一、是什么多轮对话 1. 多轮对话的定义

根据上下文内容，进行连续的，以达到解决某一类特定任务为目的的对话。

这里有3点：

多轮对话跟机器人的关系图：

通常来说，一个全能型的对话机器人是由很多个类型的机器人组成的，比如说闲聊机器人、任务机器人、问答机器人。而一个任务机器人内又可以包含多个处理不同任务的多轮。

3. 多轮对话和多轮对话平台的关系

那怎么来实现多轮对话呢？市面上各大厂家的做法是开发一个用于构建多轮对话的平台。有了这样的平台，你就可以构建出你想要的对话流程。

多轮比较擅长处理的两类经典任务：

如果把多轮对话比作一辆汽车的话，那多轮对话平台就是一个组装车间，底层的各类AI工具，就相当于汽车的零部件，因此我们可以在对轮对话平台内，用各种的工具，来组装出你想要的对话逻辑。

这里你可能想说，这个哪里智能了，不就是我们实现定义好的流程吗？是的，它确实并没有你想象中的那么智能，没有你想象中的那样通过大量的数据就能自己学习出一个流程，也没你想象中的那样机器可以自己生成新的答复话术。

但是它确实能解决很多工业上的问题。特别是一些比较固定的流程，比如说：

这些固化的流程完全可以用机器人来完成，大大减少人力成本。相比于人，机器人可以一天24小时，同一时间多线路给多个人拨打电话。

二、多轮对话平台由哪些功能模块组成 1. 按流程的执行顺序分

1）进入多轮对话任务的条件

比如说识别到有订票的意图，则进入到订机票的多轮对话任务中；也可以通过关键字、指令等方式进入到多轮对话任务中。

2）机器人的应答话术

即用户的每一个动作（query），机器人应该用什么话术去应答。

目前任务类型的对话通常话术都是预设的，基本不会是生成式的。因为任务性对话容错率很低，宁可答不上，也不能答错。生成式的应答话术，更多是在闲聊机器人中，因为闲聊容错率相对比较高。

3）流程流转条件的设置（if）

4）满足条件执行动作的设置（then）

条件设置和动作设置是整个流程的核心思想，整个对话流程都是按：如果条件是什么…那么执行什么动作…的格式设置。

5）退出多轮对话任务的条件

最后，这个对话肯定是不能永远继续下去的，需要设置结束对话的条件，比如说常见的有以下几种情况：

按另外一个维度，可以把多轮对话分为流程和解析工具。

1）流程就是设定的流转规则，如归是什么，那就做什么

（如上图，如果是肯定回复那就调整到A节点）这一块跟AI没有什么关系。

2）解析工具做的事情是理解用户说的话是什么

（如上图，如果用户说“我是他妈妈”，机器人怎么知道这是属于否定回复，这就是解析工具要做的事情），也是整个多轮对话的核心。

解析工具主要分类两大类：信息收集、文本分类。

A 信息收集

收集信息的方式主要有两种：对话里收集、对话外收集。

B 文本分类

对话中的文本分类，通常又分为两大类：有较完整的句子结构类文本、超短文本。

除了是否有句子结构外，两类型的文本分类解析工具的应用场景也不一样。有句子结构类文本解析工具，是全局的应用。比如说“我要转人工服务”，可以做出一个意图，不管在流程的哪个节点，用户表达了这样的意图，都可以识别。

超短文本类解析工具，是局部应用的，是强依赖上线文的。比如说用户单独说一句“不是的”，如果没有上下文，是没有意义的。

机器问“请问您是深户吗”，用户可以回复“不是的”；机器问“请问您是深圳高校学生吗”，用户可以回答“不是的”；因此这个“不是的”，在不同的地方表达的意思是不一样的，只有联系上文，才能确定明确的含义。

解析工具直接决定了多轮对话平台的上限，而决定解析工具是否好用又可以分为两层：基础技术层、产品层。

1）例子1

问在哪里出发后，我们往往会调用一个地址解析器来解用户接下来说的话，用户回复“深圳明天会下雨吗”，这时会抽到地址【深圳】，那机器人就理解为出发地是【深圳】了。

解析器确实没有问题，解出了地址深圳，但是解出的地址是不是符合上文需要填充的槽位，这时机器人就无能为力了。

2）例子2

问是几月份，我们往往会在这个时候调用一个时间解析器来解用户接着说的话，用户只回复“8”，这时时间解析器解不出结果，因为时间解析器只能解“8月”、“8号”等等这个带单位的时间。纯说一个数字，机器人就懵掉了。

