日前百度AI公众号发布了《2019·AI人机交互趋势研究》一文，智库团队第一时间联系智库专家进行深度解读，同时从其他维度补充了这份报告，并进行了简要的归纳、梳理和扩充。

一、背景

从80年代开始的近四十年时间内，我们已经跨越了四个技术时代，分别是：

PC时代

互联网时代

移动互联网时代

AI时代

我们现在所处的AI时代，也正是AI技术发展历史上的第三次浪潮。早在2016年微软开发者大会上，微软CEO Satya Nadella就提出了“对话即平台”（Conversation As A Platform）概念，阐述了相比传统的使用键盘鼠标，使用自然语言和机器进行交互的方式，是AI时代最自然的入口，也带动了自然语言交互产品的蓬勃发展。

而自然语言交互产品的最核心技术就是自然语言处理。相比计算机视觉、语音识别、语音合成等感知技术，自然语言处理所取得的进展仍然达不到“自然”交互的要求。微软亚洲研究院副院长周明博士也曾提到“语言智能是人工智能皇冠上的明珠”。因此，各大厂商为了抢占AI时代的入口，纷纷推出了自己的自然语言交互产品，也进一步促进了对自然语言处理、知识图谱、深度学习的研究和落地，产生了大量的阶段性成果。

总体来看，自然语言交互产品在取得进步的同时，离人类所期望的真实交互体验还相差甚远，这不仅仅是单一技术的问题，而是在一个系统工程中，如何提升认知智能的开放性难题。本文借鉴百度报告，梳理了自然语言交互产品的形态、功能、应用场景、技术、数据以及相关人才的基本情况和未来趋势。

二、产品形态

1. 现状：

a)纯软件产品。是指借助其他平台（例如手机微信）进行交互的产品，大多数是为了辅助用户解决特定问题，或进行闲聊陪伴。例如，个人助理产品Siri，Cortana，智能客服小i机器人，闲聊产品微软小冰，微信琥珀，助手类产品例如阿里小蜜等。

b) 软硬件结合产品。是指基于特定硬件开发的交互产品，例如，聊天机器人产品公子小白、天猫精灵、小爱同学、亚马逊Echo等，带触摸屏的聊天机器人小度在家、腾讯叮当智能屏音箱等，以及可以移动或做特定动作的优必选悟空机器人、日本软银的Pepper等。

2. 趋势：

目前市场上大多数产品仅能进行语音交互，并且功能较为局限，不具备认知能力。聊天机器人的下一代范式是虚拟生命，用人工智能技术模拟生命的主要特征，以多形态和多模态进行交互，具备强大的感知和认知能力，并进一步实现自我认知和自我进化。

简单来说，虚拟生命是具备认知功能的多模态聊天机器人。百度的报告中也提到，触控、语音、手势、人脸会成为多模态融合的主流通道。例如狗尾草智能科技2017年推出的世界上首个虚拟生命产品“琥珀·虚颜”，不仅具备语言交互能力，还具备视觉、听觉、动作、姿态等能力。

在虚拟生命赛道上，目前除了狗尾草智能科技的琥珀·虚颜系列产品之外，还有日本LINE子公司Gatebox Inc.于2018年推出的Gatebox。

由于涉及多模态识别和认知技术，在融合过程中的响应速度、识别率、以及综合各种信息的算法判断方面还需要进一步提升。

三、产品功能

1. 现状：

a) 闲聊，大部分自然语言交互产品均具备闲聊功能，主要包括客观的话题讨论和主观的情感表达。微软小冰是目前效果较好的中文闲聊交互产品之一。

b) 问答，大部分具备儿童教育功能的自然语言交互产品都支持问答，比如说百科知识问答、课本问答等。代表性产品包括公子小白、小米音箱等。主要实现方式是通过建立相关知识库，通过自然语言处理技术进行问答交互。

c) 对话，部分自然语言交互产品，尤其是个人助理类产品，支持基于特定任务和目的的对话，对话流程一般是多轮，例如为用户预订机票、预订咖啡等。在2018年谷歌开发者大会上，谷歌语音助手也让用户体验了预约餐厅、预约理发店等功能。

2. 趋势：

a) 支持更复杂的问答交互。例如类似“姚明女儿的国籍是什么”的问题，需要通过构建知识图谱，并进行多源融合，从而支持推理和联想。同时，对于常识问答也需逐步支持。

b) 更加自然的主动交互。牵扯到对用户信息的主动认知，在多模态交互中记忆用户的信息并构建用户知识图谱，根据特定场景，触发主动交互及推荐。

c) 自我认知。百度报告中也提到智能体开始拥有明确的人设。人设意味着智能体需要拥有不同性格。例如在“琥珀·虚颜”这款产品中，琥珀这个IP有着自己的生活轴和心情，通过和用户的交互，不断改变自己的状态。

