完整定義
對話系統是一種電腦系統,旨在模擬人類之間的對話。它接收使用者的自然語言輸入,理解其意圖,並產生適當的回應。對話系統的目標是提供自然、流暢且有用的互動體驗,可用於客戶服務、資訊檢索、任務執行等。
白話說明
你跟客服機器人對話時,它怎麼理解你的意圖並接話?
你可以把 對話系統 想成一個會理解意圖、再組織回應的對話引擎。
它其實就是先判斷你在問什麼,再決定要回答、追問,還是幫你完成任務。
對話系統是一種能與人類進行自然語言互動的AI系統,目標是理解使用者意圖並提供適當的回應,完成特定任務或提供資訊。如果少了這個中介,聊天機器人很容易只會接詞,不會接意圖。
記住這句
先懂意圖,再決定下一句怎麼回
比喻:對話系統就像一個聰明的客服機器人 -- 你問它問題,它能理解你的意思,然後快速找到答案或幫你完成訂單,而且整個過程就像跟真人說話一樣自然。
容易混淆
vs 傳統搜尋引擎
搜尋引擎像一本巨大的百科全書,你輸入關鍵字它給你一堆連結;對話系統則像一個會回答問題的專家,直接給你精準的答案,甚至能跟你來回互動。
實際案例
案例一:對話系統 做客服問答
使用者只打「我要改地址」,系統先判斷是訂單、收件資訊還是帳號設定,再把流程接下去。
案例二:對話系統 做訂票助理
當使用者說「下週五晚上」又補一句「台北到台中」,系統要把時間、地點和任務一起整理好。
深入了解
對話系統通常由理解、管理和生成三部分串起來
它不只是回一句話,而是要根據上下文持續判斷任務是否已完成
使用者一句話裡若有缺漏,系統還要學會追問或補齊資訊
情境判斷
Q1(直覺題): 客服機器人收到一句不完整的話,第一步通常是什麼?
先判斷使用者想做什麼,也就是先抓意圖,再決定怎麼接話。
Q2(判斷題): 只要模型會回話,就算對話系統做得好嗎?
不一定,還要看它能不能維持上下文、完成任務、在模糊輸入時追問補齊資訊。
常見問題
對話系統通常使用自然語言理解(NLU)技術來理解使用者的意圖。NLU模組會分析使用者的輸入,提取關鍵詞、短語和語法結構,並將其映射到預定義的意圖和實體。常用的NLU技術包括基於規則的方法、基於統計的方法和基於深度學習的方法。
對話系統可以使用多種策略來處理模糊或不完整的輸入。例如,它可以詢問使用者更多資訊,使用上下文資訊來推斷使用者的意圖,或者提供多個選項供使用者選擇。此外,一些對話系統還可以使用容錯機制來處理拼寫錯誤或語法錯誤。
評估對話系統的性能可以使用多種指標,包括:意圖識別準確率、實體提取準確率、對話成功率、使用者滿意度等。此外,還可以通過人工評估來評估對話系統的自然性、流暢性和有用性。常用的評估方法包括:使用者測試、專家評估和自動評估。
範例考題
某機構計畫導入生成式 AI 旅遊資訊服務對話系統自動生成多語言對話。目前每月需人工翻譯 600 則訊息,每則成本 50 元;若改用 ChatGPT API,每則訊息需 2000 Tokens,而 Token 成本 0.8 元/1000 Tokens,但需額外投入系統整合費用 20 萬元。關於投資報酬率(Return on Investment, ROI)評估,下列何者最為正確?
- A每月節省成本 29,040 元,系統整合成本約 7 個月回收
- B每月節省成本 30,000 元,系統整合成本約 7 個月回收
- C每月節省成本 28,040 元,系統整合成本約 8 個月回收
- D每月節省成本 25,000 元,系統整合成本約 8 個月回收
正解是 A:每月節省成本 29,040 元,系統整合成本約 7 個月回收
解析:人工成本:600 x 50 = 30,000 元/月。API 成本:600 x 2000 / 1000 x 0.8 = 960 元/月。每月節省:30,000 - 960 = 29,040 元。回收期:200,000 / 29,040 ≈ 6.9 個月,約 7 個月。
出現在這些考古題
官方公告試題的逐題解析裡,這 1 題把對話系統列為延伸術語。
相關術語
來源
這個術語目前沒有標註外部來源。
其他格式:Markdown 版本