【{$randkws}】机器人和你聊天是怎么做到的？语音助手=人工智能？ - {$web_name} 简称NLP)的折叠屏推荐若干
导读：让机器理解人类的语言，或者模仿人类的语言是大家对AI最初的幻想，所以在早先，图灵评测一度变成评判AI的规范。对话和翻译使用的是AI众多学科分支里自然语言处理(Nature Language Processing，简称NLP)的折叠屏推荐若干，目的是要解决人和机器之间的沟通难题，是AI处理的发端，至今仍面临很多难题。
赢了柯洁的AlphaGo让很多人目睹了AI太过强大的一面，但是我们大多数人在日常中感受到的AI却是相当“智障”的，不太有AI应该有的样子。
这种巨大的反差首要是由于能使用在日常中的AI，还长时间处于早期阶段。
比如语音助手。
但对话和翻译实际上是AI最初涉足的领域。
能让机器理解人类的语言，或者模仿人类的语言是大家对AI最初的幻想，所以在早先，图灵评测一度变成评判AI的规范。
对话和翻译使用的是AI众多学科分支里自然语言处理(Nature Language Processing，简称NLP)的若干，目的是要解决人和机器之间的沟通难题，是AI处理的发端，至今仍面临很多难题。
就拿对话操控系统来说，市面上各个巨头都启动自家智能语音助理，但鲜有一款能完全摆脱“智障”的嫌疑。
可以说在这条赛道上，大家跑的刚刚开箱体验报道都不快。但尽管如此还是坚守在跑，就连持久困顿在移动电话里的Siri，也要启动自己的智能音箱。
“尽管当下形势不太乐观，但是一直跑下去，总会见到成效。”6月1日，微软亚洲探究院副院长周明强调，再坚守5-10年自然语言处理就会目睹长足进展。
周明博士觉得自然语言处理的进展有三个阶段：
第一层是基础技术：分词、词性标注、语义确认等。
第二层是核心技术：词汇、短语、语句、篇章的强调。含有机器翻译、提问和回答、信息检索、信息抽取、聊天和对话、知识工程、语言生成、推荐操控系统。
第三层是“NLP+”：仿照“AI+”或“互联网+”的概念，实际上就是把自然语言处理技术透彻到各个使用操控系统和垂直领域中。较为有名的是检索引擎、智能客服、商业智能和语音助手，观察快报还有更多在垂直领域——法律、医疗、教学等各个方面的使用。
有关第三层的“NLP+”,市面上大大小小的语音助手有不少，从微软毕业的有两个：小娜(Cortana)和小冰。尽管都是语音助手，但是两者还是有些区别。
小娜经由移动电话和智能设备介入，让人与计算机开展交流：使用者亮相命令，小娜理解并执行任务。另外，小娜能够记忆一些使用者性格特色、喜好、习惯，然后主动给一些贴心提示。
比如，你过去常常路过某个地方买牛奶，在你下次路过的时候，她就会提醒你，问你要不要买。她从过去的被动到如今的主动，从原来的移动电话，到微软所有的商品，比如Xbox和Windows，都得到了使用。
小冰纯粹就是闲聊了，没想帮你解决什么难题，它闲聊的首要目的是期盼尽或许的“像人一样”。
“它是一种新的理念，很多人一着手不理解。人们跟小冰一起的这种闲聊有什么意思?实际上闲聊也是AI的一若干，我们人与人见面的时候，寒喧、问候、乃至瞎扯，天南海北地聊，这个没有智能是达成不了的，实际上除了语言方面的智能，还得有知识智能，必须得懂某一个领域的知识才能聊起来。所以，小冰是试图把各个语言的知识融汇贯通，做到一个启动语言自由的聊天过程。”
而小冰最着手是怎么进修聊天的？首要是跟网民学的。
先是将网上的论坛、微博或是站点里呈现过的对话语句抽取出来，当成训练语料库。当使用者输入一个语句时，操控系统会从语料库里找到一个跟这个语句最相像的语句，而这个语句对应的答复就可以直接输出身为计算机的回复。尽管看起来简易粗暴，但的确奏效。
有的时候，操控系统找到的语句或许对应了很多回复，它不得知哪个回复最适合当前的输入语句。这时就会再有一个匹配的过程，去判断输入语句跟语料库里的回复在语义上是有关的或者是一致的。
到当下，小冰已然覆盖了三种语言：中文、日文、英文，累积了上亿使用者，平均聊天的回数23轮，平时聊天时长大约是25分钟左右。
当下获得的自然语言方面的成果，是微软18年的奋斗。
微软在1998年11月5日兴办微软亚洲探究院时就开创了自然语言处理的探究领域，除了200多篇顶级期刊、学术大会的论文，还有众多的NLP人才。
