谷歌推出Google Duplex實現對話AI

近日，谷歌宣布推出Google Duplex，一個能在電話中用自然語言完成“現實世界”任務的對話AI。它目前已經能完成一些特定任務，如安排某些類型的預約。這類工作要求系統能像人與人正常溝通一樣，而無須強制對方適應機器。

據悉，Google Duplex的研發核心是一個專用于解決自然對話問題的遞歸神經網絡（RNN），在TensorFlow Extended （TFX）平臺上完成構建，使用的訓練數據來自匿名電話會話數據語料庫。該網絡有多個輸入，包括原音頻特征、把原音頻輸入Google自動語音識別（ASR）技術后的輸出、上下文、對話的參數（例如預約的所需服務或當前時間）等，研究人員為每種任務分別訓練了一些模型，但語料庫是跨任務共享的。最后，他們又用TFX中的超參數優化進一步改進了模型。

Google Duplex組合使用文本到語音（TTS）引擎和綜合TTS引擎（使用Tacotron和WaveNet）控制語調。

由于在對話中加入了“嗯”“呃”等字，系統的回應聽起來更自然。但這其實是TTS連接兩個音調不同的聲音或正在等待合成時使用的小障眼法，是一種自然的表示問題正在受理中的狀態（人們也經常這么做）。經過用戶研究，研究人員發現這種反應能在不利的對話情景下給對方帶來熟悉、自然的感覺。

此外，Google Duplex在回應速度方面也比較符合用戶期望。當人們說完一件簡單的事后，比如“hello”他們希望得到及時的回復，對回復延遲也比較敏感。如果系統檢測到這種情況，它會馬上切換成更快、精度更低的模型來工作。在極端情況下，Google Duplex甚至都不會調用RNN，而直接使用最快的近似值（通常會帶各種表示猶豫的詞匯，人類面對這種事情也會有類似的反應）。這種做法使系統的響應延遲能小于100毫秒。

Google Duplex系統能夠應對復雜對話，并且能完全自主地完成絕大部分任務，無須人工干預。該系統具有自我監控功能，可以識別無法自動完成的任務（例如安排異常復雜的預約），面對這種情況時，它會主動向施令者發出信號。