本文要点
- 创建用户和机器人之间交互的思维导图。
- 构建交互工作流，使其更具对话性和个性化。
- 自然语言理解（NLU，Natural Language Understanding）支持用户以自然语言交流。
- 用户要传递信息，或是执行某个任务时，可能需要多轮交互。
- 只需构建和设计机器人一次，就可以将其部署到多个平台。
近些年，智能音箱和对话设备的应用日渐普及。当前，有超过6600万的美国成年人拥有智能音箱。也就是说，有近四分之一的美国人正在与设备对话。尽管此类智能设备已惠及芸芸众生，但其巨大潜力刚崭露头角。
Passage AI公司考量及此，推出了支持企业构建智能会话应用和技能的平台。
本文将提纲挈领地介绍实现对话AI的底层支撑技术。
为对话设备开发企业级技能，主要涉及三个层面：
- 交互流（Interaction Flow）。交互流定义并构建用户交互，以实现用户设定的目标，或是实现答疑解惑。
- 自然语言理解（NLU，Natural Language Understanding）。NLU支持机器人（bot）理解自然语言，并以自然语言作出响应。NLU包括意图分类、语义槽填充（slot filling）、语义搜索、自动问答、情感理解和响应生成等。
- 部署（Deployment）。一旦在接口中定义、构建并添加了NLU，就可将接口加入到各种会话渠道中，包括Google Home、Microsoft Cortana和Amazon Echo等对话设备，还包括Facebook Messenger、Android Business Messaging和Slack等消息应用，乃至集成在网站中的弹出式会话终端。
一、交互流
交互流是用户与机器人（即会话界面）间交互的思维导图。我们发现，预先设计交互流，非常有助于其实际构建。这需要我们在设计时做出更宽泛的考量，不仅考虑称为“基本逻辑”（happy path）的设定交互（也就是希望用户发起的交互），而且需补全基本逻辑之外的交互。下图给出一个示例交互流。其中，我们不仅设计了基本逻辑，还额外设计了更复杂的交互流。
图1：左图为基本逻辑流，右图给出了更复杂的交互流。
下面列出我们在设计对话交互流中获得的主要经验：
使交互流更具对话性和个性化。智能对话机器人不应像个机器人那样。在配置上，机器人应可从列表中随机选择会话，而非重复同样的消息。另一个做法是在对话界面中引入一些个性化。人们是与对话界面闲聊或交谈。因此在一开始不要只会说“嗨，我能为您提供什么帮助？”。而应使其更具个性，诸如“王先生，您好，周末快乐。今天我能为您做什么？”
