一天搞懂聊天機器人

1990
電話就已經有對話系統, 採用關鍵字比對
例如： 假如你的對話內有個fly -> 猜測你要訂航班

2000
開始有了intent的概念, fly/book ticket/ .. 詞不同, 但意圖是相同的

2017
Intelligent Assistant
主要是從Apple推出Siri開始

Apple Siri (2011)
Google Now (2012)
Microsoft Cortana (2014)
Amazon Alex/Echo (2014) -> 2016 可以直接語音購買東西
Facebook M & Bot (2015)
Google Home (2016)
Google Assistant (2016)

react assistant 有回應式的
ex:
User: 叫計程車
react assistant: 請問您在哪

Proactive assistant
根據你時間地點, 去推測你需要的東西
ex:
User: 請幫我推薦餐廳
Proactive: 使用者現在附近與時段有哪些不錯的餐廳


Chit Chat Bot
純粹聊天或提供資訊, 有趣而已

**
Task Oriented Bot
來協助你完成工作
需要用learning的方式學習
**

Task Oriented Dialogue System
語音訊號
-> 辨識成文字
-> 語言理解 Language Understanding (LU)
-> Semantic Frame 語意的概念
-> Dialogue Management (DM)
->-> Backend Action / Knowledge Providers
-> 自然語言產生給使用者 Natural Language Generation (NLG)

Machine Learning -> Looking for a function
只要給你足夠多的資料, 機器可以給你要找的function為何

ML
Supervise learning
Unsupervise learning
Reinforcement learning


DL 是 ML的其中一種方法
利用類神經網路的方式

每個Neuron做的事情
將input乘上w 總和 + bias -> 透過一個functio 轉成 0~1中間的直

有input時間順序的要透過Recurrent Neural Network (RNN
ex: 我是誰
     你是誰
     誰是我

Reinforcement Learning
decision making
直到整個互動結束才會得到結果
Each action 影響 agent的後續狀態
目標: 選擇action, 期望未來可以拿到positive reward
reward signal -> 定義最後的工作是否為成功
重點: [ action, state, reward ]

intent = Query slot

Support Vector Machine
binary的分類器