先设定好状态，比如目的地、出发地、出发时间等，与系统背后的业务数据表中的属性相关联，不断地从对话中抽取相应的值来填充这个表格。
知识点3：任务型智能对话机器人的关键技术
3．对话策略
在对话系统中，对话策略（Dialogue Policy，DP）致力于建立状态空间到动作空间的映射，控制着系统和用户之间的交互，对于用户的整体体验至关重要。几种常见的对话策略方式对比如表11.2所示。
对话策略方式 优 势 不 足
基于人工制定的策略 回复质量高 回答的灵活性欠佳，人工投入较大
基于统计学的策略 人工成本低、扩展性强 不能完全拓展到新的交互中
基于强化学习的策略 能够反复优化对话策略，能够适应新交互 初始性能较差，训练过程不稳定，需要大量的训练时间
表11.2 几种常见的对话策略方式对比
知识点4：任务型智能对话机器人平台
随着人工智能的发展，人们对智能对话机器人的学习需求逐步增加，但对刚入门的学习者来说，搭建自己的智能对话机器人是一个漫长的过程。针对这个问题，各大厂商均推出智能对话机器人的体验平台，如百度智能对话平台UNIT、腾讯智能对话平台、阿里云智能对话机器人等。本项目使用的是百度智能对话平台UNIT。
1．百度智能对话平台UNIT
图11.5 百度智能对话平台UNIT首页
知识点4：任务型智能对话机器人平台
2．腾讯智能对话平台
图11.6 腾讯智能对话平台首页
知识点4：任务型智能对话机器人平台
3．阿里云智能对话机器人
图11.7 阿里云智能对话机器人平台首页
知识点5：任务型智能对话机器人的评价方法
3．阿里云智能对话机器人
评价一个任务型智能对话机器人，主要是看机器人的回复率和回复内容的准确率，机器人对用户提出的问题是否都能给出回复，以及回复的内容是否为用户想要的回复。
任务型智能对话机器人回复率的计算公式为：
任务型智能对话机器人回复准确率的计算公式为：
由公式可以看出，回复率、回复准确率越高，任务型智能对话机器人的效果越好。
知识点6：智能对话机器人面临的挑战
目前，很多企业都有自己的智能对话平台，在开发过程及用户使用过程中，会面临许多挑战。在智能对话机器人领域，挑战就是智能对话机器人系统要解决的问题。想要设计出完全与使用者契合的智能对话机器人，还有很远的一段路要走。
1．结合上下文
2．个性化信息
3．模型评价标准
项目实施：打造康养智能对话机器人
任务1定义对话系统
搭建一个对话系统，首先需要对整个对话系统进行分析，如确定系统目标、场景边界等。通过对对话系统的分析从而定义需要的对话系统。定义对话系统的流程如图11.9所示。
图11.9 定义对话系统的流程
任务1定义对话系统
步骤1：确定系统目标
在正式开始定义对话系统之前，需要确定智能对话机器人的实现目标。首先，智能对话机器人的主要功能是协助用户进行网上预约医院挂号，因此系统的首要功能是挂号功能。其次，为了帮助老年人正确地进行网上预约医院挂号，系统还应该设置挂号流程问答、提供医院名录及科室常见疾病问答的功能。
将以上确定的系统目标依次排序，分别为网上预约医院挂号、挂号流程问答、提供医院名录、科室常见疾病问答。
任务1定义对话系统
步骤2：确定场景边界
确定对话系统的目标之后，接下来需要确定对话系统的定位和应用场景。在这个步骤中，需要对对话系统提供的服务及场景有清晰的理解与定义，以保证对话系统能在限定的步骤内完成特定的行为操作。
1．创建机器人定位
2．明确智能对话机器人的应用场景
任务1定义对话系统
步骤3：梳理业务要素及知识库
1．确定任务优先级
2．确定关键信息要素
3．智能对话机器人任务要素梳理——定义变量
意图 REGISTER_HOSPITAL 网上预约医院挂号 词槽 字段名称 字段类型 取值示例 字段说明
user_hospital 字符串 广东省人民医院 医院名称
user_department 字符串 内科 科室名称
user_doctor 字符串 陈医生 医生姓名
user_time 字符串 后天上午10点 就诊时间
user_name 字符串 王建国 患者姓名
user_identity 数值 44011019xx01010011 实名制信息
user_contact 数值 123456789101 联系方式
任务1定义对话系统
步骤4：撰写故事线
任务1定义对话系统
步骤5：抽取对话流程
任务2 unit开发者注册
在本任务中，需要进入UNIT平台进行具体的操作，因此，需要先完成UNIT开发者注册。
任务3 创建对话技能
本任务将通过相应的采集渠道进行对话数据的采集工作，并基于百度智能对话平台UNIT，创建对话技能并导入相应的对话数据。
创建对话技能首先需要采集对话样本，接下来将基于百度智能对话平台UNIT进行对话技能的创建与配置，具体流程如图11.18所示。
图11.18 创建对话技能的流程
任务3 创建对话技能
步骤1：采集对话样本
任务3 创建对话技能
步骤2:创建对话技能
任务3 创建对话技能
步骤3:设置对话样本集
任务3 创建对话技能
步骤4:技能训练与测试
任务4创建问答技能
在上一任务中，为我们已经通过百度智能对话平台UNIT的对话技能，成功实现了网上预约医院挂号的功能。问答技能适用于用户问题的问法多样但答案相对固定的对话场景，不需要根据用户话语中的关键信息来设定不同的回复内容，比如针对各种规章制度、政策法规等信息的问答技能。本任务将基于百度智能对话平台UNIT的问答技能实现智能对话机器人的其他3个目标功能：挂号流程问答、提供医院名录及科室常见疾病问答。
任务4创建问答技能
步骤1：问答数据采集
采集完成网上预约医院挂号的对话样本数据后，接下来需要根据智能对话机器人的目标功能，即挂号流程问答、医院名录问答及科室常见疾病问答进行相应的数据采集工作。
任务4创建问答技能
步骤2：创建FAQ问答技能
任务4创建问答技能
步骤3：创建对话式文档问答技能
任务4创建问答技能
步骤4：创建表格问答技能
任务5 搭建对话系统
在创建并训练完成机器人的所有技能之后，接下来需要创建机器人并为机器人添加技能，同时设置机器人的对话流程，以提高智能对话系统配置的效率，提升对话交互的效果。搭建对话系统的流程如图11.90所示。
任务5 搭建对话系统
步骤1：创建机器人
任务5 搭建对话系统
步骤2：为机器人添加技能
任务5 搭建对话系统
步骤3：设置对话流程
任务5 搭建对话系统
步骤4：测试机器人对话效果
任务6 机器人发布与验证
步骤1：机器人发布
1．微信环境部署
任务6 机器人发布与验证
步骤1：机器人发布
2．生产环境部署
任务6 机器人发布与验证
步骤2：智能对话机器人性能评估
表11.7 对话机器人性能评价表

展开更多......

收起↑