（文章來源：十輪網）

為了滿足智能助理需要執行越來越多復雜任務的需求，Google發布了最新的架構引導對話（Schema-Guided Dialogue，SGD）數據集，以擴展智能助理模型，使其有能力處理多重領域的任務。

現在的智能助理可以完成的任務越來越多，包括預定餐廳或是截取網絡消息等，Google提到，像是Google助理這類智能助理集成了眾多領域的服務，每個服務可能由不同領域的服務疊加而成。為了適應這樣的發展，讓智能助理能夠支持更多的新服務，而不需要收集額外的數據或是重新訓練模型，降低維護成本。因此Google發布SGD數據集，來填補訓練智能助理處理復雜與大規模任務所需要的數據集空缺。

SGD數據集是目前最大的任務導向對話語料庫，Google使用綠野仙蹤（Wizard of Oz）方法產生人類與助理的對話，共包含跨17個領域18,000個對話，并附加了不同的注解。這些對話涉及與服務和API的交互，包括銀行服務、事件、日歷甚至是天氣等17個領域，而在多數的領域，SGD數據集包含多個不同的API，不少API接口不同但是功能重復，以反應實際的狀況。

Google表示，SGD數據集是第一個涵蓋這么多領域，會為每個領域都提供多個API的數據集，而且為了量化模型對API接口更新或是新API的強健性，評估數據集包含了許多在訓練數據集中，所沒有的新服務。

用戶使用SGD數據集，可以訓練智能助理支持網頁的多樣服務，Google提到，要完成這個目的，通常需要一個大型的主要架構（Master Schema），羅列所有支持的功能和參數，但實際上，要開發適合所有使用案例的主架構非常困難，而且即便克服了這項障礙，主架構也可能會讓新的或是小型服務的集成變得復雜，進而增加智能助理的維護成本。

而且不少服務之間使用相似的概念，像是訂票服務，電影票、機票和演奏會門票邏輯都相似，但使用主架構的方法，就會不方便對這類概念進行連接建模，除非以手動的方式定義之間的映射。

Google提出了一個新的架構引導方法解決這些問題，這個新方法不需要為智能助理定義一個主架構，而是為每個服務或是API，提供功能與相關屬性列表的自然語言描述，這些描述可以用于學習一個架構的分布式語義表達，為對話系統提供額外的輸入，并將對話系統以單個統一的模型實例，這個統一模型為不同服務提供相似概念的表示，并通過架構的分布式表達，使得新服務可以不需要事先有訓練數據就能運行。

Google為此還以架構引導方法創建了一個智能助理，在所有服務和領域使用單一模型，沒有設置各領域的專門參數，就能處理各式任務，Google開源了用于對話狀態關注的模型，可以在新服務和API沒有訓練數據的情況下，同時保有與常規設置相同的能力。
（責任編輯：fqj）