本文整理了人工智能行業(yè)中設(shè)計(jì)師需要理解的一些名詞和內(nèi)容。

一方面供自己學(xué)習(xí)思考，另一方面也希望能幫助到準(zhǔn)備投入到人工智能行業(yè)的設(shè)計(jì)師。之前聽有的朋友講到，覺得自己沒有計(jì)算機(jī)背景，有點(diǎn)害怕進(jìn)入到這樣一個領(lǐng)域來。

沒有計(jì)算機(jī)背景沒有關(guān)系，只要對這個行業(yè)充滿好奇，一個個的問題解決掉，在你眼前的迷霧都會散去的。

先簡單舉幾個人工智能在生活中有在應(yīng)用的例子：

像現(xiàn)在有的超市寄存物件，開箱時(shí)采用的人臉識別；像家里購置的智能音響，時(shí)不時(shí)還能跟它聊上幾句；像接聽到的銀行電話（是的，對方可能是機(jī)器人噢）；像在淘寶上咨詢的客服小蜜；像你手機(jī)里的虛擬助手….等等這些都是人工智能在生活中的應(yīng)用。

人工智能在設(shè)計(jì)領(lǐng)域的應(yīng)用也相當(dāng)廣泛，具體可以看這篇文章：

這幾個例子是在生活中比較普遍能接觸到的，實(shí)際人工智能應(yīng)用的領(lǐng)域還在不斷的擴(kuò)大，我們甚至都無法想象到，未來的生活會是怎樣的狀態(tài)和場景。

在這家公司之前，我做過語音交互類的產(chǎn)品交互設(shè)計(jì)。當(dāng)時(shí)在定義人與設(shè)備進(jìn)行語音交互時(shí)，會是怎樣的一個交互場景。從說喚醒詞到發(fā)出指令，從收到反饋到繼續(xù)對話。喚醒后等待的時(shí)間、結(jié)束的規(guī)則等等這些。

而現(xiàn)在，我大部分時(shí)間是在設(shè)計(jì)工具，如何讓使用者能快速的創(chuàng)建出一個智能機(jī)器人。如何讓機(jī)器人的創(chuàng)建者方便快捷的添加機(jī)器人的相關(guān)數(shù)據(jù)和創(chuàng)建出對話場景。

所以在進(jìn)行這些工具的設(shè)計(jì)之前，有些名詞概念，會需要設(shè)計(jì)師來了解一下，能讓我們更好的理解人工智能的一些原理以及能夠讓設(shè)計(jì)師具象化到實(shí)際的設(shè)計(jì)中，甚至能基于此技術(shù)/原理來進(jìn)行相關(guān)的創(chuàng)新或研究。

整理內(nèi)容如下：（內(nèi)容基于工作及自身理解，如有概念理解錯誤，歡迎指正）

下面嘗試用較易理解方式來解釋這些名詞：

與機(jī)器人進(jìn)行對話，首先就需要讓機(jī)器人懂我們說的話，這其中，就需要來關(guān)注到自然語言處理，通過自然語言處理技術(shù)，能夠?qū)崿F(xiàn)我們與機(jī)器之間「無障礙」對話。

• 自然語言處理（NLP）：是人類與機(jī)器溝通的中介，需要靠它來理解、處理和運(yùn)用自然語言
• 自然語言理解（NLU）：指的是機(jī)器的語言理解能力，將人類語言轉(zhuǎn)化為機(jī)器可理解的內(nèi)容
• 自然語言生成（NLG）：指的是機(jī)器通過一系列的分析處理后，把計(jì)算機(jī)數(shù)據(jù)轉(zhuǎn)化生成為自然語言內(nèi)容，讓人類可理解

