智能代理让机器“闻弦歌知雅意”

 目前，数字助手所具备的基于脚本的伪智能已经远远满足不了市场需求。能够适应并理解语境的数字助手，即智能代理将应运而生。

语音识别飞速发展

 过去，计算机语音识别效果很差，有效果时反而会令我们诧异；如今，语音识别效果非常好，一旦出错，我们就难以接受。在过去五年间，语音识别功能以年均15%-20%的速度发展，目前已经达到很高的精确程度。通过语音识别技术与智能手机交流，让数字助手帮忙指引路径、推荐好看的电视剧、给朋友发送信息，已经成为很多人日常生活的一部分。

 这主要得益于以下三大因素：

 首先，教计算机理解语言时，需要使用大量的样本数据。随着搜索引擎数据的井喷，样本数据的数量已经增长了100倍。

 其次，研究人员已经开发出了一种名为“深度神经网络”的新算法，专门用来模拟人脑识别各种模式。

 最后，语音识别技术已经从终端转移到云上，云端可以维护大量数据集，计算能力和内存也是近乎无限的。随着移动网络时延的缩短，通过网络传输语言将逐渐达到实时的效果。

 不过，要想让人机交流变得更加自然，机器必须要理解人类的语言。目前的数字助手看似非常智能，但实际上，它们使用了一种非常浅显的语言理解形式，即识别用户希望完成的任务和这项任务的属性。

 一般情况下，语音识别系统能够识别明确任务领域的短语（通常是个动词），例如呼叫、警告、找到等。如果无法从用户的陈述中找到必要信息，就会以脚本对话的形式要求获得更多信息。

 虽然目前的数字助手也可以执行用户的命令，但是与人类私人管家相比还天差地别。私人管家可以本能地理解人类的意图，甚至还能提供额外的建议。如今的数字助手一旦脱离预设的任务范围就不知所措，无法预测问题并给出解决方案，也不能发挥主观能动性。用户必须给出所有信息，即便如此，有时也得不到想要的答案。很快，人类将对数字助手的伪智能感到沮丧，进而要求它们具备真正的智能。

机器如何像人一样对话？

 在可穿戴设备、自动驾驶汽车、机器人和嵌入式智慧家庭应用进入寻常百姓家的极致创新时代，能够像人一样对话并执行任务的智能代理将是什么样的呢？

 在AI研究人员眼中，智能代理需要根据过去的经验作出决策。但是消费者则期望智能代理具备更多功能。

 对话：智能代理的语言理解能力不再停留在浅显的表面。计算机常常无法理解用户的意图，或对用户的指示感到困惑，不得不借助网络搜索。出现这种情况，是因为电脑没有真正理解用户的话，无法识别任务的类型，无法依靠事先确定好的脚本来询问更多细节。相比之下，一旦遇到不清楚的地方，人类就会进一步询问。例如，他们会说：“对不起，您要找哪种餐厅？”

 解释：对话系统可以依靠更深入的语言模型解释为什么会提出某个建议。例如，如果我问家里的智能电视有什么法律题材的电视剧可以推荐，电视可能会建议我看《超胆侠》。可是一开始我并不知道，这个电视的男主角白天是律师，晚上就化身超胆侠，将逍遥法外的恶徒就地正法。此时，电视就需要向我解释一下，为什么要推荐这部从名称上听起来跟法律无关的电视剧了。

 机智：智能代理要像人类一样足智多谋，具有主观洞察力，遇到问题时，要想方设法寻找解决方案。例如，智能代理需要提醒我，我和同事预约共进午餐的那个餐厅当天不营业，因为那天是宗教节日。

 专注：智能代理必须时刻保持专注。如果我的孩子说牛奶喝完了，智能代理需要立刻做出反应，将牛奶加入在线购物车里，而不需要我给它指示。

 对社交环境有敏锐洞察：当我在和他人交流时，智能代理必须搞清楚什么情况下能打断我们，什么时候不能。

 了解语境：实际上，社交智能是更广泛的语境智能的一小部分，但却非常重要。智能代理必须明确了解用户所处的环境，并主动选择用户在类似环境中曾经使用过的服务。例如，晚餐快结束的时候，智能代理要能主动帮用户叫出租车。

 与人互动：或许最重要的一点是，智能代理能够与人交流互动。在人与人的对话中，若一方提出紧急需求，另一方就会给予响应；一方讲了一个笑话，另一方就会被逗乐；一方提出忧心的事，另一方就会给出建议。智能代理并非为了替代人类伴侣，但还是要达到真实的对话效果，该笑的时候笑，该表示关切的时候表示关切，该提供解决方案的时候能提供解决方案。

 未来，机器人、自动驾驶汽车、智慧家庭应用需要通过适当的方式实现对话、解释、规划、互动功能，这些都对深度智能提出了更高要求。要想达到这一高度，自然语言处理技术的发展至关重要。