简介：「AIUI」名词释义AIUI是科大讯飞最新的人机交互解决方案，融合了远场识别、全双工交互、语音合成、语义理解、私有语义等单点能力，形成了全链路的一体化解决方案。从传统人机交互到AIUI人机交互的发展是一个漫长的过 ...
「AIUI」名词释义AIUI是科大讯飞最新的人机交互解决方案，融合了远场识别、全双工交互、语音合成、语义理解、私有语义等单点能力，形成了全链路的一体化解决方案。从传统人机交互到AIUI人机交互的发展是一个漫长的过程。从PC时代的键盘+鼠标交互方式，到移动互联时代的多点触摸交互，再到物联网时代语音+视觉的新型交互，人机交互逐渐从以机器为中心交互方式，走向以人为中心的交互方式。 语音交互在这上述的转变起到了重要作用，作为交互方式中最便捷的方式之一，语音交互的发展也备受业内外关注，我们用一张图来了解下语音交互的发展路径：
语音交互从移动互联网时代开始兴起，从一开始出现的具有语音能力的app到现在多模态交互的机器人，语音交互的发展技术也是经过了不断地迭代和更新。 传统人机语音交互的链路环节是先由用户对机器说出需求，机器将用户的语音识别成文字结果，再通过语义理解服务翻译出用户的需求，生成相应的语义协议，最后将生成的语音文本播报出来。
传统语音人机交互链路主要依赖3大核心技术：语音识别、语义理解、语音合成，虽说链路模式没有太大问题，但当时的技术发展不如现在成熟，在实际应用过程中容易受到客观环境的影响。 语音识别率不高、语义理解不对、信息内容不足、系统响应单一…这是传统语音人机交互所面临的主要技术难点。 为了解决这些技术难点，自然人机交互链路在传统的链路基础上增加了语音唤醒系统，同时对3大核心技术进行迭代升级，比如在语音识别技术中增加麦克风阵列和无效拒识技术；在语义理解中增加对话管理和上下文理解、纠错等技术；在语音合成中加入情境和情感分析。
3种不同功能交互的技术原理分析AIUI的人机交互流程分为感知、认知、处理、表达四部分。 在讲它的技术原理之前，我们先来看个简单的例子： 用户A对着机器说：“我要去北京”，如图所示，语音助手在识别、理解出用户A的意思，会有3种的不同类型的反馈。
这三种反馈在人机交互中都是比较合理的，至于最终采用哪种类型的反馈，还是取决于产品的定位和特性。 了解了三种不同类型的交互反馈，我们来学习下这三种交互中所涉及到的相关技术。 任务完成型的交互理解任务完成型的交互理解，主要是机器帮助用户解决某些问题，完成相应的任务。 用户B问语音助手：“有没有明天从合肥到北京的航班？”语音助手通过设定好的语义协议框架抓取出这句话中的理解要素：用户意图、用户操作、起点、终点、日期。 借助这些基本理解要素，语音助手便可以将查询结果一一反馈给用户。 这个过程中主要的技术难点就是语义抽取，语义信息单元的抽取一般有2种方式，一是显规则；二是基于深度学习模型的语义抽取。 我们来讲下第二种语义抽取的方式，比如将用户输入的文本“刘德华电影”看成一组序列，每个字都是一个单独的序列，在序列的基础之上机器会做相应的预测，通过深度学习技术建立相应的抽取模型比如RNN或CNN模型，得出每个字符对应的标记。
基于知识图谱的知识问答类型关于知识图谱，之前我们已经科普过一次，没看过的同学请戳：困于答题游戏无法自拔？AI有一招让你百战百胜！ 基于知识图谱的问答类型其实过程并不复杂，用户输入问题文本之后，机器会按照语言学方式去理解分析这个问题，然后再知识图谱种检索相关的知识，同时将语义理解的结果和检索出来的知识做一些推理，最后得出系统答案。
基于问答库的闲聊或问答闲聊类型的交互过程其实也很简单，机器收到用户所问问题，在相应的问答知识库中计算出相似度较高的几个问答，然后在利用句子语义匹配算法找出最相似的问答，最后输出结果。这个过程的技术难点是在于如何利用深度学习技术，训练出合适的CNN或RNN模型去计算2个问题之间的相似性。
在闲聊问答过程中，除了在问答库中匹配相似问答之外，还有一种比较常规的是生成式回复。 那在生成式回复中目前比较常用的技术是端到端的翻译模型，也就是Encoder-decoder框架。 本文仅代表作者个人观点，不代表巅云官方发声，对观点有疑义请先联系作者本人进行修改，若内容非法请联系平台管理员，邮箱2522407257@qq.com。更多相关资讯，请到巅云www.yinxi.net学习互联网营销技术请到巅云建站www.yx10011.com。 |
