導讀：#對話技巧是數位人互動的核心能力之一，這次分享主要從百度PLATO 相關的研發和應用出發，談談大模型對對話系統的影響和對數位人的一些機會，本次分享題目為：大模型推動的人機互動對話。
今天的介紹從以下幾點展開：
#日常生活中，我們常常接觸到一些偏任務類型的對話系統，例如讓手機助理定鬧鈴、讓智慧音箱放首歌。這種在特定領域內的垂類對話，技術相對成熟，系統設計上通常是模組化的，包括對話理解、對話管理、自然語言生成等模組。
傳統任務型對話的大致流程如下：使用者輸入一句話，系統透過自然語言理解模組，解析出相關的意圖和槽值對（slot-value pairs），這些詞槽是預先定義好的；透過對話管理模組追蹤多輪對話狀態，以及與外部資料庫交互，進行系統動作的決策；然後透過對話產生模組，產出回覆返回給用戶。
最近幾年很多研究是關於開放域對話技術，即不限定領域、可以就任意話題聊天。代表性的工作有 Google Meena、Mata Blender 和 Baidu PLATO 等，與傳統模組化的對話系統相比，這些端到端的對話系統是給定對話上文，直接產生相應的回應。
2、端對端對話產生－對話系統的新機會
端到端對話系統可以基於RNN、LSTM 或Transformer 等進行設計，網路架構主要包括兩個部分：編碼器Encoder 和解碼器Decoder。編碼器將對話上文編碼成向量，對對話內容做理解。
解碼器是根據對話向量和先前的隱藏向量，產生對應的回應。訓練語料主要是人人對話語料，可以從公開的社群媒體論壇（微博、貼吧、推特等）抽取評論作為近似的對話語料。訓練目標主要是最小化負對數似然函數。
3. 開放域對話面臨的挑戰
##基於大量語料訓練的大規模模型，已經可以產生比較連貫的回复，但仍然存在許多問題。 
百度 PLATO 針對上述兩類問題做了一些技術探索。
針對內容空洞，提出了基於離散隱變數的預訓練對話產生技術，實現開放域回應的合理性、多樣性的生成。對於知識濫用問題，提出融合知識的弱監督對話生成模型，一定程度上緩解了知識濫用的問題，提升了對話豐富度和知識準確率。
對話模型為什麼會產生內容空洞的“安全回覆”？
本質上，開放域對話是一對多的問題，一個對話上文，通常是有很多個合理回應的，不同人背景、經歷、所處場景不同，給予的回應很可能不一樣。而神經網路訓練通常是一一映射的，學到的是這些回應的均值狀態，例如是「挺好的」「哈哈哈」這類安全而沒有資訊量的回應。
PLATO -1 提出基於離散隱變數進行對話一對多關係的建模。
這裡涉及兩個任務，將原來的對話上文Context 和對話回复Response 對應到隱變量Latent Action 上，然後基於隱變量去學習回复生成。 PLATO 是利用同一網路對兩個任務進行聯合建模，先透過估計隱變量的分佈，透過Gumbel Softmax 採樣出隱變量後再學習回復生成，這樣透過採樣不同的隱變量，就能生成多樣化的回复。
案例展示，選擇了不同隱變量，產生不同回應的效果。這些回复都是基於上文的回复，回复品質不錯、很合適且資訊豐富。
PLATO-2 在PLATO-1 的基礎上，繼續擴展。參數上，達到了 16 億的規模；預訓練語料上，中文有 12 億對話樣本，英文有 7 億樣本；訓練方式上，是基於課程學習。何為課程學習 Curriculum Learning？就是先學習簡單的再學複雜的。
另外，PLATO-2 繼續沿用統一的網路設計 PrefixLM，同時學習對話理解和回復生成。基於課程學習的訓練效率高，基於統一網路的性價比高。
PLATO-2 第一階段先訓練簡化的通用回復生成，第二階段訓練多樣化的回復生成，在這個階段把隱變數加進來了。第二階段也引入了對話連貫性評估訓練，相對於常見的生成機率排序，連貫性評估有效地提升了回應選擇的品質。
PLATO-2 能否作為通用的對話框架？ 我們知道對話領域大致分為三類，任務型對話、知識對話、開放域閒聊系統。分別給不同類型對話系統預先訓練成本太高，PLATO-2 的課程學習機制剛好可以協助其成為一個通用對話框架。任務型對話相對聚焦，在課程學習第一階段的一對一映射模型正好滿足這類情況，知識對話和閒聊中都有一對多的情況，知識對話中可以用不同知識回復用戶，閒聊對話中可以有不同的回覆方向，所以課程學習第二階段模式可以應用在知識對話和閒聊系統。
為了驗證這項能力，PLATO-2 參加了對話領域的國際競賽DSTC，它全面的涵蓋了各種對話領域，PLATO-2 以統一的技術框架在6 項任務中取得了5 項冠軍，這在DSTC 的歷史中尚屬首次。
如果繼續推高PLATO 模型參數規模，會達到怎樣的效果？ 2021 年 9 月我們推出全球首個百億規模中英文對話生成模型 PLATO-XL。
