未来，AI+多轮对话将怎样玩转智能客服

纵观互联网时代的发展历程，PC时代的标签是“简洁”，输入关键词是两秒钟，获得结果是一秒钟，用户追求越快越好的体验；而到了当下，人工智能时代的标签已变成“多轮对话”，用户已不在乎多花几秒钟时间，而是更希望企业帮助他们整理思维过程并在此过程中获得更适合自身情况的结果。谈及对未来的构想时，百度CEO李彦宏说，未来五年、十年，人们主要获取信息的方式会变成多轮对话，而不是简单的关键词输入的方式。本文将从未来多轮对话在智能客服的应用方面展开详述。

多轮对话通常是有问有答，在用户提问内容不够清晰的时候，机器也会主动向用户询问，并且会根据上下文来判断该给出什么样的答案或提出什么样的问题。也就是说，基于一定的对话逻辑，允许人机进行多轮次的互动，从而让机器理解用户的深层意图并提供反馈。未来，多轮对话会应用在获取信息的各种渠道。

当下的客服仅针对单个问句进行信息提取，要求想要咨询的信息都包含在问句中，对缺省信息及语义的获取能力较差，对上下文的信息的理解也局限于信息检索的方式。我们希望多轮对话能较好地应用于智能客服，在信息不够完整，表意不够明确或信息有歧义的情况下，智能客服能对用户进行追问、反问，将信息要素补充完整后再给出确切答案。

通常，用户的意图通常需要多次对话才能表述完整，目前多轮对话的应用还存在应用范围狭窄和智能水平低下的特点。

第一，多轮对话应用范围狭窄。

我们最常看到的例子是智能助手们对询问天气的处理。比如说用户提问：“上海的天气怎么样？”得到准确回复，用户再接着问“北京的呢”，这个时候已经把“天气怎么样”几个字省略了，机器需经过记忆和推理模块，自动生成新的问题“北京今天天气怎么样呢”并给出正确答案。

未来的多轮对话不再拘泥于对天气询问、刘德华的身高等等的常见问题的回答，它在智能客服的业务中的应用中将会大展拳脚。

第二，多轮对话智能水平低下。

我们无法要求终端客户有更好的语言表达能力，客户大部分时候只会描述他看到的现象和出现的结果。客服系统中的客服聊天语料不同于传统问答系统中的书面问句，现在的多轮对话无法提取用户问句中这些在人看来显而易见的信息，具有不理解非完整结构语句、不理解主体指代、无法主动获取需求的特点，往往给出令人啼笑皆非的答案。

未来，与多轮对话相结合的智能客服将会改变这一局面。届时智能客服能解决的高频问题可能会更多，范围也更广。那么，未来的多轮对话会如何处理用户表述中结构不完整、主体指代、需求未完整描述的情况呢？

首先，当用户输入的部分句子结构不完整时，智能客服也能理解用户的意图。这种情况往往出现在上下文中隐含了双方共同了解的成分或者即使缺少了相应成分也不会产生太多的歧义情况下。

如用户这样询问：“买你们家的商品寄到北京运费多少钱？”智能客服回答：“快递到北京运费为10元。”用户继续问：“那到山东呢？”这句话的全部表意是：那到山东的运费呢？这时智能客服理解用户的问句中省略了“的运费”，回答道：“快递到山东运费为10元。”

不仅如此，若用户在与客服系统交流的过程中连续论述同一主题也会在交互过程中也会用代词指代前面提到的主题名称，未来的智能客服能识别用户指代的是前文提到的哪一名词并给出准确回答。

拿购物的场景举例，购物中最一般的流程为商品信息咨询、物流信息咨询、议价和交易完成后处理。一般的问题并不会在一次对话就被解决，因此用户在表述时时常会出现主体指代的情况。如顾客议价完成后如不满议价结果，用户会继续追问，此时其表述中会出现代词指代之前对话中的某一商品。

如在购物场景中用户询问：“在你们店多买红色衣服能不能送赠品？”智能客服回答：“对不起，本商品赠品已送完。”用户接着询问：“之前买了一件这个都送了，这次怎么不送了？”智能客服理解用户问句里的“这个”指代上一个问句中的“红色衣服”，于是回答道：“对不起，该商品（红色衣服）赠品有限，赠完为止。”

最后，当用户的需要需要确定一个动作，需要一系列的属性时，未来的智能客服能够带着识别和反问出这些属性的目的与用户对话，并根据这些信息为用户提供其想要的结果。

以订机票这个场景为例，这个场景涉及到时间、地点、航班号、航空公司等属性，未来的智能客服能从与用户的对话中识别这些要素并根据用户提出的其他要求返回满足其要求的答案。理想中多轮对话达到的效果应该是这样:

告诉智能客服“帮我订一张从深圳到上海的便宜机票”，智能客服会抓取“深圳”“上海”“机票”等关键词进行检索并返回结果。但当用户问出这句话时其实有四点潜在限定：

1）机票要足够便宜。

2）订机票一定涉及时间（但我没有主动表达）。

3）是否对航空公司选择有要求（但我没有主动表达）。

4）是否有未提及的要求。

传统的智能客服不会对这两点模糊表达做出反应，而我们则期待智能客服能够进一步追问，比如“何时出行？”用户回答：“3月15日。”智能客服接着追问：“您选择在哪个时间段出发？”用户回答道：“下午，不要太晚。”

在确认用户的出发时间后，智能客服接着询问：“3月15日下午从深圳到上海最便宜（需要将便宜这个概念数学化）的机票最低1380元是否接受？”用户进而回应：“行。”此时，用户突然改变主意，补充道：“算了，还是上午吧，才想起来下午回去还有个会。”于是智能客服继续询问：“符合条件的上午的航班有南方航空A航班和东方航空B航班两个航班，是否对航空公司选择有要求。”用户这样回应：“选B航班吧，可以积分。”于是用户确认选择，智能客服就这样成功帮助用户选择了最符合预期的航班。

不难看出，未来的智能客服通过在对话过程中不断注入变量，进而理解上下文的理解逐渐逼近用户真实想法，然后提供个性化的解决方案。

自然语言对话有许多应用场景，比如，如果用户能够理解用户表述中的指代和省略部分,并通过多轮对话在智能手机上完成订酒店之类的复杂任务，那么智能客服就会真正成为用户的得力助手。这里的核心问题是如何“理解”用户的语言，帮助用户完成任务。自然语言对话的研究与开发，已经取得了一定的进展，我们一直在实现在复杂场景下的实用化和实现人工智能的理想康庄大道前行。

未来即将到来，我们拭目以待。

欢迎关注公众号：zhuiyikeji