在拉斯维加斯举行的亚马逊re:MARS AI大会上，Alexa副总裁Rohit Prasad演示了Alexa智能助手的一种新对话模型。在这个新模型中，Alexa可以无缝地在技能之间进行转换，并记住对话的上下文，从而消除歧义。

Alexa用户对于技能的概念无疑很熟悉，这是Alexa功能的构建块。用户通过选择一个技能来让Alexa“打开”或“启动”该技能。一旦某个技能激活，Alexa的会话功能就会受到该技能需求的限制。与许多其他聊天机器人一样，Alexa使用意图分类和槽填充模型。意图/槽模型的一个例子是电影票购买技能。在该技能中，意图PurchaseTickets拥有槽theaterCity、theaterName、movieTitle*、*showTime和numberOfTickets。

分析用户说出的每个短语，以确定用户希望Alexa采取的操作（意图）以及具体的操作参数（槽）。一旦确定了意图，接下来与Alexa的大部分对话都是为了填充意图的任何空白槽。这个模型的一个缺点是Alexa不记得对话的任何细节。特别是，已经被标识为槽值的项不能供用户稍后可能选择的其他技能使用。例如，如果用户购买了电影票，然后想要使用Alexa来安排拼车去影院，目前还不能简单地说，“我需要一辆车去那里。”相反，用户必须显式地打开拼车技能，并填写该技能的槽destinationAddress（目的地地址）和arrivalTime（到达时间）。该技能无法把前一技能的槽theaterName（剧院名称）和showTime（放映时间）作为上下文推断出这些。

在re:MARS主题演讲中，Prasad播放了一个视频，演示一段与Alexa之间的对话。在这个视频中，用户与Alexa进行了长时间的对话，购买电影票，预订餐馆，安排拼车，所有这些全都使用了一个新的对话模型，在这个模型中，Alexa可以保持上下文信息，在技能之间进行切换，并使用记住的上下文填充槽。Alexa团队表示，“每一轮对话，系统都会生成一个向量……这代表了对话的上下文和语义内容。”

这个演示代表了许多研究论文的成果，其内部运作机制去年在一篇博文和会议论文中提到过。系统创建槽嵌入，将语义相似的槽在嵌入空间里聚合在一起。这使得Alexa能够识别出什么时候可以用一个技能的槽来填充另一个技能的槽。还有一个LSTM神经网络，它决定是否将槽值“结转”到下一步的对话中。

虽然这项技术还没有正式向Alexa开发者社区发布，但已经有一个名为Alexa Conversations的开发者预览程序。开发人员可以申请“对即将到来的跨主题功能的早期访问”。一名Alexa冠军Mark Tucker在推特上说：

Alexa Conversations预览版承诺了更少的编码和更多的对话体验。每个开发人员都应该开始期待。亚马逊主要关注对话管理，而不是状态管理和意图上下文。这会是解决方案吗？

然而，并不是每个人都对新对话模型表现得很激动。Hacker News的一位评论者指出：

我希望它能走向一个更明确的“项列表->遗传->新的项列表”方法。当你试图与它进行正常对话时，Alexa最容易暴露缺点。

查看英文原文：Amazon Announces New Cross-Skill Conversational Model for Alexa

创作场景

亚马逊发布新的 Alexa 跨技能会话模型