转载

对话式AI的5个层级

作者：Alan Nichol @ Rasa

自从我们第一次发布了 人工智能助手的5个层级 ，我在会议上讲过，社区上也评论过，对它们做了拆解并进一步思考。现在市场和技术都变了，是时候对它们进行更新了。

对话式人工智能很难，这是一个巨大的机会。我们有机会打造软件史上最人性化的应用。在阅读这篇文章时，我希望你能记住一个想法：终端用户已经在告诉我们他们想要从AI助手那里得到什么，而要达到5级，我们 "只要"倾听。

对话式AI的5个层级

为什么这很重要

互联网和智能手机让我们这一代人的旅行（以及许多其他事情）变得非常容易。但我身边的人却因为对技术缺乏信心而被甩在后面。如果我们能以与其他人类互动的方式来使用科技，我们就有机会打造出服务于更多人的软件。

让任何人都可以使用对话式人工智能（AI）已经很难，但可以却还不够。我们还需要赋予各类人创造这些应用的能力。这项技术有一百万种重要的用途，而大的科技公司永远不会建立这些用途（下图是一些示例）。唯一的办法就是通过大规模的开发者运动来实现。

对话式AI的5个层级

如果你正在阅读这篇文章，你可能曾经构建过对话式AI，并且知道这并不容易。你和我以及每一个有这方面经验的人都欠下一代开发者一个人情，那就是构建更好的工具和抽象，这样他们就不用硬着头皮去发现它有多难。

对话式AI的5个层级

要想让人工智能助手为大家服务，无论是终端用户还是开发者的体验都需要获得大幅提升。

对话式AI的5个层级

终端用户视角

随着我们在五个层级的进步，对话助手会变得更加适应人类的思维方式，而不再感觉像是一个API终端。

让我们以一个人获得抵押贷款的报价为例。在每一个层次上，我们都在降低终端用户的负担，将他们想要的东西（一个新的居住地）翻译成银行的语言（30年固定利率抵押贷款的报价）。

在每个级别上，我们都在降低终端用户的负担，将他们想要的东西翻译成银行的语言。

层级1的助理把所有的工作都放在终端用户身上。静态网页表格是一个例子，命令行应用程序是另一个例子。记住，在Windows出现之前，每个人都是这样使用电脑的。命令行应用程序对专家来说是很好的（我自己就是个超级粉丝），但学习曲线很陡峭。生成抵押贷款报价的命令可能是这样的。

对话式AI的5个层级

这就要求终端用户知道具体要输入哪些字段。虽然很麻烦，但还是比手工计算方便多了。

层级2的助理是基础的聊天机器人。如果用户说了类似 "我对抵押贷款利率感兴趣 "的话，聊天机器人就会问他们一系列问题，收集我们之前在命令行中提供的相同信息。

对话式AI的5个层级

层级2的助理令人沮丧的是，当你偏离快乐路径时，它们就会严重崩溃。用户可以用自然语言表达他们的目标（"我想要一个抵押贷款"），并提供信息（"请提供固定利率"），但他们必须完全按照助手的期望行事。按照快乐路径，用户必须提供机器人要求的信息，而不能做任何意外的事情。

层级3的助理是 情境助手，用户可以获得一些解释。 "这个月供和租房相比如何？"，"人们通常需要多长时间才能还清？"，他们可以纠正自己的想法，或者改变自己的想法，而不会破坏对话。用户仍然要知道自己的目标到底是什么（"我想要一个抵押贷款的报价"），但他们不再需要知道如何使用助手来避免中断对话。

对话式AI的5个层级

层级4的助理是 咨询型助手 。 用户可以用自己的语言表达自己的情况， 比如 "我的孩子已经上大学了，我想缩小规模"。房贷优惠可能是最终的结果，但用户不必知道。用户说清楚情况，助手的工作就是想办法帮助他。

对话式AI的5个层级

层级5的助理是 适应性助手 。助手可以摸清用户此时此刻正在寻找的细节程度。也许他们只是想知道现在典型的固定利率在3-3.5%左右，或者他们想计算一个详细的报价。也许他们已经做了很多研究，需要额外的说明。5级助手会接收到提示并调整其行为。

对话式AI的5个层级

在每个层级上，我们都在降低最终用户的负担，将他们想要的东西翻译成银行的语言。这正是对话式AI的价值所在。但要实现这一点，我们需要一个拥有工具的开发者社区来推动可能的边界。

开发商视角

世界在变，而且有时变得很快。AI必须能够跟上。

对话式AI有两个影响开发者体验的独特之处。

第一，终端用户真的是在告诉我们他们想要什么。对于其他类型的软件，我们真正能做的就是追踪人们点击的位置，猜测他们想要什么。但是，我们需要达到5级理解的信息已经存在于人们与我们的助手的对话中。我们 "只是 "需要工具从真实对话中学习，并挖掘这一资源。

第二，不仅仅是开发者可以推动助手的进化。因为终端用户可以说任何话，用户也可以通过改变自己的行为来推动人工智能助手的变化。在我写这篇文章的时候，我们正在经历一场由COVID-19引起的公共卫生和经济危机。我相信，今天运行的任何与抵押贷款相关的AI助手都会收到大量来自新失业者的信息，他们正在为每月的付款而担忧。世界在变，而且有时变得很快。AI必须能够跟上。