2014年5月，微软启动小冰，同年7月，启动Cortana。
2016年，微软首席执行官萨提亚在Build大会上提出了一个概念“对话即渠道”(“Conversation as a Platform” ，他觉得图形界面的下一代就是对话，它会对全部AI、计算机设备带来一场新的革命。
而小冰和小娜就是微软为这场革命做出的筹备之一。
实际上不管小冰这种闲聊，还是小娜这种注重任务执行的技术，背后单元处理引擎无外乎就三层技术。
第一层：通用聊天，需要掌握沟通技巧、通用聊天资料、主题聊天资料，还要得知使用者画像，投其所好。
第二层：信息办事和问答，需要检索的能力，问答的能力，还需要对普遍难题表开展收集、整理和检索，从知识图表、文档和图表中找出相应信息，并且回答难题，这些统称为Info Bot。
第三层：面向特定任务的对话能力，例如订咖啡、订花、买火车票，任务是固定的，状态也是固定的，状态转移也是清晰的，就可以用Bot一个一个做到。经由一个调度操控系统，经由使用者的意图调用相应的Bot 执行相应的任务。它用到的技术就是对使用者意图的理解，对话的治理，领域知识，对话图谱等。
除了创造出小娜小冰，微软还要技术释放，让开发者能开发自己的Bot。假如开发者的机器不懂自然语言，这时就可以经由一个叫Bot Framework的工具来做到。
任何一个开发者只用几行代码，就可以经由Bot Framework达成自己所需要的Bot。比如，有人想做一个送披萨外卖的Bot，可以用Bot Framework填入相应的知识、相应的资料，就可以做到一个简易的Bot。很多没有开发能力的小业主，经由简易操控，就可以做一个小Bot吸引来很多客户。
在这个开源渠道里有很多核心技术。微软有一个叫做LUIS(Language Understanding Intelligent Service)的办事，提供了使用者的意图理解能力、实体确认能力、对话的治理能力等等。
比如说这句话“read me the headlines”，确认的结局就是朗读，信息就是今日的头条资讯。再比如说“Pause for 5 minutes”，确认的结局是中止，中止多长时间?有一个参数：5分钟。经由LUIS，可以把意图和重大的信息抽取出来，让Bot来读取。
这些针对人类来说乃至不需要动脑思考的对话，针对机器来说是难到了另一个层次上。
周明博士觉得AI有四个层次，从下往上依次是：运算智能、感知智能、认知智能和创造智能。
运算智能已然达到很高的水平了，感受一下来自全球顶级围棋选手对AlphaGo的点评。
其次是感知智能，首要体如今听觉、视觉和触觉方面，也就是我们通常说的语音技术、图像技术。语音技术用的就多了，比如让Cortana听懂你说的话，图像确认首要使用在人脸确认上，喜欢跟随技术潮流的企业普通会把门禁换成人脸确认。
认知智能是我们今日说的重点，首要含有语言、知识和推理。语言的重大性体如今什么地方呢?Cortana不能只是确认出来你在说啥，它需要依据你说的话做出答复，这时候就需要理解你在说什么。
创造智能就是一种最高级的形态了，也就是当AI拥有想象力的时候。
在运算和语音、图像确认上，机器已然能达到很高的准度，当下的首要缺口在认知智能上。过去认知智能首要集中在自然语言处理，它简易理解了语句、篇章，做到了合作检索引擎、仿照操控系统提供一些基础的特性、提供一些简易的对话翻译。
周明博士觉得语言智能是AI皇冠上的明珠，假如语言智能能做到革新，跟它同属认知智能的知识和推理就会得到长足的进展，就能合作全部AI体系，有更多的场景可以落地。
针对前方语音智能的进展，周明博士觉得有几个方向：
第一，随着大资料、深度进修、云计算这三大要素合作，口语机器翻译会完全使用。
第二，自然语言的会话、聊天、问答、对话达到实用程度。
第三，智能客服加上人工客服完美的结合，一定会大大提升客服的效率。
第四，自动写对联、写诗、写资讯稿和歌曲等等，
第五，在会话方面，语音助手、物联网、智能设备、智能家居等等，凡是用到人机交互的，基础上都可以得到使用。
最后，在很多场景下，比如说法律、医疗诊断、医疗咨询、法律顾问、投融资等等，这些方面自然语言会得到广泛的使用。
自然，如今的自然语言如今也面临许多困境。最核心的一点是如何经由无推动进修充分运用未标注资料。如今都依赖于带标注的资料，没有带标注的资料没有办法运用。但是很多场景下，标注资料不够，找人工标注代价又极大。
