基于NLP的情境智能交互式助理是AI/ML的下一个重大挑战之一。相关技术与推荐引擎技术有几分相似，我们现在要做的是提高其效率并让其在我们的决策中能起到辅助作用，其中，从情境中获得上下文意图是技术实现最难的一步。

我一直认为：从技术角度来看，“具有高度包容性并对上下文敏感”的人工智能技术将是人工智能领域的两件 “未来大事”之一。

现在回想起来，我希望有一个更简洁的约定命名规则来描述这种技术能力。“包容性”和“语境敏感性”属于马文•明斯基（Marvin Minsky）所说的“手提箱词汇”范畴，因为它们过于依赖用户的体验，所以很难就意义达成一致。

我们并不是在讨论NLP进行上下文相关对话的能力，比如根据当前的话题做出合理的回应或对内容进行澄清。在很大程度上，除了进行心理分析，聊天机器人还可以很好地处理人类的临时对话。

此外，我们也不是在讨论监督和消除文化包容性相关的偏见。虽然这也很重要，但目前不是我们想要的。

我们所描述的是NLP功能的下一个大的演进，在这个演进中，NLP可以将我们所有的信息进行融合加工，然后给我们主动提出建议或行动，进而使我们的生活更便捷。

我们曾经给出的一个例子是让NLP助理在我没有明确创建提醒的情况下，提前一周左右提醒我，母亲的生日即将到来。更重要的是，我的NLP助理还可以推荐一份礼物。我过去在与NLP助理的交流中，无论是在实际信息中还是在语气上，都包含了一些关于我母亲的人物特征、甚至她的兴趣爱好等信息，通过这些信息，NLP助理为什么不能给我推荐一份合适的礼物清单呢？这是非常有价值的。

因此，也许用“情境智能”来描述这种技术应用更合适。

辅助决策

这种演进的基础技术存在于已经发展成熟的推荐引擎领域。迄今为止，这些一直是电子商务的主要内容，无论是推荐书籍、飞机航班，还是爱情。未来，这项技术的发展将从预测你可能喜欢的事情，到你可能采取的行动，直至最后帮助你做出决定。

要实现这个目标的一个前提是，我们需要添加一些数据以便它能给我们提供更复杂的决策建议。数据的来源是我们的日历、电子邮件或其它文本，并随着系统的升级添加其他数据来源。事实上，日历和电子邮件智能助手正处于早期研发阶段，这是我们下一个突破的主要应用领域。

除了添加信息源之外，如何将其集成到一个有用的工具中也是一项挑战，这需要对人们如何决策有更深入的理解。例如，你的智能助手可能能够预测你的下一步行动，这时候假如它告诉你“现在做这个”，你会感到多么舒服呀。

我们的决策通常是建立在对可能事件的过滤之上的。也就是说，我们查看选项（如不同的航空公司航班），并理解这些选项，然后做出决定。对可能性的过滤是一个主要的挑战。提供太多供用户选择的信息，可能让用户面临选择困难症的烦扰，提供很少或根本没有潜在的决策数据，用户的舒适度和接受行动的意愿就会直线下降。

定义情境

这种帮助人类做决定的能力在扩展之前显然会从小处开始，就电子邮件和日历而言，可以提取的上下文信息最有可能是关于将会发生什么，什么时候发生，以及哪些人将会参与其中。

了解这三件事的第一步，可能是在活动之前弄清楚你需要什么来帮助你准备和参与。这看起来就像是一个非常棒的私人助理在帮你做准备时所表现出来的行为，而不需要你明确地告诉他们你需要什么。

我们都参加过很多会议，每个日程安排的内容和目标并不是我们最关心的。如果你的智能助手可以收集你需要的文件和信息，预测如何管理你的时间，甚至在会议期间即时提供你可能需要的信息列表，这不是很好吗？它甚至可以为你提供本次会议之前的会议概要。

更高级的场景可能是你正在管理多个并行项目。这些项目计划很可能在将来的某个时候相互链接，从而产生关键路径，导致出现某个项目阻碍其他项目进度的情况，只有等关键路径上的项目所有任务都执行完毕之后，后面的项目才能继续进行。一个基于上下文的智能助手可以被训练来提前几个月预测这些调度冲突并发出预警。

效率优先，决策增强次之

在情境智能助理的开始阶段，最有可能完成的目标是更有效地利用我们的时间，让我们能够专注于重要的事情，并让智能助手协调细节。

但神奇之处在于智能助手可以呈现信息的方式。一旦智能助手对你的目标和行动有了上下文理解，接下来你需要的就是信息。最终，智能助手应该能够掌握你已经在各种设备中捕获的信息，并通过通信推荐其他来源。

一个年轻的程序员，他拥有一定的技能和知识，但这些只是可能依赖于某些网站、特定的图书馆或笔记本。未来的智能助手可能会从不同的来源提出解决方案，加速初学者的学习曲线并提高成功概率。

帮你记事

除了你可能创建的简单日历提醒之外，你的高级智能助手还可能检测到我们忘记了什么。例如，你的妻子给你发邮件说你应该预订餐厅，并为你下周五晚上的外出安排一个保姆。你预定了餐厅，却被手头的下一个任务分散了注意力，忘记了保姆的事。你的智能助手可以轻松地检测到事情的遗漏并提醒你。可能产生的不愉快也就可以避免了。

关于隐私

这将是下一代智能助手的一个重要关注点。数据收集很可能远远超出你的日历和电子邮件范围，其范围将会扩展到你的眼球运动、光标运动等，尤其是外部数据源。

例如，在调优模型以发现对你很重要的单词时，模型需要对你的数据进行培训，但是需要加以约束，以便在生成通信时不会泄露任何信息。如果你的邮件中突然出现了谈论你在竞争对手公司的新工作的主题，那你可不想让别人看到这些信息。与人工智能的许多事情一样，隐私将是一个持续存在的挑战。

这种情况下，情境智能的NLP交互助手可以成为AI/ML的“下一个大事件”。技术已经实现，开发应用也只是时间问题。不久之后，我们或许都能拥有自己的超级先见之明的雷达奥赖利(Radar O’reilly)，或者托尼斯塔克(Tony Stark)的数字助理贾维斯(Jarvis)，任我们差遣。

原文链接：

Contextually Intelligent NLP Assistants – AI’s Next Big Technical Challenge

创作场景

情境智能 NLP 助手：AI 的下一个重大技术挑战