端到端的对话系统

对话系统

在人工智能领域，模仿人类交谈能力的尝试可以追溯到人工智能的早期阶段。在1950年，艾伦·图灵（Alan Turing）提出了一种方法来测试一台机器的智能水平，这个机器被普遍称为图灵测试或模仿游戏。在图灵测试中，一台机器被要求与人交谈。机器的智能水平取决于机器如何能够欺骗人类评估者，使其相信机器是基于文本响应的人类。如果人类的评估者无法区分机器和人类的区别，那么就说机器已经通过了图灵测试，这意味着人工智能的高度智能化。

• 图灵测试

现在常见的对话系统应用如Siri，微软小冰，小米智能音响等，都是基于自然语言处理下对话系统的相关技术的，但是上面提到的大部分应用仍属于任务驱动型对话系统，采取的也大多并非端到端的方法。

• 现有应用（微软小冰）

端到端

端到端的对话系统如今主要广泛应用于开放域的闲聊问题，和某些任务驱动型对话问题上。比较常见且经典的示例如适用于大部分自然语言处理中句子到句子的问题的Sequence2Sequence模型,其首先应用于机器翻译领域，再如Seq2Seq+Attention模型。

端到端这个概念是神经网络，深度学习中常用的一个概念，其可以指训练过程是端到端的，也可以指模型是端到端的，详细可以见什么是 end-to-end 神经网络？。就本问题而言，这是一个与任务型驱动型对话常用的NLU-DM-NLG结构相对应的，没有中间过程，没有多个模型结构的对话系统模型。

• 端到端对话系统示例

对话系统中仍有大量问题值得我们去探究，现有的对话系统还有例如如下这样的问题（或挑战）等待解决：

• 对话上下文建模
• 对话过程中的知识表示
• 无聊对话
• 对话一致性问题
• 长期对话

相关内容

关于对话系统模型历史，或者更详细的内容可以参考《A Survey on Dialogue Systems:Recent Advances and New Frontiers》这篇京东发布的对话系统综述。