要鉴别真假对话人工智能，你必须首先知道这几个技能领域：
1、语音转文本：STT
和机器人对话，它吸收到你的语音第一步要做的便是STT。在这个领域里，顶级玩家便是Google, 科大讯飞，百度，微软这些大公司了。
2、文本处理
语音转成文本之后，机器如何真正理解，就须要进行文本处理了。这便是我们之前听了不明觉厉的NLP、NLU——自然措辞处理/理解的范畴。它的核心功能是把文本里的信息提取，搞清楚词性，比如动词、名词、状语……然后将这些词性转换成数学处理所需的向量
目前，利用麻省理工大学、斯坦福大学的开源工具，文本处理的准确率可以达到90%旁边。但是如果想提高准确率，就须要不断扩展的大数据，并不断补充时下热词，比如“怪蜀黍”、“安利”、“free style”……这种NLP的前辈技能在中英文处理方面，成效尤为明显。大多数的人工智能公司都通过自己的标记数据构建了这项技能。工程师们常用的的开源平台有NLPIR，Spacy，NLTK，Stanford Core NLP，Textblob，Gensim。悄悄见告大家，实在很多海内所谓搞NLP的公司，没准就用了上面某平台的技能呢，只是换了个壳而已~~
但是做完文本分析，理解了用户句子中的主谓宾构造后，创造这些信息在很大程度上并不干系联，机器人不知道它详细要表达什么意思，这不是很糟心吗？毕竟机器人终极目的是要捕捉说话者的意图并给予反馈的。要用这些数据创建对话更是难上加难。因此接下来便是全体对话系统里技能含量最高的部分。
3、利用机器学习/深度学习分辨文本意图
这个阶段是对文本表达的“意图”进行分类，核心是利用文本提取的信息去确认“中央思想”。比如，在“我想坐下午3点的飞机去东京”这句话里，文本的“形式”包括韶光：下午3点，目的地东京，出发点为现在的定位城市，其“意图”则是预定航班。
做这项事情的工具非常多，它们常日利用Python的科学打算工具包，例如scikit-learn，或在tensorflow上构建深度学习模型。当标记数据输入系统后，它们则被用来演习机器，以更好地提取文本“意图”或“形式”。你可能问题来了，判断这个“意图”和“形式”有那么繁芜么？还须要机器学习和深度学习？是的，由于人类措辞很繁芜，相同意图有各种表达办法。让系统辨析语法，尽可能多地分辨出相同意图不同的表达办法，这种事情要花掉开拓者大量的韶光。人工智能在此的本领在于，同样是问韶光，无论是6种问法还是10种问法，机器可以通过过往的数据学习，分辨出你的目的都是“查询韶光”。
4、对话管理
一旦理解到句子的“意图”，机器人下一步便是选择对话路径：是要调用运用程序接口API去获取维基百科信息，还是从数据库里调取问题的答案，或者利用之前深度学习的数据天生新的答案，或者是基于对话树中所处的枝干，做出基本的对话反馈。
5、末了一步，便是将可以精确反馈给用户的文本转换针言音，说出来，即TTS。
从吸收信息、处理信息到反馈信息这五步下来，才完成了机器对话的单轮效果。但在这五步里，最关键、常日也是最难的部分便是第三和第四步。由于这须要大量的数据及手工作业。比如第三步须要大量经由分辨的“意图”和“形式”以及标记数据。第四步哀求手动编程构建对话框架。险些每一个科技巨子都希望扎进这两个领域里做打破。这也是为什么Google买了Api.ai，Facebook购买了wit.ai, 思科买了Mindmeld，微软买了Maluuba,以及最近百度买了Kitt.ai。
虽然这些平台的做事形式有所不同，但基本上都向开拓者供应了语音识别和机器学习做事。该做事能将语音命令转换为笔墨，并把这些笔墨转化为可操作的数据。同时，它们可以支持大略的对话管理，为程序员画对话树草图供应了非常大略有效的工具。大公司为了在第三和第四步阶段争夺数据，自然会购买这些为开拓者供应简便工具的公司，以此获取大量数据。数据是一方面，大公司还希望在“听清”、“听懂”根本上，通过收购这些开源平台增强对生活中繁芜指令的识别能力。毕竟各行各业都有须要构建人机交互的开拓者，他们会在这些平台上聚拢大量的细分场景数据。
对付思科这样的公司，如果加大软件投入，那么AI一定是构建未来产品竞争力的根本。收购MindMeld之后，思科将在MindMeld团队根本上成立集团层面的认知协作团队。
那么Facebook收购wit.ai的情由也和业务极大干系。Wit.ai将帮助Facebook供应语音掌握工具，为Messenger供应语音到文本的输入支持。Facebook不是说了么，自己的义务是：通过轶群非凡的体验让平台上13亿用户更好的连接在一起。那么通过技能手段理解自然措辞一定是这幅蓝图里中浓墨重彩的一笔。
有人说，wit.ai这样的公司在NLU民主化方面做出了重大贡献。这是不假，不把这块难啃的骨头干掉，机器对话的构建是无法完成的。
看了这么多，你该当明白想让机器张嘴说一句精确的话，有多难。这还只是一句，Free Style 的多轮畅谈目前就更别想了。不过，在细分场景下，足够干净的数据，足够构造化的语境，是可以演习出相称聪明的机器人的。比如教诲场景下，对话口语传授教化机器人，便是一个不错的考试测验方向。期待教诲行业里有识之士能够在此方面有所打破。
本文来自投稿，作者知茗不具，从事教诲培训行业宣布和创投做事6年，长期深入关注行业内部动态和周边家当发展，目前聚焦人工智能在措辞学习领域的运用，曾担当创业黑马公司高管、牛投网总裁等职务。感谢开豆英语首席科学家、约翰霍普金斯大学Dhonam Pemba博士对本文的辅导。