Facebook: 会话机器人最新进展

2019 年 9 月 9 日 AINLP

会话方面的研究是构建强人工智能的重要组成部分。虽然近年来有限场景下的会话机器人广泛使用，但开放领域的会话机器人方面的研究仍存在着极大的挑战。

会话过程中，生成连贯的、有吸引力的回复需要非常巧妙的会话技巧，比如语义的理解和知识推理的使用。Facebook在会话机器人领域做出了很好的研究成果，致力于创造更加有吸引力、个性化的AI系统。本文将介绍开放领域会话机器人的五大挑战：一致性、回复的具体性、情感性、知识引入能力、多模态理解。

1. 一致性

会话机器人的回复不能够自相矛盾，下面给出一个例子:

左边的是机器人的回复，第一条回复表示有两只猫，第二条回复却表示自己没有宠物，这样自相矛盾的信息会让会话体验变差。Facebook在论文《Dialogue Natural Language Inference》提出了一个新的模型，大大提升了会话机器人的回复一致性，自相矛盾的回复减少了3倍。

2. 机器人回复要设计的具体程度

很多会话机器人容易产生“没用”的通用回复，例如：我没听懂您说的话，哈哈，哦哦等等。为改善用户体验，有很多研究人员开展会话机器人回复具体程度方面的研究，比如《What makes a good conversation? How controllable attributes affect human judgments》。下面给出一个实例：

当人类问机器人：你是做什么工作的？机器人可以回答的很粗略，也可以回答的非常具体。哪种方式更好一些呢？请看下图：

图中横轴是机器人回复的具体程度，纵轴是会话机器人的回复吸引力评价。图中黄色的线条是人类会话的吸引力水平，白色的线条是会话机器人加入了具体程度控制的吸引力水平。我们可以看到机器人的回复并非越具体越好。另外一方面，做好主动提问和回复之间的平衡，或者控制机器人回复的重复程度，都很大程度地影响会话机器人的吸引力。

3. 情感性

会话机器人的另一大挑战：识别情感并作出适当的反馈。华盛顿大学的学者们在论文《Towards Empathetic Open-domain Conversation Models: a New Benchmark and Dataset》中给出了一个数据集，包含了情感标签，用于衡量会话机器人的情感表达能力。Facebook的研究人员也发现，使用该数据进行fine-tune后，会话机器人在三个模型上的情感表达能力平均提升了0.95分（评分范围为：1-5分），很给力。

4. 知识引入能力

人们在会话过程中通常会谈天说地（引入外部知识），现有的聊天机器人目前很难利用好已有的外部知识。现有的seq2seq模型很难记录历史会话信息，也很难融入外部知识。百度在今年举办的《会话机器人》比赛中，尝试将知识三元组引入会话。Facebook的科学家们也尝试将wikipedia中的知识融入到会话中，发表了论文《Wizard of Wikipedia: Knowledge-Powered Conversational agents》。

论文提出了transformer memory网络的概念，效果提升显著：吸引力方面提升了26%.

5. 多模态理解

未来的聊天机器人的输入是多方面的，包括语音、图像、文字等。近年来，随着image caption的发展，可以通过图片的理解与用户进行交互。比如论文《Engaging Image Captioning via Personality》，机器人会生成不同态度的image caption。比如，侦测到用户也比较开心时，机器人的回复可以是：“好漂亮的烟花啊！从没见过这么漂亮的烟花。”, 机器人也可以选择“不耐烦”的回复：“烟花虽然好看，但好吵啊”。这些极具个性的回复，能够提升用户的体验。实验表明，与人写的caption相比，用户会更加喜欢个性化生成的caption。