在中英文上，分別比較了常見的幾個商業產品，從合理性、豐富度和吸引度等角度評測，PLATO 的效果是遙遙領先的。
微信公眾號「百度 PLATO」存取了 PLATO-XL 模型，大家可以去試用體驗。
PLATO 模型參數量從一億到十億再到百億規模，其實到十億規模的時候對話已經比較流暢、通順了，到百億規模的時候模型的邏輯能力顯著提升了許多。
#大模型都存在著知識濫用的問題，該如何解決呢？我們人類遇到不知道的問題如何解決的？可能會去搜尋引擎上查一下，這種透過尋找外部知識的方式能否借鏡模型中？
融合外部知識輔助回復生成，是緩解知識濫用很有希望的方向。但對於大規模的對話語料，只存在對話上文和回覆訊息，無法知道某條語料與外部知識對應關係，也就是缺乏知識選擇的標籤訊息。
##PostKS是知識對話領域代表性的工作之一，提出了基於後驗指導的知識選擇，在訓練過程中，讓先驗的知識分佈逼近後驗的知識分佈。 #
在推理階段由於不存在後驗訊息，模型需要使用先驗知識進行回復生成。訓練和推理階段會存在不一致的情況，訓練基於後驗但推理只能基於先驗。
PLATO-KAG 無監督模型，聯合建模了知識選擇和回復生成。基於先驗選擇了 top-k 條知識，送給生成模型，做一個端到端的聯合訓練。如果知識選的準，對生成目標回復很有幫助，生成機率會比較高，聯合優化會鼓勵這種選擇並利用給定知識；如果知識選的差，對生成目標回復沒有作用，生成概率會比較低，聯合優化會打壓這種選擇並忽略給定的知識。這樣就同時優化了知識選擇和回復生成。
從人類學習知識經驗來看，我們大腦中也記憶了許多的知識，PLATO 嘗試了全面的知識增強，同時做了知識外用和知識內化。一方面利用外部的通用無結構化知識和畫像知識，另一方面也將大量問答知識透過預先訓練內化到模型參數中。經過這樣全面的知識增強，對話通用知識錯誤率從 30% 降低到 17%，畫像一致性從 7.1% 提升到 80%，問答準確率從 3.2% 提升到 90%，提升的非常明顯。
下圖是做了全面知識增強後的效果比較。
值得注意的是，雖然效果得到了顯著改善，但知識濫用問題並沒有完全解決，只是緩解而已。即使模型規模擴大到千億參數，知識濫用問題仍存在。
目前仍有幾個點值得我們繼續努力：第一個是外部知識的觸發時機，就是什麼時候查外部知識，什麼時候使用內化知識，這會影響對話的流暢度和吸引力。第二個是知識選擇的準確性，這涉及檢索技術，中文知識語料建庫是幾十億規模，透過給定的對話上文準確檢索到合適的知識沒那麼容易。第三個是知識利用的合理性和保真度，模型有時候會無法準確理解知識或混亂拼湊出不準確的回復等。
上面介紹了PLATO 對話的一些技術，例如引入大規模的模型、加入離散隱變數提升對話豐富度、透過無監督引入外部知識緩解知識濫用等，那麼在實際生產中有哪些落地的應用呢？
#########1、落地應用########################PPLATO 在智慧音箱、虛擬人、社群聊天等多場景提供開放域聊天能力。 ##########
左側是數字人度曉曉，在百度APP 搜尋度曉曉或直接輸入「你好」就能呼叫數字人，透過聊天能方便搜尋的過程，有效率地取得答案和資訊。右側是百度輸入法中的虛擬人，既高顏值又很會聊。
#在落地應用程式中，第一個挑戰就是推理效能，圖中列出了16 億參數PLATO 的效能數據。透過算子融合減少了 98% 的算子數量，模型推理耗時從原來 v100 上的 1.2s 降低到 A10 卡上的 300ms 以內。透過運算精度優化，減少了 40% 的顯存，推理卡從 v100 換到 A10 降低成本，同時做了架構優化和平台遷移，降低了鏈路開銷。
第二個挑戰是對話安全性。例如有害言論、政治敏感、地域歧視、隱私等很多方面都需要高度注意。 PLATO 對語料做了深度清洗，刪除不安全樣本，部署後使用安全判別模型移除不安全候選回應。同時維護了關鍵字表和添加對抗訓練，查漏補缺，提升安全。
#以前人們認為開放域閒聊是一個兜底功能，隨著近幾年大模型的發展，對話領域也有了顯著進展，目前模型可以產生連貫、流暢、豐富和跨領域的對話，但情感、人設、人格和思辨等方面仍然有很大提升空間。
道阻且長，行則將至，行而不輟學，未來可期。也希望對話領域的同行們，大家一起努力，共同攀登人機對話的高峰。
A：目前對話系統還沒有自動指標能和手動評估比較一致，人工評估仍是黃金標準。開發階段可以參考困惑度 perplexity 進行迭代，最終進行全面評估時，還是需要請大量的眾包人員與不同機器進行交互，在一些指標上進行人工評估。評估指標上，也隨著技術的發展而變化，例如當流暢度不再是問題的時候，那麼可以添加安全性、知識準確性等指標評估更高級的能力。
####以上是大模型推動的人機互動對話的詳細內容。更多資訊請關注PHP中文網其他相關文章！
