《论文阅读》Neural Approaches to Conversational AI（1）

Question Answering, Task-oriented Dialogues and Social Chatbots

本周将阅读Jianfeng Gao、Michel Galley和Lihong Li共同编写的论文

---

摘要

1. 概述最近几年在会话AI领域发展的神经方法
2. 将对话系统分成三类，每一类用具体的系统和模型展示最好的神经方法的回顾，讨论与传统方法分不同，现在取得的成绩和仍需面临的挑战

---

简介

作者开门见山提出，智能对话系统不仅要模仿人类对话还要回答各种类型的问题，这是智能对话系统长期的目标，好在在深度学习、加强学习等应用于会话AI，外加大量数据用于训练过程使得在学术界实现这一目标变得有希望。

本文是对前人工作的扩展和补充，不仅仅在数据和监督学习上研究，并且这也是第一个概述在会话AI的神经方法，目标对象上NLP和IR研究人员。

本文的贡献在于：

1. 概述包含从优化决策的统一观点出发的QA、任务型和社交机器人领域的神经方法
2. 强调不同，更好理解研究是如何推进的并且我们还可以怎样改进
3. 提出使用监督学习和RL来训练对话代理的方法
4. 勾勒出了由研究团体开发并在行业中发布的对话系统的概况，并通过案例研究展示了已取得的进展以及我们仍面临的挑战

---

对话难题

在对话中一般有三类问题亟需解决：