|零门槛的AI开发课程!2020 WAIC开发者日百度公开课核心干货( 二 )
任务式对话中有一个非常关键的技术「任务式对话理解」 。 任务式对话理解技术强调的有两点 , 首先是要提供专业的效果 , 第二是获取成本要足够低 。 对话理解技术可以把很长的请求解析成结构化的表达形式 , 包括意图、词槽以及词槽之间依赖关系 , 词槽的规范值等等 。
本文插图
而开发中用到问答对话 , 是因为问答系统的接入门槛比较低 , 只需要提供简单的问答资源 , 系统就可以工作 。 在此 , 孙叔琦重点介绍了对话式文档问答和表格问答两种处理技术 。
UNIT 整合了文档分析、整合了语义匹配、阅读理解等等技术 , 为开发者带来了端到端的对话式文档问答技术 。 开发者可以直接提供业务文档 , 经过该技术的处理 , 直接生成针对文档做问答的对话系统 。 该对话系统在无需整理 FAQ 的情况下 , 两轮对话之内即可解决 87% 的问题 。
数据表格问答方面往往需要大量的预处理工作 ,UNIT 通过数据分析以及 NL2SQL 的技术 , 实现了结构化知识问答 。 开发者提供结构化数据表之后 , 即可针对数据表做问答 , 省去了整理数据库、整理数据表格的步骤 , 直接就可以实现表格问答 。
对话管理在开发者的业务中解决的是多轮对话的问题 。 在多轮对话问题中开发者的主要需求有几种:
对话逻辑要严格的可控;
在一些细小、微观逻辑上面需要尽量多的内置;
在对话过程中希望和业务资源做互动 , 把业务资源接入进来 , 让对话系统能够完成业务上的事情;
可能还有一些更高层次的需求 , 即让对话变得智能 , 可以自动地学习和成长 。
针对这四项需求 , 对话管理的框架的整体设计如下图 。
本文插图
UNIT 设计了语音语义一体化的集成框架 , 通过语音语义一体化的中控 , 将百度的语音能力整合进来 , 在语音的接口上通过端到端地输入语音、输出语音 。 整合各项技术的同时 , 还针对语音场景所常见的异常情况提供一些预置处理 。
本文插图
3.UNIT 平台输出模式与生态服务
整个系统开发完成后 , 怎么和业务系统、和相关服务对接呢?下图展示了 UNIT 对外输出模式 。
本文插图
面向入门阶段的开发者 , 以及自研系统和需要托管研发的业务方 , UNIT 都提供了一系列生态服务能力 , 包括培训、认证等 , 保证各式各样的开发者均可非常顺利完成对话系统 。
本文插图
4.UNIT 应用落地情况
UNIT 现在主要的应用落地情况 , 包括四个大的维度:
第一个维度是智能客服 , 即通过智能 IVR 的方式实现业务咨询、业务办理等需求;
第二个维度是消费电子 , 主要支持的是手机系统以及 APP 里面的语音助手等服务;
第三个维度是车载出行;
第四个维度是企业服务 , 包括会议管理、智能 BI、智能 OA、服务机器人等 。
飞桨视觉技术解析与应用
百度深度学习平台飞桨(PaddlePaddle)资深研发工程师杜宇宁主要介绍了飞桨视觉技术解析与应用 。
本文插图
上图为飞桨平台的全景图 , 主要由飞桨的开源深度学习平台和飞桨企业版两部分组成 。
飞桨开源深度学习平台主要包含四个部:核心框架、基础模型库、端到端的开发套件和工具组件 。 核心框架包括开发、训练和推理三部分 , 奠定了整个飞桨面向学术研究和产业应用的基础 。 基础模型库目前覆盖自然语言处理、计算机视觉、推荐、语音等多个方向 , 算法总数达到 146 个 , 旨在助力开发者二次开发 。 端到端的开发套件在基础模型库的升级 , 对于 AI 典型的任务 , 打通模型的训练到推理部署的全流程 , 有助于开发者落地应用 AI 技术 。
推荐阅读
- 人工智能|敏捷开发框架的开发运用之智能办公管理系统的开发
- NASA|NASA第一款登月漫游车曝光!或与日本丰田汽车联合开发制造
- 环球Tech|室内飞无人机担心互撞?研究人员开发AI算法来防撞
- 主播|有机构399元“造神” 无门槛入门or入坑
- 行业互联网|Wenco和Oxbotica合作开发采矿业的第一个开放式自主解决方案
- 趣头条|加入电竞俱乐部门槛太高?小伙伴可来家门口的电信营业厅自组赛事
- 亡城孤影|区块链otc跨境支付系统平台开发usdt承兑商支付系统搭建
- 中年|西青开发区文创及新媒体产业沙龙在赛达招商中心成功举办!
- 3DMGAME资讯号|开发者:XSX和PS5的硬件性能不重要 利用率更重要
- 世代|微软:不强制跨世代,次世代独占是开发组自己的选择