为什么Siri总是像个智障？智能助手背后的技术到底有多难？

Love The Way You Lie 2022-12-27 01:25 257阅读 0赞

![format_png][]

**导读：**本文带你简单了解一下智能助手背后的会话式人工智能技术。

作者：木羊同学

来源：大数据DT（ID：hzdashuju）

![format_png 1][]

**01 大话智能助理**

**智能助理应该是当前人工智能技术最为成功的落地方向之一。**我还记得，当初iPhone4S率先推出著名的人工智能助理Siri，马上就有不少评论家预测，Siri也将像iPhone一样，为人类开创一个全新的时代，而调戏Siri也成了当时最流行的游戏之一。当时我们在看视频演示的时候，心中都对Siri充满的期待。

我们一直说，智能手机智能手机，但以前总感觉所谓智能手机，也就是传统的手机+迷你版的电脑，“智能”体现在什么地方呢？现在有了Siri，手机真的能像个老友一样和你聊天打屁，感觉要名副其实得多了。

我们都听过智能助理，可是你是否认真想过一个问题：智能助理对于用户，到底意味着什么？也许不同人能给出很多不同的看法，不过，**业界最常见的答案是，提供了全新的交互界面。**

我们说Windows是桌面霸主，它的成功，就成功在提供了在当时来说相当友好的交互界面，相比黑乎乎的命令输入，Windows的桌面简单、直观，一下降低了PC的使用门槛。

而智能助理则是在这个已经不太高的门槛上再打一个“骨折”，几乎不需要额外的学习曲线，不用学习使用键盘鼠标，也不用熟悉系统界面，只需要用对话这种最自然的交互方式就能操控机器。相信在今年疫情期间，很多人说话最对的对象，就是家里各式各样的智能助理，譬如智能音箱。

![format_png 2][]

**02 新的交互界面**

采用对话作为交互方式有很多优点，我觉得有两样最为重要。一样就是自然，人类从一出生就开始学习的技术也就两样，除了蹒跚学步，就只有牙牙学语，说话应该是我们日常中最常见也是最习惯的交互方式。

另一样是便捷，回想一下，手机也好、电脑也好，虽然给我们带来了种种便利，但也禁锢了我们最为重要的双手，而现在回归了用说话的方式操控机器，**双手就被解放出来可能干别的事情。**

正因为这两样有点，现在智能助理的应用场景很多，所以产品也很多，智能手机、智能音箱，甚至不少汽车也将智能助理作为重要卖点，现在我家电梯里经常播的一个汽车广告就是这样，里面的车载智能助理细心得就像亲妈一样，车主一回到车里就各种嘘寒问暖，就差非要加上一条秋裤。

不过，从今天往回看，智能助理的优势很大，推出自然是理所当然，但是，**智能助理背后运用了一整套互相配合的智能技术，发展也是一波三折充满坎坷。**

就拿Siri来说吧，别看今天Siri好像是一位高冷的知识女性，在它波折的成长路途中，说伤痕累累都是轻的，感觉好几次都差点在一片唾沫星子当中遭到灭顶之灾。

Siri的槽点很多，第一个就是语种。没错，虽然Siri可以算是iPhone 4S最大的卖点，很多人干脆就是冲着Siri去果断卖了肾。**可是到手一看，发现自己吃了没文化的亏**，人家Siri只听得懂英文，说完Hello以后，95%的用户都猛然发现自己像是头一次相亲一样，接下去就不知道该说什么好，词穷了。好不容易找到点句子吧，结果口音还必须纯正。

在大多数时候，Siri需要识别半天不说，最后返回结果经常是牛头不搭马嘴。语音识别时间长、识别结果不准在后来很长一段时间都是Siri的重要槽点，**给人一种蠢笨难忍的感觉。**哪怕后来iOS 6以后，Siri终于学会了中文，**仍然距离那种与用户谈笑生风的形象相去甚远。**

![format_png 3][]

**03 智能助理的耳朵和嘴巴**

当时大家对智能助手还很新奇的时候，最想知道的问题之一，就是这个小葫芦里面究竟装了一副怎样的药，是不是真的把人缩小了然后塞进里面去。

我当时就十分好奇Siri的原理，究竟要做到以自然语言的形式，做到自然对话来控制机器，背后是怎样的一套机制在运行呢？但是查了好多资料，感觉大家也都还不甚清楚，只是模模糊糊说很高大上。

大家都容易高估不了解的东西的难度。其实，智能助理还真不太“复杂”，说起来，结构和我们熟悉的电脑还十分类似。

先说**外设**，智能助理要开口说话，同样需要一套输入输出设备，具体来说，我们不妨将智能助理的大脑当作电脑的CPU，CPU是需要得到数据输入，然后经过计算，在将结果输出，而所谓外设，就是能够能够将外部的语音转化为机器能懂的输入，以及将机器经过运算得到的结果转化成语音输出。