所以，5个层次的第二个视角是开发者的视角。通过5个层次，开发者的体验并不是单纯地越来越简单，而是一个角色的进化。

我们不要忘记我们要做什么。我们要构建一个能够与人类自然对话的软件，同时代表人类完成任务。这是非常困难的。从2级到3级，甚至更高的级别，我们正在将 "翻译 "的负担从终端用户转移到助手身上。我们不能再强迫用户像我们一样去思考问题。而这对我们如何构建软件也有影响。

在第1层，开发者很容易添加新功能。我们可以发布一个新版本的命令行工具以及新的文档，而终端用户则要了解新功能。我们已经将问题分割成独立的组件，并定义了这些组件如何组成的硬性规则。

对话式AI的5个层级

到了第2级，随着助手的发展，增加新功能的难度越来越大。第2级的助手是用一组固定的意图和一组描述在不同情境下如何响应的if语句来构建的。当你添加新功能时，你必须解决一个难题：如何在不破坏其他所有功能的情况下添加这个新功能？通过用另一个if语句解决每一个边缘情况，你建立了一个纸牌屋，变得越来越难修改。这个问题太难了，所以我们决定启动Rasa来尝试解决这个问题。

到了第3级，我们开始接纳用户思考问题的方式和开发者不一样，并不是每一条消息都可以整齐划一地归入一个意图。作为开发者，我们喜欢把较大的问题拆成独立的组件。但为了实现流畅的对话，我们必须适应用户不尊重我们划定的边界。例如，抵押贷款和储蓄账户都有与之相关的利率（尽管这些含义非常不同）。而且人们也会谈论 "储蓄"按揭存款。对银行来说，这些都是独立的产品，但对客户来说，这些只是达到目的的手段。我们必须观察用户是如何与我们的助手交谈的，并利用这些信息来教助手如何交谈。换句话说，我们必须实践 对话驱动开发（CDD） 。 要想真正迈过第2级，很多事情都要改变，包括摆脱意图。 这是一个很难解决的问题，但把助手往3、4、5级推进，正是Rasa存在的意义。

在第4级，我们开始自动化部分CDD流程。自动发现哪些对话成功，哪些对话失败（以及失败在哪里）正是流程中的一环。当助手获得了判断对话成功与否的能力，就可以自动将成功的对话转化为新的训练数据，并准确地指出开发者应该修正的错误，从而进一步提高助手的能力。

到了5级，我们在技术上已经可以实现CDD的完全自动化。为了给助手增加新的能力，我们提供了如何完成任务的业务逻辑，通过几次练习对话，助手就可以像完成既定任务一样有效地完成新任务，并且可以在它们之间进行切换，同时考虑到上下文。虽然从真实对话中学习的过程在很大程度上可以变得比较自动化，但我认为应该让人参与进来，引导学习过程，设定方向，并警惕有问题的行为。为人类服务的软件应该由人类创造。

我们可以看到，随着我们从第2级发展到第3、4、5级，开发人员的角色也在不断变化。他们不是通过在微观层面增加更多的逻辑来与边缘情况搏斗，而是架构一个系统，自行处理小规模的决策。我们可以与另一个拥抱数据和自动化的软件工程领域进行类比： 应用性能监控 。先进的APM基础架构可以让开发人员监控复杂的服务系统，并且更智能地响应系统的变化。有了这个基础架构，工程师可以构建和扩展系统，如果没有这种自动化，就无法维护。

我们将如何实现这一目标

Meena（介绍见开域聊天机器人技术介绍（未来篇：上））和 BlenderBot（介绍见开域聊天机器人技术介绍（未来篇：下））很酷，但3级、4级或5级对话式人工智能不会在一家大型科技公司的新闻稿中到来。我们不是在等待一个单一的突破，或者另一个更大的模型。自我们开始研究这个问题以来的几年里，我一直对建立从真实对话中学习并超越2级所需的基础设施和工具的工作感到谦卑。

我们可以从网络上寻找灵感。你从来不需要任何人的批准来建立一个网站，或者发明一个新的互联网用途。如果每个人都停留在使用所见即所得的网站建设器，Web 2.0就不会发生。为了加快对话式AI的进展，我们需要同样的要素： 开源工具和不需要请求许可就可以尝试新事物的能力。 我们需要让每个开发者都能推动对话式人工智能的可能性，而不仅仅是大型科技公司。

开源

开源代码让一个领域的前进速度快10倍。构建3级助手是很难的，我们Rasa也不知道所有的答案。开发者们经常为了自己的目的在我们的开源框架中黑进一些东西。他们不需要提交一个功能请求，然后祈祷我们在下一个版本中包含它。任何人都可以扩展我们的基础设施，并将他们的新想法付诸实施。

社区

Rasa作为一家公司，不会提出我们需要通过5个层级的所有想法。我们有一个由开发者和其他制作者组成的友好的、全球性的社区，相互交流和借鉴对方的想法。这个社区越大，新用户得到的帮助就越多，新想法的传播速度就越快。这就形成了一种网络效应。通过建立社区，我们可以得到反馈，了解制作者在五个层级的进展情况，哪些东西可行，哪些不可行。

在未来，几乎所有的软件都会包含一些机器学习。ML不再是一个小众领域，而是软件工程的基础性工作。所以我们需要让ML对开发者来说是可用的，而开发者需要有机会学习ML的工作原理，加深对ML的理解。这就是为什么我们为开发人员创建了NLP和算法白板。