真實應用中，用戶與系統交互的過程中不免會涉及到閑聊成分。閑聊功能可以讓對話機器人更有情感和溫度。閑聊機器人（Chitchat-Bot）通常使用機器翻譯中的深度學習seq2seq框架來產生答復，如圖4。

圖4 Chitchat-Bot的seq2seq模型框架

與機器翻譯不同的是，對話中用戶本次query提供的信息通常不足以產生合理的答復，對話的歷史背景信息同樣很重要。例如圖4中的query：“今天心情極度不好！”，用戶可能是因為前幾天出游累的腰酸背痛才心情不好的，這時答復“出去玩玩吧”就不合情理。研究發現，標準的seq2seq+attention模型還容易產生安全而無用的答復，如“我不知道”，“好的”。

為了讓產生的答復更多樣化、更有信息量，很多學者做了諸多探索。Jiwei Li等人的論文“Deep Reinforcement Learning for Dialogue Generation”就建議在訓練時考慮讓答復引入新信息，保證語義連貫性等因素。Iulian V. Serban等人的論文“Building End-To-End Dialogue Systems Using Generative Hierarchical Neural Network Models”在產生答復時不只使用用戶當前query的信息，還利用層級RNN把之前對話的背景信息也加入進來。Jun Yin等人的論文“Neural Generative Question Answering”在產生答復時融合外部的知識庫信息。

上面的各種機器人都是為解決某類特定問題而被提出的，我們前面也分開介紹了各個機器人的主要組件。但這其中的不少組件在多種機器人里都是存在的。例如知識圖譜在檢索型、任務型和閑聊型機器人里也都會被使用。

真實應用中通常會包含多個不同類型的機器人，它們協同合作，解答用戶不同類型的問題。我們把協調不同機器人工作的機器人稱之為路由機器人（Route-Bot）。路由機器人根據歷史背景和當前query，決定把問題發送給哪些機器人，以及最終使用哪些機器人的答復作為提供給用戶的最終答復。圖5為框架圖。

圖5 Route-Bot框架圖 對話機器人現狀

對話機器人歷史悠久，從1966年MIT的精神治療師機器人ELIZA到現在已有半個世紀。但現代意義的機器人其實還很年輕。檢索型單輪對話機器人得益于搜索引擎的商業成功和信息檢索的快速發展，目前技術上已經比較成熟。最近學術界和工業界也積極探索深度學習技術如Word2vec、CNN和RNN等在檢索型機器人中的使用，進一步提升了系統精度。雖然技術上較為成熟，但在實際應用中檢索型機器人還存在不少其他問題。例如，很多企業歷史上積累了大量非結構化數據，但這些數據并不能直接輸進檢索型機器人，而是需要事先通過人工整理。即便有些企業存在一些回答對的數據可以直接輸入檢索型機器人，但數量往往只有幾十到幾百條，非常少。可用數據的質量和數量限制了檢索型機器人的精度和在工業界的廣泛使用。

相較于檢索型機器人，知識圖譜型機器人更加年輕。大多數知識圖譜型機器人還只能回答簡單推理的事實類問題。這其中的一個原因是構建準確度高且覆蓋面廣的知識圖譜極其困難，需要投入大量的人力處理數據。深度學習模型如Memory Networks等的引入可以繞過或解決這個難關嗎？

任務型多輪對話機器人只有十來年的發展歷史，目前已能較好地解決確定性高的多輪任務。但當前任務型機器人能正常工作的場景往往過于理想化，用戶說的話大部分情形下都無法精確表達成act-slot-value三元組，所以在這個基礎上構建的后續流程就變得很脆弱。很多學者提出了各種端到端的研究方案，試圖提升任務型機器人的使用魯棒性。但這些方案基本都需要利用海量的歷史對話數據進行訓練，而且效果也并未在真實復雜場景中得到過驗證。

開域閑聊型機器人是目前學術界的寵兒，可能是因為可改進的地方實在太多吧。純粹的生成式模型在答復格式比較確定的應用中效果已經不錯，可以應用于生產環境；但在答復格式非常靈活的情況下，它生成的答復連通順性都未必能保證，更不用說結果的合理性。生成模型的另一個問題是它的生成結果可控性較低，效果優化也并不容易。但這方面的學術進展非常快速，很多學者已經在探索深度增強學習、GAN等新算法框架在其上的使用效果。

雖然目前對話機器人能解決的問題非常有限，短期內不可能替代人完成較復雜的工作。但這并不意味著我們無法在生成環境中使用對話機器人。尋找到適宜的使用場景，對話機器人仍能大幅提升商業效率。截止到目前，愛因互動已經成功把對話機器人應用于智能投顧、保險、理財等銷售轉化場景，也在電商產品的對話式發現和推薦中驗證了對話機器人的作用。

如果一個對話機器人與真人能順利溝通且不被真人發現自己是機器人，那么就說這個機器人通過了圖靈測試。當然目前的對話機器人技術離這個目標還很遠，但我們正在逐漸接近這個目標。隨著語音識別，NLP等技術的不斷發展，隨著萬物互聯時代的到來，對話機器人的舞臺將會越來越大。

作者簡介：
吳金龍，2017年初作為合伙人加入愛因互動，負責算法部門工作。北京大學博士，畢業后先后加入阿里云、世紀佳緣，作為世紀佳緣資深總監，負責佳緣數據和AI相關工作，開發了中文對話機器人創建平臺“一個AI”。