近日，UberAI開源了“柏拉圖研究對話系統”，用于構建、訓練和部署會話AI代理，使數據科學家和業余愛好者能夠從原型和演示系統中收集數據。柏拉圖擁有簡潔明了的設計，與現有的深度學習、貝葉斯優化框架（用于調整模型）集成，可減少編寫代碼的需要。目前，柏拉圖支持通過語音、文本或結構化信息進行交互，可以為會話代理的每個組件包裹現有的預訓練模型，并且每個組件都可以在線或離線進行訓練。

最近，Uber發布了一個名為“柏拉圖研究對話系統”（PlatoResearchDialogueSystem）的開源人工智能平臺。該系統將與谷歌的Dialogflow、微軟的Bot框架和亞馬遜的Lex等類似產品競爭。

UberAI研究團隊在博客中解釋說，柏拉圖主要為構建、培訓和部署原型和演示系統而設計，還可以促進會話數據收集。Uber還表示，柏拉圖是數據科學家和業余愛好者們的理想選擇，其“簡潔明了”的設計，以及與現有的深度學習和貝葉斯優化框架（用于調整模型）集成，可減少編寫代碼的需要。

目前，柏拉圖可以通過語音、文本和“結構化信息”支持與人類、數據和其他對話式AI代理進行交互。最重要的是，它可以為會話代理的每個組件包裹現有的預訓練模型，并且每個組件都可以在線（在交互期間）或離線（從數據）進行訓練。鑒于柏拉圖是一個通用框架，所以每個單獨的組件都可以使用任何機器學習庫（例如，Ludwig、TensorFlow或 PyTorch）進行在線或離線訓練。柏拉圖還擁有“模塊化設計”，可將數據處理分成七個部分，包括語音識別、語言理解、狀態追蹤、API 調用、對話策略、語言生成和語音合成。

為了證明其可擴展性，柏拉圖用戶可以通過提供該類模塊的Python類名和包路徑以及模型的初始化參數來定義自己的體系結構或插入自己的組件。只要模塊按照它們應該執行的順序列出，柏拉圖就會處理其余部分，包括包裝輸入和輸出，鏈接和執行模塊（串行或并行），以及促進對話。

在數據記錄方面，柏拉圖還通過對話片段記錄器中記錄事件來處理數據記錄。錄音機記錄了以前的對話狀態、采取了什么行動以及目前的對話狀態。

“我們相信柏拉圖能夠從Ludwig和TensorFlow到PyTorch、Keras和其他開源項目的深度學習框架中更加無縫地培訓會話代理，從而在學術和行業應用中改進對話AI技術。”UberAI研究人員AlexandrosPapangelis、YiChiaWang、MahdiNamazifar和ChandraKhatri在博客中寫道，“我們利用柏拉圖，可以很容易地訓練一個談話代理如何詢問餐館信息，另一個代理如何提供這些信息，隨著時間的推移，他們的談話會變得越來越自然。”

Constellation Research 公司的分析師Holger Mueller表示，柏拉圖系統中最有趣的一點是支持多個代理的技術，這對于Uber來說是必要的，因為它需要促進客戶、司機以及客戶服務代理之間的多方聊天。

Holger Mueller說:“這意味著需要智能對話共享，盡管聊天機器人框架空間領域已經非常擁擠了，但是Uber推出柏拉圖仍具有現實意義，和所有新的開源項目一樣，我們需要在幾個季度內檢查采用情況，因為開源代碼資產的行為不能保證開發人員或企業采用。”

另外，柏拉圖的發布是在前面提到的Ludwig的首次發布之后，Ludwig是一套建立在谷歌TensorFlow框架之上的開源工具，它允許用戶無需編寫代碼就可以訓練和測試人工智能模型。