在认知交互的发展中，需要注意的一个问题是信息统一和一致，我们经常在和自然语言交互产品的对话中，发现其自我矛盾的回答（比如年龄不一致）。因此，构建特定知识图谱（IP图谱、用户图谱、百科图谱、领域图谱等）对于解决此类问题非常有帮助。

四、应用场景

1. 现状：

a) 在2B端，自然语言交互产品的应用非常广泛，在医疗领域可以作为医生的诊疗辅助，在金融领域可以提供多方面的自然语言问答，让机器人客服更加友好，在车载领域可以解放驾驶员双手，使用语音进行车内设备控制。

b) 在2C端，大量的娱乐化产品、儿童教育产品和情感陪伴产品，跨越从儿童到青年到老年看护的不同需求。结合物联网和语音交互，智能家居互连也得到了广泛的认同和发展。

c) 在2G端，自然语言交互产品应用于政务领域可以解决政策梳理、智能搜索等问题，在安全领域可以结合大数据，发现潜在的安全隐患。

2. 趋势：

多设备融合及信息互联是未来的一个趋势，例如在车载领域，车载语音交互产品不仅仅可以理解用户当前的驾车需求（例如目的地，停车场等），还会根据用户的个人信息，进行更精准的推荐（例如餐馆、宾馆等）。另外，体验感方面的提升，也进一步推动了AI智能客服的发展，尤其是在银行、政府办事机构等大量客服人员集中的场景下，有广阔的空间。

五、技术

1. 现状：

a) 感知智能。随着深度学习的迅猛发展，包括人脸识别、语音识别、声纹识别、情绪识别等多项技术都突破了人类最好的效果。

b) 检索型交互。大多数自然语言交互产品采用了检索型交互，此项技术的核心在于问答数据库的建立和更加精准的检索方法。相比传统的基于字或者词的检索方法，词嵌入方法可以匹配出语义相关的句子，因此得到越来越多的青睐。

c) 深度学习和自然语言处理。在深度学习的支持下，自然语言处理也取得了长足的进步，例如在语言模型方面，在BERT出现后的半年左右，GPT-2进一步刷新了大量任务的基线标准。

2. 趋势：

a) 认知智能。知识图谱是实现从感知到认知跨越的基石之一。知识图谱的落地还较为困难，需要进一步的研究和发展。

b) 生成模型需要进一步发展。生成模型目前的效果并不是很好，而且很难支持多轮问答。如何结合上下文进行多轮交互，是目前理论界研究的重要方向之一。

c) 多模态技术。百度报告中也提出，生理信号检测、手势识别等，还需要进一步发展和落地。尤其是在多源数据融合中，在工程实践上需要大量的工作。

六、数据

1. 现状：大数据时代提供了海量的数据，自然语言交互产品可以基于这些数据进行更丰富的对话，但问题在于，领域内数据的搜集代价较高，免费的互联网数据通常质量参差不齐，因此，在产品中做到良好的交互体验，需要对数据进行大量的预处理。

2. 趋势：从数据到信息到知识的路径还在继续，针对领域的小数据需要更加精确，而对人类知识的梳理和整合也是非常有必要的事情。

七、人才

1. 现状：打造一款自然语言交互产品需要来自不同领域的人才，目前从事这个行业的技术人员背景，包括自然语言处理，数据库和大数据，知识图谱，机器学习等。在落地层面，还需要大量的工程人员配合，同时，产品端也需要具有技术能力的产品经理。

2. 趋势：知识图谱工程师、AI产品经理等职位都是近年来新兴的岗位。对于知识图谱工程师，除了内部培养之外，校招可以关注数据库、大数据方向的学生。而AI产品经理，一方面可以寻找具备良好产品感的技术人员，另一方面可以挖掘传统互联网产品经理中对技术有一定理解的人员。

--------------------------------------------------

［声明］本站系本网编辑转载，转载目的在于传递更多信息，并不代表本网赞同其观点和对其真实性负责。如涉及作品内容、版权和其它问题，请在30日内与本网联系，我们将在第一时间删除内容，本站文章版权归原作者所有，内容为作者个人观点，本站只提供参考并不构成任何投资及应用建议。本站拥有对此声明的最终解释权。