前几天参加了“百度AI开发者实战营”大会，人真多，找了一个犄角旮旯的位置，站了一个下午，我这老腰实在扛不住啊。  

   他们讲了一个下午，有技术的演讲，也有百度合作伙伴如何融合百度AI案例的演讲等等，  我这次比较关注的是 百度语音 和 百度UNIT。

百度语音

百度语音百度语音有三大部分：

1. 语音识别
2. 语音合成
3. 语音唤醒

语音识别 我们的产品一直在用的功能，它包括部分，一个是语音识别（把声音转换文字），一个是语义识别（把文字识别为具体的意图）。语音识别加入到我们的产品后，具体业务是这样的：

百度UNIT

UNIT是什么

    它的官方解答是这样的：可定制的对话系统开发UNIT（Understanding and Interaction Technology），是处理自然语言的理解与交互技术平台，所以理解与处理文本对话是UNIT所擅长的。UNIT机器人目前没有触觉、视觉、味觉与嗅觉，只有初步的“听觉”，它只能获取到文字信息，所以在UNIT机器人眼中，世界是由词汇构成的。

在机器人的“大脑”中，这些词汇刚开始都是模糊不清、没有区别的，当你指定了一条条样本之后，词汇之间的关系以及句子的意图便慢慢变得清晰起来，机器便能够完成理解对话的任务了。

UNIT能做什么

    打造“面向任务的理解与交互能力” 一项任务可以是解答用户的某个问题（如：今天天气怎么样、我的快递到哪儿了）、执行用户指令（如：去给我把咖啡端过来），甚至通过一系列交互引导用户达成某项需求（如：通过注册-选座-下单完成订票）。

 UNIT是具备举一反三这种能力的，在其背后使用了一种名叫“深度神经网络”的技术，这种技术让机器人具备了一定的“认知”能力。

   “认知”是指机器人在你所教授的语言场景样本下，它会加入自己的理解，会试图识别更多的没有见过的语句。

 通过UNIT，可以快速、灵活的按自身业务需求定制对话系统，满足智能助手、智能家居、智能汽车、智能客服、机器人等各类产品和场景。

通过上面的概念我们可以看出它给我们释放出来三个信号：

1. 处理自然语言
2. 具有对话的功能
3. 快速定制自己的业务能力

所以我就在思考，如果把百度这种智能对话交互的能力加入到我们的产品中，我们的产品是不是就提高了一个层次呢？

怎么融合    

那么下一步就要考虑的是怎么做呢？我就去翻阅百度的官方文档，以及他们提供的案例，如何使用等等。说真的，如果以前没有接触过这方面东东的话，刚开始的接触时候头真大，各种名词解释，各种配置，就光他的配置文档将近100页，我瞬间凌乱了。

  那既然希望自己的产品提高一个层次，那么就必须克服种种头大，静下心来，慢慢翻阅他的文档，并且反复阅读。

真正的融合，其实很简单：

1. 梳理业务逻辑
2. 配置对话单元
3. 标注对话数据
4. 对话训练与验证
5. 应用调用

下面结合我的实际应用场景，来介绍UNIT的各种概念以及如何使用UNIT，让大家更容易理解，而不至于头大。

在使用UNIT以前，必须把他的各种名词搞清楚，不然真的无从下手。

概念

场景：

  一个场景对应一个独立完整的对话系统，用来满足您某个具体业务场景的需求。通常按垂类划分（例如，银行信用卡办理场景、电视遥控器场景等）。简单来说一个系统建一个场景就可以了。比如车载系统，我们创建一个开车的场景。

单元：

    是系统中的最小对话单位，分为对话单元和问答单元。

对话单元：

    用来定义系统在一个具体的对话任务下对用户对话的理解、以及机器人的回应方式。它代表着产品能够执行的某个特定任务。对话任务例如导航、查天气、查询信用卡年费、控制空调温度等。

 对话系统应该如何理解用户需求，包括意图和词槽（可选）。

意图

    意图表示用户的目的，让系统执行的某个操作。比如导航到人民大学，那么导航就是用户的目的（意图），系统要做的就是开启导航，目的地设置为人民大学。

 词槽

    是满足用户意图时的关键信息或限定条件，可以理解为用户需要提供的筛选条件。词槽由词槽类别和值两部分组成，例如导航到人民大学，目的地就是词槽类别，人民大学就是词槽里的值。

 词槽澄清

    在口语对话中，用户的一句话 (我们称之为单轮对话) 中常常并不会包含完整的信息。比如，用户说：我要导航。这句话并没有包含目的地这个词槽，而导航的最终执行，目的地是不可或缺的。因此，对话系统需要对用户发起”词槽澄清”询问，（你要导航到哪？）来获取用户要导航的目的地。词槽澄清其实就是提示用户还缺少哪些必要信息。