从上面两个例子就可以看出，解析工具跟实际应用场景的隔阂，导致了运用起来不够灵活，主要矛盾点体现在：

举例：

还是以上面例子为例，首先来了解几个概念：

ok，了解了上面的概念之后，我们再回过来看这个例子。

用户说了：深圳明天的天气怎样？

会有两个解析工具解到结果，假设地址解析工具得到的信心分是90分，意图解析工具解到的名字查天气意图的信息分也是90，但是由于地址解析工具属于主流程，优先级高于查天气意图，因此机器人最后选择的是前者。因此机器人的动作是把【深圳】当作了出发地填入槽位。

因此，从这里可以看到有两个问题：

这里先理清一对概念：

举例：

机器人的话术已经被事先死死的设定了，问完问题1，就问问题2。没有根据用户的话做出一些反馈，就会显得很生硬。

假设能这样：

这样不但能对用户的回答做出响应，还根据用户前面说的话来调整问题2的问法。这就是非生成式回答无法达到的效果，这也是机器人比较死板的原因。

4. NLP理解的维度比较局限

举例：

还记得她吗，在采访中她说“我已经用了洪荒之力了”。如果你只看文字，你能理解她里面所表达的是满意的情绪吗？

正常人与人的对话，一般会根据语调、文字、表情、动作等维度，组合起来理解对话所表达的内容。但是目前大多数的多轮对话平台都是只以【文字】单一维度来做解析处理，即使很多平台都亮出了自己在ASR环节的情绪理解有多么强大，但真正跟多轮平台运用起来是隔离开的，训练数据只是转译成文本的形式训练，而不是直接拿语音去训练。

不同语气的“呵呵”，表达的意思是不一样，有的是开心，有的是讽刺。如果丢失了语调的维度，那解析的结果肯定是不准确的。

4. 使用门槛高，优化难度大

在以用户体验为王的时代，如果你操作一个软件或APP，你还要看它的说明书，甚至看了说明书还不会操作，那你肯定会疯掉。

没错，多轮对话操作平台就是一个看了说明说还不会用平台，通常需要经常专业的培训才会使用，因此是有很高的使用门槛的，而且逻辑能力不好人，还真做不来。

除了操作门槛高，后续的优化也不灵活。不是说像我们想象中的那么简单，加点数据，标注下就能解决的。比如说机器人询问：你是马先生吗？

你一开始想到的用户可能的回答是两类：肯定回复（是的、我是）、否定回复（不是、打错了）。但是上线后，你会发现还有很多类型的回复：中性回复【怎么啦、你说】、式有关系人【我是他老婆、我是他儿子】、反问【你是谁呀、是机器人吧你】

每增加一个分类，就要重新在流程图里增加分支，从新设定规则等等，并非直接加点数据重新训练就能解决问题了。

四、多轮对话平台未来的发展方向是怎样的 1. 在目前的框架下去优化

前面大篇幅讨论了，目前多轮对话平台的核心是解析工具，因此我觉得未来的优化方向也是在解析工具上面，比如说：

目前的做法是对话流程、对话分支是由人工搭建的，这种方式对数据的利用率是非常低的。只是根据对话记录，人为整理出对话流程，而对话之间的上下文关系是不参与到模型训练的。机器人不会随着人机对话量的增加而变得更加聪明。

未来的优化方向一定是最大化的利用数据，比如说通过给机器输入大量的对话记录，机器能够学习出对话之间的逻辑关系，然后自己能学习出一个对话流程。

最后，用一句话总结下目前的多轮对话平台：在解决固定化流程的问题上，确实能降低人力成本，但是对话比较死板，要想做到向人与人之间的自然交流，还有很长的路要走。

AI人，一起加油吧！

本文由 @Jimmy 原创发布于人人都是产品经理。未经许可，禁止转载。

题图来自Unsplash，基于CC0协议。返回搜狐，查看更多