在之前的文章中我們談到Nuance在人工智能方面具有四大核心技術(shù)，即智能交互技術(shù)，個性化，情境化及知識。本文將就這四大核心技術(shù)進(jìn)行更為具體的介紹。
智能交互
智能交互需要運用語音、自然語言理解和對話技術(shù)以支持高質(zhì)量以及類人的協(xié)作式對話。這其中包括：
深度自然語言理解。想必大家對自然語言理解技術(shù)都有一定的了解�，F(xiàn)在大部分的自然語言理解技術(shù)能夠?qū)崿F(xiàn)的是從一句話中提取一個指令。但如果一句話中包含了多個主題，甚至語義發(fā)生了轉(zhuǎn)折，現(xiàn)在的自然語言理解技術(shù)還不是能夠很好的理解這樣的指令。
例如下面這句指令“我想去一家意大利餐廳，之后再看一個法國電影。”這一句話中至少包含了兩個事件，“意大利餐廳吃飯”以及“看法國電影”，這不僅需要技術(shù)對兩個事件進(jìn)行關(guān)鍵信息搜索，還需要對兩個事件進(jìn)行先后順序的排列，這就超出了一般自然語言理解技術(shù)的范疇，需要運用深度自然語言理解進(jìn)行處理。
自然語言生成�，F(xiàn)在的語音交互系統(tǒng)大部分是經(jīng)過提前設(shè)計的，需要遵循一個固定的流程，當(dāng)對話到達(dá)某一個固定的階段，系統(tǒng)的反饋一定是類似的，有的時候甚至是一成不變的。這樣的交互并不能夠提供和人一樣交流的體驗。而自然語言生成能夠結(jié)合用戶的個性化信息以及情境化信息做出反饋，而每次的反饋也是不一樣的。
例如我們發(fā)出指令“導(dǎo)航到附近的洗車中心”，現(xiàn)在我們能夠預(yù)料的系統(tǒng)反饋基本是會為我們提供一個列表，讓我們選擇去哪一個洗車中心。而擁有了人工智能之后，系統(tǒng)會結(jié)合分析更多的信息，給出“明天有降雨，您確定要洗車嗎？”這樣更加貼心，類人化的回饋。
個性化和情境化
個性化指的是運用機(jī)器學(xué)習(xí)的用戶模式提供了高度針對性的預(yù)測和建議。
情境化指的是汽車助手可以根據(jù)當(dāng)前駕駛員和汽車的環(huán)境對自己的行為作出調(diào)整。二者相結(jié)合能夠為用戶提供更加貼心的使用體驗。
當(dāng)用戶發(fā)出一個語音指令，指令通過語音識別和自然語言理解之后，這一指令并沒有被直接送往內(nèi)容庫和知識庫，去尋找相關(guān)的答案或者觸發(fā)相關(guān)的操作，在此之前系統(tǒng)會再綜合集成用戶的個人偏好。例如用戶在搜索停車場時，系統(tǒng)就會考慮用戶是比較關(guān)注價格，還是比較關(guān)注距離，以及天氣，燃油剩余，地理位置的情境化的信息。之后再給出一個優(yōu)化的搜索結(jié)果。
知識
知識是指系統(tǒng)在原始數(shù)據(jù)和內(nèi)容變得相關(guān)時提供給駕駛員。
例如在上圖“在Texas廣場附近找一個停車場”的任務(wù)中：
知識負(fù)責(zé)從傳感器、本地數(shù)據(jù)庫、云和其他來源的有價值的情境化信息的融合。
個性化和情境化負(fù)責(zé)高度針對性的例如“更加便宜”“距離更近”等個性化和情景化的推薦。
智能交互能夠讓駕駛員很自然表達(dá)自己的意圖，通過自然語言生成將建議反饋給駕駛員，駕駛員還可以進(jìn)一步選擇改進(jìn)建議，最終駕駛員確認(rèn)并觸發(fā)系統(tǒng)后續(xù)行為。
通過智能交互，分析用戶個性化以及情境化信息，經(jīng)過推理引擎，最終結(jié)合知識庫，Nuance為用戶提供了協(xié)助式的對話管理。它是基于任務(wù)的，具有協(xié)助功能，旨在幫助用戶簡化交互過程，幫助用戶更快更有效的找到他們想要的，更符合他們意圖的內(nèi)容或完成相應(yīng)的操作。這樣，在駕駛的過程中，盡量減輕他們的手，眼，大腦思維產(chǎn)生的額外負(fù)擔(dān)，更加方便快捷的完成任務(wù)。