  UNIT平台可以支持定义哪些词槽是”不可或缺的”，也可以通过调整词槽顺序来定义哪个词槽应该优先被询问。

 澄清话术

    就是进行词槽澄清时，用于询问的问题（你要导航到哪？）

添加词槽的过程

点击保存后，一次对话意图就创建好了。

那怎么样才能让系统将”用户对话”的理解，转换为系统能够处理的意图和词槽呢？我们将转换的过程 称之为对话理解能力。

 UNIT可以通过观察开发者提供的对话样本和对话模板进行学习，以提高其对话理解的能力。

对话样本

    对话样本就是由开发者提供的标准答案，它给对话系统示范了应该如何将用户的对话理解为意图和词槽。UNIT通过”训练”来观察并学习开发者提供的数个对话样本集，并以此优化场景的对话理解能力。

对话模板

    对话模板是给对话系统按具体语法、句式做出的示范，教它在某一个特定语法、句式中，该如何理解意图，哪个词是重要信息，对应的词槽、特征词是什么。

特征词

    特征词通常被用于约束某条对话模板的匹配范围(例如，天气、下雨、热等类别关键词)或提供一定限度的泛化能力(例如，嗯、了、吧等语气词)；活用特征词机制可以事半功倍的提高对话模板的精度和覆盖度。

词槽与特征词的区别：

    词槽是一类词汇的抽象，我们为了表示这一类词，往往给其单独命名，例如：地名、人名、电影名等等，都是泛指一类词。

    特征词与词槽类似，只是它偏重于抽象出一些通用的词汇，例如：请求类词汇“我要找”“请查询”“帮我找”等等。

    特征词与词槽就像公式中的两个变量，它们组合在一块，便能组成一些句子，例如：我要找北京大学、导航到香格里拉。

有了上面的规则，再加上词槽里的词汇后，系统很容易匹配出用户的对话。

     [D:kw_wantkey][D:user_location] -> 导航到清华大学

     [D:kw_wantkey][D:user_location] -> 我想要去北京大学

对话模板由以下几类元素构成：

    a. 普通文本

      即不包含“[D:”、“[W:”、“]”、“:”的文本，例如“的歌”；我想听刘德华的歌

    b. 词槽或特征词

      格式为[D:词槽名]或[D:特征词名]，例如“[D:user_location]”或“[D:kw_wantkey]”；

    c. 通配符

      格式为[W:自然数-自然数]，第一个自然数≤第二个自然数，例如“[W:0-10]”；

    d. 词槽加词槽值

      格式为[D:词槽名:普通文本]，例如“[D:user_location:人民大学]”；

对话样本和对话模板的区别

    对话样本是样本学习，对话模板就是规则学习：

     规则学习：z = x + y；套入公式就能进行运算得到答案。这种套公式的学习方法就是规则学习。 这种学习方法的特点是规则固定，只能解答符合该公式条件的问题，解答问题时只要将具体数值代入到公式中计算即可。

    好处是每个词任意切换来匹配意图，不容易出错。

    坏处就是匹配要一一对应，少一个都不行，死板，难以变通。

    样本学习：即观察大量样本，通过学习语言样本，并从中发现规律，最终运用该规律去理解语句，举一反三，这与人类的认知学习能力十分类似。

 总结：

    模板规则不是万能的，看起来模板比标注更省事，但这是在一个场景启动之初，到了后期，要让机器人具备更强的举一反三能力，还是要通过“样本学习”的方式才能做到。

    为什么配置了模板，稍微增加或者减少几个字或者模板里词槽顺序改变下，机器人就不认识了？因为模板可以理解成套公式，公式是死板的，少一个变量都不行，所以模板也是有局限的。

    基于以上，如果要完全使用模板来做一个场景的识别也不是不可以，只是需要人工总结很多这样的模板公式，告诉机器人这些都可以套用，在这一点上机器人几乎不会举一反三。

    在UNIT中，对话模板集对理解能力的作用会优先于对话样本集，因此通常可以被用于做为错误的紧急干预手段。建议适当控制模板数量，尽量通过提供更多对话样本以达到更好的理解效果。

对话样本和对话模板都创建好了，那么下一步进入训练环节：

 训练模型

即把场景下所有的配置、标注的对话样本、对话模板等打包提交给系统来训练模型。 模型生效一般需要几分钟时间。

沙盒

每个场景都配有一个沙盒环境，将训练好的模型生效到沙盒环境后，就可以进行效果验证了，同时可接入到您自己的业务系统中使用。您可以生成多个模型版本，但只能选择一个放到沙盒环境中。

训练完成并生效后，我们就可以进行验证了。

想要系统更精准的识别出用户的意图，我们只需要加入更多的对话样本，进行学习即可。

上面我只做了导航的简单对话单元，用户可以自己尝试一下添加听歌的对话单元。例如我要听刘德华的歌。

 最后一步：

创建应用，通过API调用接口完成接入

我们产品的初步调整

    由于UNIT现在只能处理文本数据，以及将处理的结果（意图）以文本的方式进行展示，但是我们的产品定义为语音交互的场景，那除了UNIT以外，还需要加入语音识别和语音合成的功能，以达到人与机器语音对话的能力。

经过几天的学习，我对我们软件设计做了一次初步的调整：

对UNIT的研究也是刚刚开始，后续软件的设计还会继续迭代的修改，如果哪个地方理解有偏差，欢迎加入公众号进行拍砖。