这是两项独立的任务，当然也都是采用人工智能技术来完成，分别为负责将语音转化为机器输入的**自动语音识别技术**（ASR），以及将结果转化为语音输出的**语音生成技术**（TTS）。这两项技术虽然听着复杂，背后的技术原理也确实足以写一本书，不过已经发展得较为成熟，人工智能方面有较为丰富的技术积累。

简单来说，**ASR负责将声音转成文本，而TTS则负责将文本转成声音。**具体就不介绍了，市面上已经有太多类似的技术，譬如微信就有声音转文本，这就是典型的ASR，而许多读书工具都有AI朗读功能，虽然吧效果一言难尽，从感情到灵魂一路都缺，不过用来理解ASR应该没有问题。

![format_png 4][]

**04 智能助理的大脑**

最难也是最复杂的部分，就是实现智能语音助手的**大脑**，通常可以切分为三项独立的任务，分别为**自然语言理解**（NLU）、**对话管理**（DM）和**自然语言生成**（NLG）。这里出现了很多缩写，其实核心就是**自然语言处理**（NLP）。

自然语言处理，被誉为人工智能皇冠上的宝石，也是现在人工智能研究的重点方向，不断有模型推陈出新，很有一点一代版本一代神的意思。现在NLP的扛把子叫**Bert**，各大顶会只要和NLP沾边，都会现在肯定都会有一个占比颇重的环节，叫花式玩弄Bert。

说远了说回来。在智能助手的大脑中，NLU、DM和NLG就是NLP的两项重要任务。

NLU很好理解，人的语言和机器指令有个很大的不同点，就是前者属于**非结构化数据**，而后者属于结构化数据。非结构化数据机器是听不懂的，必须转化成结构化数据，机器才好理解和执行。那谁来扮演中介商呢？就是NLU。道理很好懂，但是实现很复杂，还有无数的坑在前面等着大家去填。

在智能助手中，NLU的角色是这样的，首先ASR将声音转成文本，当然，是非结构化文本，然后将这些文本输入给NLU，有NLU做一些阅读理解，把理解以后的意思按固定格式填写，也就是形成机器能懂得结构化文本，交给下游环节处理。

NLU的下游环节就是DM，对话管理，名字起得有点莫名其妙，其实就干两件事，一件事是**状态追踪**，解释起来很复杂，不过可以简单理解为根据上下文理解当前输入的意思，也就是做了个阅读理解。另一件事就是**动作生成**，你得根据人说话的意思作出回答。

那NLG是什么呢？和NLU正好反过来，是文本生成。上游不是通过DM作了阅读理解，输入了结构化文本吗？那根据这个输入，咱得通过动作生成思考一下该回答啥，一般的机器知道回答个Yes和No就了不起了，顶多再多给一点选项，不过光这样一点也不像自然对话，还得扩展扩展，也就是根据某个意思，“生成”一点文本内容，这就是NLG的工作。**到了这一步，整条链子就串起来了。**

现在这种智能助理应用已经非常多了，而还有一种类似但应用更广的技术，叫对话机器人技术，譬如双十一肯定能遇到的淘宝机器人客服，这种客服不需要听说能力，直接用文字对文字的形式进行沟通，相信看完了上文，大家应该也清楚对话机器人技术的基本原理。

不过，上面只是很浅显地介绍了会话式人工智能技术，还有很多细节的问题，譬如中文分词问题，需要在实际实践是加以解决。我推荐一本书，叫《会话式AI：自然语言处理与人机交互》，里面系统地介绍了会话式人工智能的相关内容，想要更深入了解该技术的同学可以仔细阅读。

关于作者：莫凡，网名木羊同学。娱乐向机器学习解说选手，《机器学习算法的数学解析与Python实现》作者，前沿技术发展观潮者，擅长高冷技术的“白菜化”解说，微信公众号“睡前机器学习”，个人知乎号“木羊”。

延伸阅读《会话式AI：自然语言处理与人机交互》

点击上图了解及购买

转载请联系微信：DoctorData

**推荐语：**腾讯、阿里、国家标准委&AIIA人工智能专家多年大型项目经验总结，详解NLP和人机交互核心技术，从技术、算法、实战3维度讲解聊天机器人原理、实现与工程实践。

![音符][format_png 5]

**划重点????**

**干货直达????**

*  [华为内部资料流出！揭秘华为数据湖：3大特点、6个标准、入湖流程][3_6]  
    
 *  [中台的本质及中台建设的4点思考][4]  
    
 *  [什么是YARN？跟HBase和Spark比优势在哪？终于有人讲明白了][YARN_HBase_Spark]  
    
 *  [终于有人把大数据讲明白了][Link 1]

