腾讯NLP技术获得世界顶级大赛多项冠军 AI助手应用不断落地

近日,在人工智能领域的权威学术比赛——对话系统技术挑战赛(DSTC8)上,腾讯智能平台产品部参与了三个赛道的七项任务,共获得四项指标世界第一,两项指标第二的优秀成绩。这个成绩是腾讯公司多年来在自然语言对话领域的积极探索和深度积累的一个具体体现和印证。

应对多个赛道挑战 腾讯NLP技术展示实力

DSTC对话系统技术挑战赛被公认为国际顶尖人工智能竞赛,创立至今已经举办八届。历届大赛中都有国际领先的大学和高科技公司的支持和参与。本届大赛吸引了来自中科大、华为、滴滴、IBM等全球顶尖的大学、科技企业和人工智能研究机构等多支队伍参与竞赛,带来了当今人工智能领域的顶尖技术水平的展示和交流。

在本次比赛的四大赛道中,腾讯参与了其中三组评测。首先是面向多领域端到端对话系统( Multidomain Task),该任务探索如何将已有的对话生成模型迅速迁移到一个数据量非常有限的新领域对话场景,并达到期望的性能。本赛道中,腾讯提出混合微调训练技术,取得了自动评测的第一名。

在赛道二端到端的问答预测( NOESIS II: Predicting Responses Track) 上,本届NOESIS竞赛与以往不同,除了传统的“多轮对话回复选择问题”(Subtask1-包含两个子任务)之外,还增加了“基于聊天室(IRC)的回复选择问题”(Subtask2),以及“定位多轮对话中的问题是否得到解决”的新任务(Subtask3), 难度较以往有所增加。

本赛道中腾讯参加了四项子任务。上图为腾讯智能平台产品部参赛团队提出的对话回复选择模型。在BERT模型基础上分别增加了数据增强技术,用来弥补特定领域的数据稀疏问题;同时利用后训练技术,将BERT模型从通用领域整体迁移到指定的任务领域中;以及句子级上下文建模技术,捕捉对话上下文中细微的联系,有助于做出准确的回复。通过以上多种技术手段,腾讯智能平台产品部最终以较大领先优势获得三项第一和一项第二的成绩。

在对话状态追踪任务 (Schema-Guided Dialogue State Tracking Track)方面,

与以往的状态追踪任务不同,该任务是Google提出的一个全新的任务,旨在推进零样本(Zero-Shot)对话状态追踪技术的研究,难度较大。本赛道中,腾讯团队提出了一个基于预训练BERT模型的领域无关的零样本学习系统,可以有效捕捉意图槽位的自然语言描述和对话上下文的语义联系,取得了总成绩第二名。

结合丰富应用场景 AI语音技术不断进步

对话系统技术可以理解为AI模拟人的对话技术,很多复杂的交流场景中,AI仍在不断进化,以模拟出更贴近人与人之间的对话模式。随着AI技术从研究逐步走向应用,人们对于AI助手提出了更高的要求。作为代表了全球高水平技术的DSTC竞赛,也根据实际应用场景设置比赛项目,并不断提升比赛的挑战性。

对话机器人已经在智能硬件、智能客服、智能外呼等领域有了一定普及度的应用,但是在人机对话的效率、准确性和人性化等方面,科学家们仍在持续的探索和提高。从不断提高的挑战成绩也能看出,新技术正在努力让AI助手更好的理解人类、服务人类。

例如在客服机器人的场景中,如何通过连续性对话获取用户信息输入,给出更快速准确的响应;如何在任务型对话场景中支持反问和打断,实现自动语义理解和纠错;如何在跨领域知识场景下快速迁移机器人的能力,能帮助不同行业的合作伙伴快速搭建AI助手的服务能力;如何快速学习和抽取各领域的知识以高效率低成本的建设行业知识库等。

腾讯云小微AI助手 助力各行业智慧化升级

腾讯智能平台产品部NLP技术团队专注于AI对话领域的前沿探索及应用研究。 在AI助手的落地应用方面,腾讯发挥自身的技术积累和生态连接能力,与各行各业的业务场景相结合,提供可行的AI应用解决方案。如腾讯云小微AI助手,结合腾讯云平台丰富的内容和服务资源,已经在车载语音助手、智能机器人、智能家居产品、景区智能导览、政务在线服务机器人、AI助教等领域落地,截止目前激活数已经过亿。

在教育、公共服务、泛互联网服务、文旅等重点领域, AI语音助手仍在不断的提升技术能力,掌握专业化的知识,同时打造人性化的对话体验,能够为教育的公平化、信息化升级提供技术助力,提高政务服务和公共服务窗口的服务效率,成为各行业升级的数字化助手。