我把這三者關(guān)系畫了張圖示，我是以這樣的方式理解的

從圖中可進(jìn)一步看出，NLU 和 NLG 是 NLP 的子集，而 NLP 是人與機(jī)器溝通中很重要的存在。

涉及到語音就會經(jīng)常聽到 ASR 和 TTS

語音識別（ASR）：將語音內(nèi)容轉(zhuǎn)為文字

如微信里面，當(dāng)別人發(fā)的語音信息不方便外放收聽時(shí)，可以轉(zhuǎn)為文字查看

語音合成（TTS）：將文字內(nèi)容轉(zhuǎn)為語音

如現(xiàn)在很多的閱讀軟件，支持播放，有的就是利用 TTS，直接將文本內(nèi)容轉(zhuǎn)為語音播放出來。

我試著將上面提到的 NLP 和 ASR、TTS 組合起來，關(guān)系可以如下圖所示

當(dāng)我們說一句話的時(shí)候，機(jī)器知道我們表達(dá)的是什么嗎？

意圖（Intent）:一個人希望達(dá)到的目的，或者解釋為想要做什么，他的動機(jī)是什么。

如：

• 我對天貓精靈音箱說「聲音太小了」，那我的意圖是什么？意圖是「將音量調(diào)大」。
• 「看下明天上海飛北京的航班信息?！?直接意圖：查航班信息，潛在意圖：「買機(jī)票」？

槽位（Slot）：可以理解為系統(tǒng)要向用戶收集的關(guān)鍵信息。

如：

「買張明天從上海到北京的機(jī)票」

上面這句話中，獲取到意圖（買機(jī)票）；提取關(guān)鍵信息 時(shí)間（明天）、地點(diǎn)（出發(fā)地：上海；到達(dá)地：北京）
這些關(guān)鍵的信息就是槽位，當(dāng)系統(tǒng)獲知到這些信息后，就能去執(zhí)行下一步動作。

還可以這樣理解，當(dāng)我們?nèi)ャy行營業(yè)廳辦理卡的時(shí)候，會填寫一張表，表每個要填寫的選項(xiàng)，就是一個個的槽位。槽位就是為你服務(wù)的人員要從你那收集的關(guān)鍵信息。

實(shí)體（Entity）：用戶在語句中提到的具體信息

實(shí)體這詞放在生活中，我們很容易理解，就是實(shí)實(shí)在在的物體，像桌子、電腦、熊貓等等這些都是實(shí)體。

但是在人機(jī)對話中，機(jī)器理解人的語句內(nèi)容，會識別出語句中的實(shí)體信息（如：地點(diǎn)、人名、歌曲名等），然后進(jìn)行標(biāo)記。

那槽位和實(shí)體是不是講的是一回事？只是不同的說法？

我之前有一度陷入這樣的困惑中，但其實(shí)這兩者還是有所區(qū)別的。比如，一個實(shí)體是數(shù)字，但是在語句中，數(shù)字將代表不同的含義。

如：

人：有沒有10元的鮮花？ 機(jī)器人：玫瑰花10元一支 。

這句話中，實(shí)體number「10」，但這個 10 在句子中表達(dá)的是價(jià)格，所以收集到的槽位信息是價(jià)格：「10元」

這樣說可能還是不太能理解，那我們可以先了解下，在一句表達(dá)中，需要進(jìn)行槽位信息收集，但機(jī)器如何知道「買張明天從上海到北京的機(jī)票」中，「上?！故浅鞘校⑶摇干虾！故浅霭l(fā)地呢？

「上?！惯@個詞會被建立在一個城市實(shí)體詞庫中，這是「上?！鼓鼙蛔R別到是「城市」的原因。

其次，通過將解析槽位加入語料中，加以訓(xùn)練讓機(jī)器學(xué)習(xí)相關(guān)表述結(jié)構(gòu)，來獲知該句式中，收集到的第一個城市是出發(fā)地，于是把第一個城市填到對應(yīng)的槽位中。

使用什么工具來讓機(jī)器知道，這個信息是要提取的信息？

解析器（Parser）：抽取/解析用戶語句中的關(guān)鍵信息

上一個講到實(shí)體，這里講到的解析器則是這么個工具，用來抽取這些信息。比如會有些通用的解析器如時(shí)間解析器、城市解析器、歌手解析器等等。

解析器的類型也比較多，如通用解析器、詞典解析器、正則解析器、組合解析器等等，這里就不再擴(kuò)展開講具體解析器，實(shí)在過于復(fù)雜了。

命名實(shí)體識別（NER）：用來識別具有特定意義的實(shí)體。主要會包括像機(jī)構(gòu)、地名、組織等。

是不是發(fā)現(xiàn)，解析器和 NER 在做差不多的事情？我是這樣理解的，解析器的話是一個更大的存在，其中包括了 NER。解析器下會有不同類型和不同功能的工具來實(shí)現(xiàn)關(guān)鍵信息的識別/抽取。

