编者按：邓力博士原为加拿大滑铁卢大学教授，年加入微软，年起担任微软首席人工智能科学家，负责微软深度学习技术中心应用趋向的深度学习研究。
在上周的AIFrontiers会议上，邓力博士为参会嘉宾做了口语对话系统的专题演讲。雷锋网与会记者将现场演讲记录下来，结合PPT为大家整理出这份演讲实录。此次邓老师介绍了口语对话系统的分类，三代演变史，以及三大研究前沿领域，可谓干货满满。NLP领域的童鞋们不可错过。
邓力：
今天，我想讲一讲口语对话系统（SpokenDialogueSystem），有时人们也称其为“bots”。“SpokenDialogueSystem”成为一个术语已经有30年了，现在我们也称其为对话式交互界面（conversationalUI）。所以它有好几个术语，但基本指的是同一件事。开发这类系统，需要能够与人对话，要么通过语音，要么通过文字。这次我专门讲语音，以及这两类bots之间的根本性区别。
语音识别vs基于文字
语音识别技术在最近五年中飞速进步，这两类对话系统之间的差距在缩小，这是一个很重要的信号。但在另一方面，许多情况下我们仍然有许多语音识别错误。在某种程度上，我们可以把对话系统看作：
对话系统=语音识别+基于文字（text-based，或翻译为“语义理解”）的系统
语音识别向基于文字的对话系统，提供了一些低延迟的文字输入。因此你可以把它们放在一起（认为它们对等），这是较传统的观点。
如今，你可以超出传统观点，来思考怎么做出整合的系统设计。相比把这两类系统一起放进管道（pipeline），你可以事实上做得更好。这就是整合学习（integratedlearning）的概念。我会聚焦在这个方向。
语音提供了语言之外的信息（Para-linguisticcues），比如语气、情绪。这在基于文字的对话系统里是没有的——后者没有提供这些信息，或者说线索。从这个方面来说，两个系统不是对等的。取决不同的用户，语音输入可能会比文字输入更简单——但也可能更复杂。对我个人而言，由于对语音比较了解，我倾向于使用语音来表述复杂事实，它的错误率未必会那么高。语音使得我能更快地提供更多信息。但对于大多数人而言，当使用基于文字的对话，他们倾向于使用复杂句式。原因要么是这样做更快，要么更可能的是，他们会担心对方的语音识别能力，然后不想重复、或者说太多，尤其在噪声大的环境下。取决于用户的个人特质，这两种情况都可能发生。我认为，随着时间流逝，语音识别系统越来越成熟，语音和文字对话在这方面的差距会越来越小。
另一个很重要的方面是窄领域vs宽领域（narrowdomainvswidedomain）。基于语音的对话倾向于聚焦在窄领域。但现在正变得不一样，因为语音识别技术的进步。
几个月前，Venturebeat发表了一篇很不错的文章“”，对口语对话系统作了概括（再次提醒，有些人称其为Bots，有时称之为对话式交互界面），以及它们的业界现状。IntroducingtheBotsLandscape
Bots领域的景观一览
上栏：有吸引力的Bots；左栏（由上至下）：连接器/分享服务，发现Bot，分析；右栏（由上至下）：AI工具：NLP、ML、语音识别；Bot开发者框架和工具，短讯
对话系统可被看作是一个连接器，来把你的技术与第三方相连。然后你有一系列开发框架和工具来实现这点。微软在这方面有大动作：11个月前，微软Build开发者大会上有一个重大的宣布，即MicrosoftBotFramework（微软Bot框架），它让大家、第三方都能使用。
Bots的分类
由于时间限制，今天我只会聚焦于AI工具，在自然语言处理（NLP）、语音识别这方面。从这个角度，我会回顾自年代初以来，相关技术经历的三代发展。
几个月前，我写了这篇文章，讨论bots的价值。今天的话题以该文章为基础。文章中，我首先谈到了app和网络模型（webmodels）遇到的问题；其次，对话作为一个新生的、正不断壮大的移动交互界面（mobileUI），以及在这之中，bots扮演的人机之间智能代理的角色。我会对技术细节作更深入的讨论。“Howdeepreinforcementlearningcanhelpchatbots”
我把bots归纳为三个类别：
社交机器人（socialchatbot）。这方面，微软在中国开发的“小冰”相当成功，是个很好的例子。在美国，几个月前我们发布了聊天机器人Tay（雷锋网注，这就是学会了骂人、在推特上发布不到一天就被紧急撤下的那个，入选年度十大AI事件）。信息机器人（infobot）。它们其实是搜索引擎部分功能的替代——它们允许用户不再需要点击网页链接，而能够直接获得想要搜索的答案。这减少了一部分麻烦。如果问题比较复杂，你也许只需要两三轮解释来是回答更明确。任务完成机器人（task