未來，AI+多輪對話怎樣玩轉智能客服

未來，AI+多輪對話怎樣玩轉智能客服

5 人贊了文章縱觀互聯網時代的發展歷程，PC時代的標籤是「簡潔」，輸入關鍵詞是兩秒鐘，獲得結果是一秒鐘，用戶追求越快越好的體驗；而到了當下，人工智慧時代的標籤已變成「多輪對話」，用戶已不在乎多花幾秒鐘時間，而是更希望企業幫助他們整理思維過程並在此過程中獲得更適合自身情況的結果。談及對未來的構想時百度CEO李彥宏說，未來五年、十年，人們主要獲取信息的方式會變成多輪對話，而不是簡單的關鍵詞輸入的方式。本文將從未來多輪對話在智能客服的應用方面展開詳述。

多輪對話通常是有問有答，在用戶提問內容不夠清晰的時候，機器也會主動向用戶詢問，並且會根據上下文來判斷該給出什麼樣的答案或提出什麼樣的問題。也就是說，基於一定的對話邏輯，允許人機進行多輪次的互動，從而讓機器理解用戶的深層意圖並提供反饋。未來，多輪對話會應用在獲取信息的各種渠道。

當下的客服僅針對單個問句進行信息提取，要求想要諮詢的信息都包含在問句中，對預設信息及語義的獲取能力較差，對上下文的信息的理解也局限於信息檢索的方式。我們希望多輪對話能較好地應用於智能客服，在信息不夠完整，表意不夠明確或信息有歧義的情況下，智能客服能對用戶進行追問、反問，將信息要素補充完整後再給出確切答案。

通常，用戶的意圖通常需要多次對話才能表述完整，目前多輪對話的應用還存在應用範圍狹窄和智能水平低下的特點。

第一，多輪對話應用範圍狹窄。

我們最常看到的例子是智能助手們對詢問天氣的處理。比如說用戶提問：「上海的天氣怎麼樣？」得到準確回復，用戶再接著問「北京的呢」，這個時候已經把「天氣怎麼樣」幾個字省略了，機器需經過記憶和推理模塊，自動生成新的問題「北京今天天氣怎麼樣呢」並給出正確答案。

未來的多輪對話不再拘泥於對天氣詢問、劉德華的身高等等的常見問題的回答，它在智能客服的業務中的應用中將會大展拳腳。

第二，多輪對話智能水平低下。

我們無法要求終端客戶有更好的語言表達能力，客戶大部分時候只會描述他看到的現象和出現的結果。客服系統中的客服聊天語料不同於傳統問答系統中的書面問句，現在的多輪對話無法提取用戶問句中這些在人看來顯而易見的信息，具有不理解非完整結構語句、不理解主體指代、無法主動獲取需求的特點，往往給出令人啼笑皆非的答案。

未來，與多輪對話相結合的智能客服將會改變這一局面。屆時智能客服能解決的高頻問題可能會更多，範圍也更廣。那麼，未來的多輪對話會如何處理用戶表述中結構不完整、主體指代、需求未完整描述的情況呢？

首先，當用戶輸入的部分句子結構不完整時，智能客服也能理解用戶的意圖。這種情況往往出現在上下文中隱含了雙方共同了解的成分或者即使缺少了相應成分也不會產生太多的歧義情況下。

如用戶這樣詢問：「買你們家的商品寄到北京運費多少錢？」智能客服回答：「快遞到北京運費為10元。」用戶繼續問：「那到山東呢？」這句話的全部表意是：那到山東的運費呢？這時智能客服理解用戶的問句中省略了「的運費」，回答道：「快遞到山東運費為10元。」

不僅如此，若用戶在與客服系統交流的過程中連續論述同一主題也會在交互過程中也會用代詞指代前面提到的主題名稱，未來的智能客服能識別用戶指代的是前文提到的哪一名詞並給出準確回答。

拿購物的場景舉例，購物中最一般的流程為商品信息諮詢、物流信息諮詢、議價和交易完成後處理。一般的問題並不會在一次對話就被解決，因此用戶在表述時時常會出現主體指代的情況。如顧客議價完成後如不滿會議價結果，用戶會繼續追問，此時其表述中會出現代詞指代之前對話中的某一商品。

如在購物場景中用戶詢問：「在你們店多買紅色衣服能不能送贈品？」智能客服回答：「對不起，本商品贈品已送完。」用戶接著詢問：「之前買了一件這個都送了，這次怎麼不送了？」智能客服理解用戶問句里的「這個」指代上一個問句中的「紅色衣服」，於是回答道：「對不起，該商品（紅色衣服）贈品有限，贈完為止。」

最後，當用戶的需要需要確定一個動作，需要一系列的屬性時，未來的智能客服能夠帶著識別和反問出這些屬性的目的與用戶對話，並根據這些信息為用戶提供其想要的結果。

以訂機票這個場景為例，這個場景涉及到時間、地點、航班號、航空公司等屬性，未來的智能客服能從與用戶的對話中識別這些要素並根據用戶提出的其他要求返回滿足其要求的答案。理想中多輪對話達到的效果應該是這樣:

告訴智能客服「幫我訂一張從深圳到上海的便宜機票」，智能客服會抓取「深圳」「上海」「機票」等關鍵詞進行檢索並返回結果。但當用戶問出這句話時其實有四點潛在限定：

1）機票要足夠便宜。

2）訂機票一定涉及時間（但我沒有主動表達）。

3）是否對航空公司選擇有要求（但我沒有主動表達）。

4）是否有未提及的要求。

傳統的智能客服不會對這兩點模糊表達做出反應，而我們則期待智能客服能夠進一步追問，比如「何時出行？」用戶回答：「3月15日。」智能客服接著追問「您選擇在哪個時間段出發？」用戶回答道：「下午，不要太晚。」

在確認用戶的出發時間後，智能客服接著詢問：「3月15日下午從深圳到上海最便宜（需要將便宜這個概念數學化）的機票最低1380元是否接受？」用戶進而回應：「行。」此時，用戶突然改變主意，補充道：「算了，還是上午吧，才想起來下午回去還有個會。」於是智能客服繼續詢問：「符合條件的上午的航班有南方航空A航班和東方航空B航班兩個航班，是否對航空公司選擇有要求。」用戶這樣回應：「選B航班吧，可以積分。」於是用戶確認選擇，智能客服就這樣成功幫助用戶選擇了最符合預期的航班。

不難看出，未來的智能客服通過在對話過程中不斷注入變數，進而理解上下文的理解逐漸逼近用戶真實想法，然後提供個性化的解決方案。

自然語言對話有許多應用場景，比如，如果用戶能夠理解用戶表述中的指代和省略部分,並通過多輪對話在智能手機上完成訂酒店之類的複雜任務，那麼智能客服就會真正成為用戶的得力助手。這裡的核心問題是如何「理解」用戶的語言，幫助用戶完成任務。自然語言對話的研究與開發，已經取得了一定的進展，我們一直在實現在複雜場景下的實用化和實現人工智慧的理想康庄大道前行。

未來即將到來，我們拭目以待。

原創文章，未經許可請勿轉載

歡迎關注微信公眾號：zhuiyikeji

推薦閱讀：