在我們與機(jī)器人對話時(shí)，一般會涉及到四個不同類型的對話，開放域的聊天、任務(wù)驅(qū)動的對話、問答（FAQ）和推薦。

上面是在有次分享中提到的，這四個不同類型的對話，在機(jī)器人平臺中，會需要借助不同的功能模塊來實(shí)現(xiàn)。

任務(wù)對話（Task Dialogue ）：有上下文聯(lián)系，就像我們要去訂票、訂餐之類的一段任務(wù)型的對話。

我們公司產(chǎn)品中，任務(wù)引擎模塊就是做這個任務(wù)對話的創(chuàng)建，比如，要訂機(jī)票的場景。用戶在這個訂機(jī)票的場景中，會涉及到的對話內(nèi)容、流程的設(shè)計(jì)。

知識圖譜（Knowledge Graph）：這個可以理解為可視化關(guān)聯(lián)信息。
比如：查詢一個明星的身高、年齡，他的學(xué)校、他的女友，他的相關(guān)作品，這些基于這個人而構(gòu)建的信息庫，都可以通過知識圖譜在做整理。并且在構(gòu)建時(shí)能夠做到可視化的了解。

要讓機(jī)器人知道，它腦子里有貨了！

訓(xùn)練（Train）：這個概念可以這樣理解，比如你創(chuàng)建了個機(jī)器人，但是它什么都還不懂，于是你塞了堆知識給他，這時(shí)，它就需要自己訓(xùn)練學(xué)習(xí)了。訓(xùn)練好了，就能回答你塞的那堆知識里的問題了。

講到這就忍不住想用這個學(xué)習(xí)的例子，來簡單講下一般機(jī)器人的創(chuàng)建流程。像我們在學(xué)校，會經(jīng)歷上課學(xué)習(xí)新知識-復(fù)習(xí)溫習(xí)-考試-整理錯題集，以此循環(huán)進(jìn)行。

這個創(chuàng)建機(jī)器人的流程也是一樣通過知識的導(dǎo)入/創(chuàng)建-訓(xùn)練-測試-優(yōu)化-上線-優(yōu)化，以此循環(huán)，不斷強(qiáng)化機(jī)器人，讓它越來越智能。

其他：

數(shù)據(jù)標(biāo)注：將對話日志中的有價(jià)值數(shù)據(jù)做標(biāo)注（標(biāo)記/匹配/關(guān)聯(lián)之類）。

因?yàn)槿说谋磉_(dá)萬千，多種表達(dá)方式都代表的同一個意思。有時(shí)用戶說了句話，是語料庫中并不包含，于是機(jī)器人可能就答非所問了。

Ai 訓(xùn)練師們就可以將這些數(shù)據(jù)信息標(biāo)注到對應(yīng)的問題中去，這樣當(dāng)用戶再用同樣方式表述時(shí)，機(jī)器人就能如預(yù)期回答了。

講到標(biāo)注想到之前在朋友圈很火的你畫我猜，谷歌推出的這個小游戲席卷朋友圈。他們用了個如此聰明的做法，其實(shí)我們參與其中的做法就是在做數(shù)據(jù)標(biāo)注，而且還是主動提供數(shù)據(jù)的那種。

這也反映了，數(shù)據(jù)對于機(jī)器人的重要性，通過不斷的進(jìn)行數(shù)據(jù)維護(hù)和補(bǔ)充數(shù)據(jù)，機(jī)器人就會越來越理解人，表達(dá)也會越來越智能。就跟我們學(xué)習(xí)一樣，不斷學(xué)習(xí)才能夠理解其他的含義，甚至當(dāng)認(rèn)知能力提升了，看待問題的角度才能不一樣。

文章來源：優(yōu)設(shè)