那么如何用这些没有标注的资料?这就要经由一个所谓无推动的进修过程，或者半推动的进修过程增强整体的进修过程。
再给NLP一些时间，语音助手也许就能说服你它实际上是AI了。
赢了柯洁的AlphaGo让很多人目睹了AI太过强大的一面，但是我们大多数人在日常中感受到的AI却是相当“智障”的，不太有AI应该有的样子。
这种巨大的反差首要是由于能使用在日常中的AI，还长时间处于早期阶段。
比如语音助手。
但对话和翻译实际上是AI最初涉足的领域。
能让机器理解人类的语言，或者模仿人类的语言是大家对AI最初的幻想，所以在早先，图灵评测一度变成评判AI的规范。
对话和翻译使用的是AI众多学科分支里自然语言处理(Nature Language Processing，简称NLP)的若干，目的是要解决人和机器之间的沟通难题，是AI处理的发端，至今仍面临很多难题。
就拿对话操控系统来说，市面上各个巨头都启动自家智能语音助理，但鲜有一款能完全摆脱“智障”的嫌疑。
可以说在这条赛道上，大家跑的刚刚开箱体验报道都不快。但尽管如此还是坚守在跑，就连持久困顿在移动电话里的Siri，也要启动自己的智能音箱。
“尽管当下形势不太乐观，但是一直跑下去，总会见到成效。”6月1日，微软亚洲探究院副院长周明强调，再坚守5-10年自然语言处理就会目睹长足进展。
周明博士觉得自然语言处理的进展有三个阶段：
第一层是基础技术：分词、词性标注、语义确认等。
第二层是核心技术：词汇、短语、语句、篇章的强调。含有机器翻译、提问和回答、信息检索、信息抽取、聊天和对话、知识工程、语言生成、推荐操控系统。
第三层是“NLP+”：仿照“AI+”或“互联网+”的概念，实际上就是把自然语言处理技术透彻到各个使用操控系统和垂直领域中。较为有名的是检索引擎、智能客服、商业智能和语音助手，观察快报还有更多在垂直领域——法律、医疗、教学等各个方面的使用。
有关第三层的“NLP+”,市面上大大小小的语音助手有不少，从微软毕业的有两个：小娜(Cortana)和小冰。尽管都是语音助手，但是两者还是有些区别。
小娜经由移动电话和智能设备介入，让人与计算机开展交流：使用者亮相命令，小娜理解并执行任务。另外，小娜能够记忆一些使用者性格特色、喜好、习惯，然后主动给一些贴心提示。
比如，你过去常常路过某个地方买牛奶，在你下次路过的时候，她就会提醒你，问你要不要买。她从过去的被动到如今的主动，从原来的移动电话，到微软所有的商品，比如Xbox和Windows，都得到了使用。
小冰纯粹就是闲聊了，没想帮你解决什么难题，它闲聊的首要目的是期盼尽或许的“像人一样”。
“它是一种新的理念，很多人一着手不理解。人们跟小冰一起的这种闲聊有什么意思?实际上闲聊也是AI的一若干，我们人与人见面的时候，寒喧、问候、乃至瞎扯，天南海北地聊，这个没有智能是达成不了的，实际上除了语言方面的智能，还得有知识智能，必须得懂某一个领域的知识才能聊起来。所以，小冰是试图把各个语言的知识融汇贯通，做到一个启动语言自由的聊天过程。”
而小冰最着手是怎么进修聊天的？首要是跟网民学的。
先是将网上的论坛、微博或是站点里呈现过的对话语句抽取出来，当成训练语料库。当使用者输入一个语句时，操控系统会从语料库里找到一个跟这个语句最相像的语句，而这个语句对应的答复就可以直接输出身为计算机的回复。尽管看起来简易粗暴，但的确奏效。
有的时候，操控系统找到的语句或许对应了很多回复，它不得知哪个回复最适合当前的输入语句。这时就会再有一个匹配的过程，去判断输入语句跟语料库里的回复在语义上是有关的或者是一致的。
到当下，小冰已然覆盖了三种语言：中文、日文、英文，累积了上亿使用者，平均聊天的回数23轮，平时聊天时长大约是25分钟左右。
当下获得的自然语言方面的成果，是微软18年的奋斗。
微软在1998年11月5日兴办微软亚洲探究院时就开创了自然语言处理的探究领域，除了200多篇顶级期刊、学术大会的论文，还有众多的NLP人才。
2014年5月，微软启动小冰，同年7月，启动Cortana。
2016年，微软首席执行官萨提亚在Build大会上提出了一个概念“对话即渠道”(“Conversation as a Platform” ，他觉得图形界面的下一代就是对话，它会对全部AI、计算机设备带来一场新的革命。
