让计算机理解人与人之间的对话,是一件看似简单,实际难度很大的事情。在6月9日的循环智能整体产品发布会上,CEO陈麒聪举了一个银行理财顾问与客户对话的例子:
理财顾问:今年52啊,那您再干个7,8年左右到60岁就可能要面临退休嘛是不是?
客户:我55岁就退休了。
我们的任务是根据这段对话,提取客户的“画像标签”:判断客户是否退休了。
人工来判断的话,需要结合上下文的内容,才能得出结论:虽然对话的双方是在讲“退休”这个主题,但客户的状态是还没退休,因此不能打上“客户已退休”的画像标签。
对机器而言,很难应付这种“不按常理出牌”的人与人对话场景。但偏偏在现实中,人与人沟通对话的内容会大量涉及到类似的场景。究其原因,主要是因为人与人对话有很强的随意性,不仅同一件事情的表述方式有无数种,而且经常会出现重复、停顿、省略、虚拟语气等现象,需要结合上下文的情境才能正确判断语义。