AI PM视角：对话机器人的算法是如何开发的？

编辑导语：对话机器人在我们的日常生活中已经十分常见，那么，你了解对话机器人中的具体算法开发过程吗？对话机器人所使用的算法可分为哪些类别？本篇文章里，作者就对话机器人的算法开发流程进行了整体总结，不妨来看一下。

文章插图
AI对话机器人目前应用已经很广泛了。智能客服、语音助手、外呼机器人……等等，在日常生活中你可能已经碰到了很多的对话机器人。那对话机器人中，算法开发过程是怎么样的呢？今天笔者从一个AI产品经理的视角，做一个简单的介绍和阐述。
如果你问一个AI算法工程师，如何将算法模型搭建至满足业务需求，上线、给用户使用，算法工程师可能会跟你说一堆的AI技术细节。包括如何选型、算法模型间的技术差异点，等等。往往让非算法技术人员听得云里雾里，觉得很高大上但不明就里。
本文我们不讲AI技术细节，我们从AI PM的视角，来阐述对话机器人的开发过程中，算法扮演了什么角色，承担了什么任务，以及如何影响最终的产出结果的。
对话机器人当中使用的算法，可大致分为：意图识别、实体识别、相似度计算3大类。主要应用于机器人对于客户应答的识别能力。在产品开发过程中，算法的开发流程大致如下：

文章插图
下面我们详细描述每个环节的开发过程与内容。
一、需求定义主要角色：产品经理、AI训练师在做算法的开发之前，需要走做产品需求定义。对话机器人中，使用到算法的地方，主要在于语义识别的部分。主要包括：意图识别、实体识别、相似度计算，等等。这里以意图识别为例，做相应的介绍与阐述。
在应用于业务场景的对话机器人当中，通常需要基于该场景，做多个意图的识别。通常来说，意图的数量少则几个，多则几十个不等。而具体需要做多少意图的识别，以及每个意图的定义是什么，意图与意图之间的边界是什么，需要做开发前的需求定义。
一般需求定义是由产品经理或AI训练师来做的。意图是根据业务场景进行切分的，而产品经理作为对话机器人的设计者，本身应对业务场景有深刻的了解。同时，不同于传统的互联网产品经理多是对于产品功能的设计，在对话机器人的【对话】层面的设计，更是体现AI产品经理价值与思路的方面。
所以产品经理需要基于业务，做每个意图的定义，需做到明确、清晰、可验证。这对后续的算法开发至关重要，是开发的方向、验收的标准、产品的价值体现。
除了产品经理，也可由AI训练师做算法需求定义。一般而言，AI训练师的职责是基于客户的对话场景，做对话流程设计、对话知识构建与优化的，AI训练师应是业务场景专家，所以需要做算法需求的定义。
AI训练师与产品经理的区别在于，对话机器人的功能层面是有产品经理负责，而AI训练师主要着重于基于对话场景的对话设计。产品经理也需对AI训练师的工作内容熟悉，以相应地设计可构造优秀对话设计的产品功能。是对话机器人的整体owner。
二、模型预研主要角色：算法工程师明确了产品需求，在产品经理/AI训练师做完算法需求的宣讲之后，算法工程师就要根据需求，进行算法模型的预研。具体来说，就是要判断目前积累的数据和沉淀的算法，是否可以达到业务的需求。
预研的目的主要有2点：
算法工程师通常会在前期做技术相关的调研，了解目前业内主流算法，包括已被验证的较为优秀的模型，以保证在技术层面至少在业内是持平和领先的。