人類的對話是極其復雜的，其中每個語句都建立在對應的語境和上下文的基礎上。因此，對話智能體需要通過對語言和語境的深度理解來更加有效地學習。

“我想買手機有什么推薦嗎？”“三星的不錯，我之前一直用三星的。”“魅族是國產手機十大品牌之一，好不好，用了才知道哦。”“小米也不錯。”“小米比大米有營養。”這些看似時而認真，時而無厘頭的對話和我們日常微信群聊看似并無二致，但其實在這個群里聊天的都是機器人。

能讓機器人們聚在一起好好聊個天可是個技術活，不僅要把多智能體強化學習的方法應用在自然對話場景中，還需要優化社交機器人在不同上下文語境下的談話策略。在日前天津高新區舉行的第三屆社交機器人論壇暨首屆機器人群聊比賽研討會上，多個社交機器人在同步對話的比賽現場一較高下。

這群機器人聊天有點“尬”

據了解，本次比賽嘗試將多智能體人機對話的技術應用在自然對話場景中。比賽選取特定主題的啟動句，打亂啟動順序，經過單輪或者多輪，生成符合主題且流暢的對話，最終采用自動評價和人工評價相結合的方式，根據主題相關性、語言流暢性和語境相關性進行打分。

“剛剛還是一群在認真聊天的機器人，卻可能因某一個機器人的話鋒一轉，整個話題就被帶入尬聊場景。就像那個推薦手機的話題，明明是在聊手機，就因為一個機器人說了小米，整個話題就變成了美食和養生。”大賽組委會委員、哈爾濱工業大學副教授張偉男介紹說，通過這次比賽，我們看到機器人們的聊天能力有所增強，但是與真人聊天相比還存在幾個問題：多樣性程度比較低，語言比較貧乏，回復重復率高；一致性能力弱，同一個群聊下，機器人經常前后回復出現矛盾；主題漂移，就是我們常說的跑題，幾乎每個群聊到最后都跑題；質量不穩定，回復質量差的機器人嚴重影響群聊質量，機器人不能很好地篩選對話歷史進行回復決策。

三種主流技術各有優缺點

讓機器人群聊看似簡單，卻都需要人工智能的交互式實現技術——人機對話技術的發展作為支撐。獲得首屆機器人群聊大賽第一名的隊伍FunNLP的指導老師，天津大學副教授張鵬介紹說，在研究上，大數據和深度學習共同推動了自然語言理解技術的發展。目前實現人機對話有三種主流技術，各有優缺點。

基于規則的人機對話系統，機器人需根據系統中預先定義的一些規則來進行回復，例如關鍵詞、if-else條件等。這種技術最大的缺點是需要人工撰寫規則，要定義的規則太多，需要付出極大的努力來做規則設計。

基于檢索的人機對話系統，直接從預先定義的候選池中選擇最佳的答案，但缺點是無法應對自然語言的多變性、多義性、語境結構、連貫性等，且當輸入消息的語義差別很小時，機器人便無法精確識別，以至于無法生成新的回復。

“目前基于生成模型的人機對話系統是研究的熱點。”張鵬表示，與檢索型對話機器人不同的是，它可以生成一種全新的回復，因此相對更為靈活。但是這種系統有時候會出現語法錯誤，或者生成一些沒有意義的回復。

目前還難達人類對話水平

在我們日常生活中，不同類型的人機對話可謂是隨處可見：閑聊式對話，如微軟小冰；任務驅動的多輪對話，如訂餐對話系統等；問答式的對話，如汽車語音系統；推薦式對話，如一些客服機器人。其中閑聊、問答和任務型對話是用戶輸入內容后系統才會給出相應的回復，而推薦式系統主動向用戶提供服務和信息。但由于各項技術尚未成熟，因此對話機器人還達不到類人的對話水平，表現不夠靈活，甚至會產生一些笑料。

對于本次比賽的機器人在群聊回復方面出現的一些問題，張鵬解釋說，這主要是由三方面原因造成的。首先對話機器人在理解群聊對話記錄，回復的情感一致性及與其他機器人的交互三個方面存在一定的問題。所以群聊過程中出現了機器人自顧自回復或者是矛盾性回復等現象。

其次，訓練機器人聊天是需要大量數據的，但某些特定領域的對話數據相當有限，如本次比賽中的數碼產品和美食主題。并且，這些領域的中文閑聊型對話數據的收集和對話系統的構建都是十分耗費人力的。

第三，目前基于神經網絡的對話系統主要依賴于大量結構化的外部知識庫信息和對話數據，系統通過訓練來“模仿”和“學習”人類說話，這也導致了回復語句單一的問題。因此，對話智能體需要通過對語言和語境的深度理解來更加有效地學習。

像人一樣聊天還需深入理解語境

“雖然深度學習技術被充分運用，技術水平有所提高，但是以目前的技術來說，要做到讓機器人像人一樣聊天還有一定的難度。”張鵬表示，人類的對話是極其復雜的，其中每個語句都建立在對應的語境和上下文的基礎上，朋友們在聊天時甚至能在對方說話之前就預料到下一句會說什么。

若想要達到相當于人類對話的水平，目前有幾種方法可以探討。其中一種是構造龐大且高度復雜的AI模型，如現在基于Transformer結構的Bert模型和GPT模型，其參數量已達到數億級。然而模型越大，從用戶輸入信息到對話系統反應之間的延時就越長，而且實質上，此類模型仍然需要依賴于大量的數據，這與人類的思考和學習方式不符。

第二種是meta Learning技術，這種技術需要機器人具備學會學習的能力，能夠基于過往的經驗快速地學習。這類模型是模擬人的思考與學習方式，從本質上更接近人類間的相互對話。但問題是我們需要結合具體的任務，提出基于meta Learning的解決方案，這無疑需要更加深入的研究。

第三種是強化學習技術，強化學習系統由智能體、狀態、獎賞、動作和環境5部分組成。現在的研究工作主要是將強化學習應用于任務型對話系統的策略學習上，強化學習能解決基于規則策略存在的泛化能力差、人工成本高等問題，并且無需大量的訓練語料，只需要一些目標，便能夠提高任務型對話的質量，彌補了深度學習的一大缺點，當然強化學習也會帶來很多挑戰，比如智能體會給當前互動的環境帶來一定的影響等，這些都是需要我們去不斷探索和深入研究的。