**更多精彩****????**

在公众号对话框输入以下**关键词**

查看更多优质内容！

**PPT** | **读书** | **书单** | **硬核** | **干货**** **| **讲明白 **|** 神操作**

**大数据** | **云计算** | **数据库** | **Python** | **可视化**

**AI** | **人工智能** | **机器学习** | **深度学习** | **NLP**

**5G**** **|** 中台 **|** 用户画像**** **| **1024** | **数学 **|** 算法 **| **数字孪生**

据统计，99%的大咖都完成了这个神操作

**????**

![format_png 6][]

![format_png 7][]

[format_png]: /images/20221120/2de5997c31854c9ebc15848930e3bd3f.png
[format_png 1]: /images/20221120/0e3cf24ec4d4494eade74d80c1b4992c.png
[format_png 2]: /images/20221120/72eb25ee3dd84e48814c4df99b69a7a1.png
[format_png 3]: https://imgconvert.csdnimg.cn/aHR0cHM6Ly9tbWJpei5xcGljLmNuL21tYml6X2pwZy9MU09qeWliNWdpYVZmTmlhdkJIbWlhTm9PUlhsN2o3RWR5cFIzY2plNUFGZkRMOVJvWW9OUmVodkxLN0Mzc3NRR2hvVXJ3azFQeDR2ZW96b2hWcVV2Q0JKOEEvNjQw?x-oss-process=image/format,png
[format_png 4]: https://imgconvert.csdnimg.cn/aHR0cHM6Ly9tbWJpei5xcGljLmNuL21tYml6X2pwZy9MU09qeWliNWdpYVZmTmlhdkJIbWlhTm9PUlhsN2o3RWR5cFI3cEVNRk9WNE1GWDR2NlVGbVBQaWFRaWFzTUt0RzVnYU1UdjMxZXVuV2FIam5JMEJKTW13RmxkUS82NDA?x-oss-process=image/format,png
[format_png 5]: https://imgconvert.csdnimg.cn/aHR0cHM6Ly9tbWJpei5xcGljLmNuL21tYml6L2NaVjJoUnB1QVBpYUpRWFdHeUM5d3JVeklpY2liZ1hheXJnaWJUWWFyVDNBMXl6dHRidGFPMEpsVjIxd01xcm9HWVQzUXRQcTJDN0hNWXN2aWNTQjJwN2RUQmcvNjQw?x-oss-process=image/format,png
[3_6]: http://mp.weixin.qq.com/s?__biz=MzI5OTk5OTM2Mw%3D%3D&chksm=ec8cc795dbfb4e83c839f36039e70186b982aff7a7bc976de5b437d0407d748c99c53217abfc&idx=1&mid=2247519865&scene=21&sn=4fe2676baf69e97872ddda0077f87c30#wechat_redirect
[4]: http://mp.weixin.qq.com/s?__biz=MzI5OTk5OTM2Mw%3D%3D&chksm=ec8cc476dbfb4d6008aa8e96f4e1ac63976da34e9310cd150bc3bfab74001d701b9ad6918e1b&idx=2&mid=2247519642&scene=21&sn=12d25ce7ec5d0edbc2117ba30af93575#wechat_redirect
[YARN_HBase_Spark]: http://mp.weixin.qq.com/s?__biz=MzI5OTk5OTM2Mw%3D%3D&chksm=ec8cc4abdbfb4dbdc8d309b82388d4f1867d760c18a53450dd0ad1b21723c9750c3e02744bbf&idx=2&mid=2247519559&scene=21&sn=1890357abd5707640cad1a022deaf9e7#wechat_redirect
[Link 1]: http://mp.weixin.qq.com/s?__biz=MzI5OTk5OTM2Mw%3D%3D&chksm=ec8cc52cdbfb4c3a28752486ec4b5a043991f45344f463b4b18c36be0eb1a02cb5c555eff3ee&idx=1&mid=2247519424&scene=21&sn=fc43fc62c1cdffa57cb8985d728f7014#wechat_redirect
[format_png 6]: https://imgconvert.csdnimg.cn/aHR0cHM6Ly9tbWJpei5xcGljLmNuL21tYml6X2dpZi9MU09qeWliNWdpYVZkUFFyOEtxQllFaHlvS2RNc2cwRWxPRjFrMmVOd2dpY2NnanBWbmNWaWJzRGljUk9pY2p2SVpTRndPR0FkM250UzNYQWlhS1U3ME1QSW0wVncvNjQw?x-oss-process=image/format,png
[format_png 7]: https://imgconvert.csdnimg.cn/aHR0cHM6Ly9tbWJpei5xcGljLmNuL21tYml6X3BuZy9MU09qeWliNWdpYVZkR2JGdk8wSXRRRDFkM29GaWNPc0hMNFZ6WDFqOHpHTExTaWEzWm9EcHBhRldBRUFZM2VPamlhSkZSZnpaR3BCNXEzendLRlNVb2JMekhnLzY0MA?x-oss-process=image/format,png