原文链接：https://yq.aliyun.com/articles/579119
视频链接：https://yq.aliyun.com/video/play/1390
作者：高杰
发布时间：2018-04-10 13:26:49
阿里巴巴机器智能实验室语音交互组大概是在3年前正式成立的，语音交互组自成立开始就带有两个使命，第一个使命就是致力于将人工智能中基本的语音能力，包括语音合成、语音识别以及其他基础的自然语言处理能力特别是语音交互技术相关的能力，沉淀到阿里云中作为普适的计算能力，提供给所有的开发者，并且使这样的技术成为廉价的、大家都能够用得起的云计算能力。语音交互组还与ISV一同构建了很多垂直领域的解决方案，包括法庭庭审、客户质检以及视频直播等。语音交互组的另一个使命则是致力于让每一台设备都能够具备人机交互的语音能力。本文也将主要为大家分享关于人机智能交互的部分，而这部分的主要载体就是NUI (Natural User Interface) 平台。
这么多的项目做下来发现有一些东西大家会很喜欢，可以在市场上进行发售，但是有些也就默默无闻，然后最终消失了。这是为什么呢？如何去思考语音交互？又应该如何使用语音交互构建出用户愿意使用的东西？
当大家都在谈论智能个人助理的时候，到底在谈论些什么呢？用真实客户的话来讲就是“我希望给我的设备加上AI”，可以看出在大众眼中的个人智能助理实际上就是AI。而智能个人助理到底是什么呢？其实智能个人助理是基于服务和自然交互的方式，为人提供信息、操控设备或者完成其他任务的产品形态，所以最终而言，智能个人助理是一款产品。
上图就展现了智能个人助理的三个环节，最核心的大家所谓的“AI”部分就是中间的环节，其实际上就是一种自然交互的方式，这里所展现的就是非常典型的交互系统的流程图。智能个人助理的核心价值不在于它会为大家提供交互方式，而在于它会为大家提供交互的内容和服务，并且最终会落地到某一种设备上，以一种具体的产品形象来展示。
那么究竟应该如何去构建智能个人助理产品呢？下图展示了对于NUI的三种观点，其实应该从这三个角度来看智能个人助理。首先，最典型的角度就是将NUI看做机器学习系统，特别是一种统计机器学习的系统；第二个角度就是将其视作传统的软件系统，所以在构建智能个人系统的时候还需要关注软件工程的部分；而最后落脚到用户是否喜欢这个东西上，就需要将其视作一款产品，更准确地说就是互联网产品。
模块：拾音技术
模块：信号处理
模块：唤醒技术
模块：语音识别技术
模块：自然语言理解
下图所展现的是阿里巴巴NUI平台的自然语言处理框图，基本上是规则系统和统计系统的串行系统。这里关于使用规则系统还是统计系统存在很多争执，而阿里巴巴实践后总结出的经验却表示两种系统都不可少。规则系统一般比较准确，特别是系统刚刚开始运行，也就是冷启动什么数据都没有的时候，可以迅速地编写一些规则使其快速上线，这是一个非常好的做法。而当数据积累比较多的时候，可能就会倾向于使用统计系统完成任务。
自然语言处理的核心任务就是抽取分类，抽取用户所发出的语音指令到底出于什么样的意图，比如“我要看烈火如歌”这句话的意图就是去看视频，另外会有一些命名实体或者核心的属性需要将其抽取出来，比如上述语音指令中的视频片名就叫做“烈火如歌”，这就是如今比较常用的做法。图中最右边的部分叫做Systematic Frame，也是目前最主流的语义表示方案。
模块：对话引擎
最后，在对话引擎部分，实现了对话的逻辑和引擎的分离。首先会有一个对话解释器，其次对于每个任务会有自己的脚本，此外还会通过外在的方式与服务打交道，因为所有的和服务、资源以及内容打交道的都在对话这部分中完成。阿里巴巴会将对话引擎这部分做的比较灵活，方便于第三方开发者以及合作方在其上进行自定义，当然为了使得合作方完成的工作更加符合预期，这里也会给一定的监督。