而小冰和小娜就是微软为这场革命做出的筹备之一。
实际上不管小冰这种闲聊，还是小娜这种注重任务执行的技术，背后单元处理引擎无外乎就三层技术。
第一层：通用聊天，需要掌握沟通技巧、通用聊天资料、主题聊天资料，还要得知使用者画像，投其所好。
第二层：信息办事和问答，需要检索的能力，问答的能力，还需要对普遍难题表开展收集、整理和检索，从知识图表、文档和图表中找出相应信息，并且回答难题，这些统称为Info Bot。
第三层：面向特定任务的对话能力，例如订咖啡、订花、买火车票，任务是固定的，状态也是固定的，状态转移也是清晰的，就可以用Bot一个一个做到。经由一个调度操控系统，经由使用者的意图调用相应的Bot 执行相应的任务。它用到的技术就是对使用者意图的理解，对话的治理，领域知识，对话图谱等。
除了创造出小娜小冰，微软还要技术释放，让开发者能开发自己的Bot。假如开发者的机器不懂自然语言，这时就可以经由一个叫Bot Framework的工具来做到。
任何一个开发者只用几行代码，就可以经由Bot Framework达成自己所需要的Bot。比如，有人想做一个送披萨外卖的Bot，可以用Bot Framework填入相应的知识、相应的资料，就可以做到一个简易的Bot。很多没有开发能力的小业主，经由简易操控，就可以做一个小Bot吸引来很多客户。
在这个开源渠道里有很多核心技术。微软有一个叫做LUIS(Language Understanding Intelligent Service)的办事，提供了使用者的意图理解能力、实体确认能力、对话的治理能力等等。
比如说这句话“read me the headlines”，确认的结局就是朗读，信息就是今日的头条资讯。再比如说“Pause for 5 minutes”，确认的结局是中止，中止多长时间?有一个参数：5分钟。经由LUIS，可以把意图和重大的信息抽取出来，让Bot来读取。
这些针对人类来说乃至不需要动脑思考的对话，针对机器来说是难到了另一个层次上。
周明博士觉得AI有四个层次，从下往上依次是：运算智能、感知智能、认知智能和创造智能。
运算智能已然达到很高的水平了，感受一下来自全球顶级围棋选手对AlphaGo的点评。
其次是感知智能，首要体如今听觉、视觉和触觉方面，也就是我们通常说的语音技术、图像技术。语音技术用的就多了，比如让Cortana听懂你说的话，图像确认首要使用在人脸确认上，喜欢跟随技术潮流的企业普通会把门禁换成人脸确认。
认知智能是我们今日说的重点，首要含有语言、知识和推理。语言的重大性体如今什么地方呢?Cortana不能只是确认出来你在说啥，它需要依据你说的话做出答复，这时候就需要理解你在说什么。
创造智能就是一种最高级的形态了，也就是当AI拥有想象力的时候。
在运算和语音、图像确认上，机器已然能达到很高的准度，当下的首要缺口在认知智能上。过去认知智能首要集中在自然语言处理，它简易理解了语句、篇章，做到了合作检索引擎、仿照操控系统提供一些基础的特性、提供一些简易的对话翻译。
周明博士觉得语言智能是AI皇冠上的明珠，假如语言智能能做到革新，跟它同属认知智能的知识和推理就会得到长足的进展，就能合作全部AI体系，有更多的场景可以落地。
针对前方语音智能的进展，周明博士觉得有几个方向：
第一，随着大资料、深度进修、云计算这三大要素合作，口语机器翻译会完全使用。
第二，自然语言的会话、聊天、问答、对话达到实用程度。
第三，智能客服加上人工客服完美的结合，一定会大大提升客服的效率。
第四，自动写对联、写诗、写资讯稿和歌曲等等，
第五，在会话方面，语音助手、物联网、智能设备、智能家居等等，凡是用到人机交互的，基础上都可以得到使用。
最后，在很多场景下，比如说法律、医疗诊断、医疗咨询、法律顾问、投融资等等，这些方面自然语言会得到广泛的使用。
自然，如今的自然语言如今也面临许多困境。最核心的一点是如何经由无推动进修充分运用未标注资料。如今都依赖于带标注的资料，没有带标注的资料没有办法运用。但是很多场景下，标注资料不够，找人工标注代价又极大。
那么如何用这些没有标注的资料?这就要经由一个所谓无推动的进修过程，或者半推动的进修过程增强整体的进修过程。
再给NLP一些时间，语音助手也许就能说服你它实际上是AI了。