幾十年來(lái)，人工智能領(lǐng)域一直在孜孜不倦的追求一個(gè)目標——就是讓機器擁有人的能力。人工智能包含很多種能力，要有語(yǔ)音能力，做到能聽(tīng)會(huì )說(shuō)；要有圖像能力，能看見(jiàn)和識別目標對象；要有語(yǔ)言能力，能理解會(huì )表達；還要有行為能力，懂得如何基于所見(jiàn)所聞所感，得出判斷，并產(chǎn)生動(dòng)作。而更深層次的，人工智能要賦予機器以思考能力和學(xué)習能力，以及人類(lèi)千百年來(lái)積累下來(lái)的知識。
近年來(lái)，隨著(zhù)人工智能的腳步越來(lái)越近，“對話(huà)即平臺（Conversationas Platform）”的理念日益深入人心，很多互聯(lián)網(wǎng)產(chǎn)品和應用開(kāi)始嘗試引入對話(huà)式的人機交互方式(CUI，Conversational UI，對話(huà)式交互)。一個(gè)完整的CUI，既需要包含能聽(tīng)會(huì )說(shuō)的語(yǔ)音識別與合成能力，更需要包含能理解會(huì )表達的語(yǔ)言對話(huà)能力。然而，研發(fā)一個(gè)對話(huà)系統對于大多數開(kāi)發(fā)者而言卻是一個(gè)很困難的任務(wù)，對技術(shù)和數據的要求都很高。為此，百度于2017年7月5日的開(kāi)發(fā)者大會(huì )發(fā)布了面向第三方開(kāi)發(fā)者的對話(huà)系統開(kāi)發(fā)平臺-UNIT平臺，以期能夠降低對話(huà)系統的研發(fā)門(mén)檻，賦能開(kāi)發(fā)者。
CUI能夠為用戶(hù)帶來(lái)什么便利？而UNIT又會(huì )如何幫助開(kāi)發(fā)者在產(chǎn)品中植入自己的CUI呢？讓我們設想一個(gè)場(chǎng)景，當你一個(gè)人開(kāi)車(chē)走在路上，卻突然需要查看路況或者調整路線(xiàn)，你該怎么辦？邊開(kāi)車(chē)邊操作手機太危險，想找個(gè)地方停一下又找不到。這時(shí)候是不是恨不得自己再生出一雙眼睛、一雙手來(lái)幫自己搞定這個(gè)問(wèn)題？那么設想一下，如果我們能夠讓司機一邊開(kāi)著(zhù)車(chē)，一邊通過(guò)自然語(yǔ)言對話(huà)式交互來(lái)設置導航、查詢(xún)路況。相對于傳統的觸屏操作和鍵盤(pán)輸入，這種自然語(yǔ)言對話(huà)的交互方式既安全又方便。
其實(shí)車(chē)載環(huán)境只是自然語(yǔ)言對話(huà)式交互可以一展身手的眾多場(chǎng)景之一。在手機智能助手、智能家居控制、在線(xiàn)智能客服、以及機器人等場(chǎng)景里，對話(huà)式交互都是最自然的方式。而自然語(yǔ)言理解和交互，則是這些應用背后的核心技術(shù)。比如，在上面的對話(huà)中，對話(huà)系統需要理解靈活的語(yǔ)言表述方式背后的語(yǔ)義和需求，需要結合多輪交互的上下文信息來(lái)綜合判斷當前交互的狀態(tài)，進(jìn)而作出反饋或者執行指令。同時(shí)，對話(huà)系統還需要有更基礎的語(yǔ)言處理和分析技術(shù)，需要掌握目標場(chǎng)景下的知識以及可用于所有技術(shù)訓練的數據。所以說(shuō)，實(shí)現自然語(yǔ)言理解與交互，需要雄厚而完備的技術(shù)積累和數據積累，對于很多開(kāi)發(fā)者來(lái)說(shuō)，存在不小的困難。
