构建智能聊天机器人有哪些挑战？

21CTO导读：构建智能聊天机器人是个具有挑战的技术。从使聊天机器人上下文感知到建立聊天机器人的个性化，还有...

21CTO导读：构建智能聊天机器人是个具有挑战的技术。从使聊天机器人上下文感知到建立聊天机器人的个性化，还有聊天机器人智能化都存在着挑战。

构建机器人之挑战

我们来谈谈情境整合，连贯反馈，模型评估和读懂意图。

上下文整合

能够聪明的回复是聊天机器人的标志。将上下文集成到聊天机器人中是迎接的第一个挑战。在整合敏感反应时，必须整合物理环境和语言环境。为了结合语言环境，会话被嵌入到向量中，这对用户提出了挑战。必须根据上下文数据，位置，时间，日期，以及有关用户的详细信息以及其他数据来武装机器人。

连贯的反应

实现连贯性是机器人要跨越的另一个障碍。聊天机器人需要始终回答语义相似的内容。例如，智能聊天机器人查询提供类似的答案，比如你来自哪里？你在哪里住？虽然它看起来很简单，但将一致性纳入模型确实是一个挑战。技巧就是训练聊天机器人以产生语义上一致的答案。

模型评估

聊天机器人的表现如何？

此答案在于测量聊天机器人是否能够执行构建的任务。

该衡量是一个挑战，因为它依赖于人类的判断。由于聊天机器人是基于开放域模型构建的，因此判断它是否正在执行其任务变得困难。

聊天机器人没有特定的目标。经研究人员发现，这些案例中使用的一些指标无法与人类判断相比较。

读懂意图

在某些情况下，阅读意图是机器人的一种挑战。以生成系统为例。它们为多个用户输入提供通用响应。

产生相关响应的能力取决于聊天机器人的训练方式。在没有经过培训以满足特定意图的情况下，生成系统无法提供处理特定输入的多样性。

计划使用NLP和机器学习

另一个值得关注的因素是利用NLP或机器学习来构建智能聊天机器人。自然语言处理是通过将语言解析为意图，实体，代理，动作和上下文来寻找答案。以NLP为驱动力，可以利用WIT，API和LUIS等平台构建智能聊天机器人。

当你计划利用机器学习来创建自己的NLP时，必须在构建智能聊天机器人之前决定模型。重要的是权衡基于生成和检索的模型以及开放和封闭的域，以创建您想到的智能聊天机器人。

智能平台是智能聊天机器人的替代品吗？

创建一个智能聊天机器人是一个思想流派，而在智能平台上构建聊天机器人是完全不同的。

在今天，有几个运营成功的聊天机器人（包括x.ai和Google智能助理）已经建立在智能平台上。

在这种情况下，平台成为智能代理，聊天机器人成为此智能代理的传感器。

智能平台用于找出目标，收集用户信息，处理，存储和转换该信息以实现特定目标。在这一点上，挑战不是将智能融入聊天机器人，而是创建一个智能平台。重点必须放在如何定义目标和将感知 - 思考 - 行为能力纳入智能平台的方法中。

在当前，聊天机器人的当务之急是满足以用户为中心的任务。为此，聊天机器人必须是智能的。当围绕架构过程的重要元素出现时，构建智能聊天机器人变得更具挑战性。

相信在不远的将来，智能聊天机器人来统治和连接世界。

编译：凌凌漆

来源：21CTO社区

相关文章：

AI聊天机器人，技术让工作更轻松

怎样开发一个聊天机器人

Facebook聊天机器人项目是因为AI自我交流关停了吗？

现代IM系统中消息推送和存储架构的实现

2019展望：超级智能崛起，人类智慧与机器智能将深度融合

    关注 21CTO