为什么说智能式对话开始进入了黄金时期？

引言

对话式人工智能充当人与计算机之间的接口可以实现人机双向互动。 虽然该技术可应用于每个垂直行业，但是目前它通常与呼叫中心、虚拟助理、聊天机器人联系在一起。 得益于过去几年机器学习和人工智能的突破，对话式人工智能已经超越了聊天机器人，并且涵盖了各种应用场景。

对话式人工智能已经存在了好几年了，但这项技术仅限在实验室中。然而，现在由于人工智能技术、加速计算和机器学习模型的进步，对话式人工智能已准备好作为主流技术进入商业世界，尤其是在客户体验领域。

本月初，来自 T-Mobile、RingCentral 和 Hugging Face 的专家小组齐聚 NVIDIA 2021 GTC 会议，讨论对话式 AI 如何增强他们的业务，并分享这一新兴技术未来的趋势。在发布会上，NVIDIA 还推出了 Riva Custom Voice，这是一款全新的工具包，它只需 30 分钟的语音记录数据就可用于创建自定义语音。

NVIDIA 负责 AI/HPC（高性能计算）软件产品管理的副总裁 Kari Briski 表示，围绕语音合成和语音数据的创新，将“改变虚拟助手和聊天机器人的连接和回复方式”。使用数据来构建新的对话式 AI 模型将会有很大的发展机会，这些模型会考虑人们的口音和不同的音频环境，例如嘈杂的咖啡店和户外体育赛事。

正文开始

1

AI自学习

RingCentral 会话人工智能助理副总裁 Prashant Kukde 说：”在未来，人工智能会定义自己的数据，就像背景过滤器模糊了凌乱的房间一样，它可以充当实时背景过滤器，以消除非母语人士说话时的口音， 同时另一端的人会听到他们熟悉的口音。这是双向对话 AI 的概念中的一个例子。“

回到今天，RingCentral 目前的重点是将人工智能应用于虚拟会议中常见的自发对话。统一通信服务(UCaaS)提供商正在将会话人工智能捆绑到其现有产品组合中。它最近推出了一个新的自动摘要功能，可以生成从语音到文本的会议摘要，为与会者提供更好的体验并提高工作效率。

2

每个呼叫中心都需要AI

而T-Mobile的对话式AI部署范围从支持T-Mobile员工到面向外部的客户。T-Mobile在其呼叫中心使用人工智能，通过聊天机器人和自助服务记录客户和客服人员之间的对话。这家无线运营商还使用人工智能将对话从语音转录为文本，以帮助呼叫中心的工作人员。

新冠疫情发生后，T-Mobile的呼叫中心因资金困难而接到了大量的支付申请。T-Mobile推出了一款聊天机器人，帮助客户进行支付安排，从而实现了这项简单任务的自动化。T-Mobile没有想到的是，推出一个小项目就能获得如此高的投资回报(ROI)，而这个小项目却变成了一个被广泛使用的工具。

“我们以为聊天机器人只能活到冠状病毒季节。但在它诞生的头18个月里，我们从这个聊天机器人那里获得了750%的投资回报率，”T-Mobile的首席机器学习工程师希瑟·诺里斯(Heather Nolis)说。“在我们的呼叫中心，有许多例行任务是不需要人工的。事实上，我们发现大约30%的客户不愿意与人交谈，他们更喜欢对话助理。”

3

AI会话将持续发展

在过去三年中，对话式 AI 已经发展到包括新型模型，这些模型在文本总结、文本分类、情绪理解等方面，效果都得到了极大的提升，除此之外在语音和视觉方面做更多的事情。展望未来，对话式人工智能将通过模型、检测点和功能实现进行协作驱动。Transformers 开源自然语言处理 (NLP) 库的创建者 Hugging Face 的产品总监Jeff Boudier表示，这意味着公司将不得不采用更务实的人工智能，以解决业务问题而不是解决方案。

Boudier说:“过去三年的主要挑战之一是将科学带到实践者的手中，务实的人工智能要求尽可能多地使用开源技术。人们正在构建的一个有生命的系统。”

Hugging Face 的Transformers 开源库鼓励来自不同行业的人共同探索开发。目前有大约200种语言的1600多个公共数据集。每个人都可以访问由1000名贡献者(而且还在增长)组成的社区提供的70000个免费变压器模型。这些数据集包括从文本分类到转录音频，再到识别照片和视频中的物体。

会话型人工智能的最终目标是一个开放、协作的未来。但在能够做到这一点之前，首先需要了解为什么要开发聊天机器人和其它基于人工智能的服务。RingCentral 的 Kukde 认为应该逐渐引入对话式人工智能，并将其定位在一种不会让人们觉得它正在接管他们的工作的方式，当人工智能逐渐被引入时，可以有时间收集更多数据的反馈，更好的培训，并为未来继续建设。

对于公司来说，一个好的策略是创建聊天机器人，为用户提供良好的体验，同时了解聊天机器人应该和不应该在哪些地方使用很重要。任何打造聊天机器人的人都应该通过查看用户在社交媒体上的互动、投诉以及与客服人员的对话，来倾听用户的意见。如果我们正在构建的人工智能不能做人类能做的事情，那么我们会让人类处理它，因为我们真的很在乎我们的客户服务质量。