Uber發(fā)布“柏拉圖研究對話系統(tǒng),程序員們可以輕松了!

近日，UberAI開源了“柏拉圖研究對話系統(tǒng)”，用于構建、訓練和部署會話AI代理，使數(shù)據科學家和業(yè)余愛好者能夠從原型和演示系統(tǒng)中收集數(shù)據。柏拉圖擁有簡潔明了的設計，與現(xiàn)有的深度學習、貝葉斯優(yōu)化框架（用于調整模型）集成，可減少編寫代碼的需要。目前，柏拉圖支持通過語音、文本或結構化信息進行交互，可以為會話代理的每個組件包裹現(xiàn)有的預訓練模型，并且每個組件都可以在線或離線進行訓練。

最近，Uber發(fā)布了一個名為“柏拉圖研究對話系統(tǒng)”（PlatoResearchDialogueSystem）的開源人工智能平臺。該系統(tǒng)將與谷歌的Dialogflow、微軟的Bot框架和亞馬遜的Lex等類似產品競爭。

UberAI研究團隊在博客中解釋說，柏拉圖主要為構建、培訓和部署原型和演示系統(tǒng)而設計，還可以促進會話數(shù)據收集。Uber還表示，柏拉圖是數(shù)據科學家和業(yè)余愛好者們的理想選擇，其“簡潔明了”的設計，以及與現(xiàn)有的深度學習和貝葉斯優(yōu)化框架（用于調整模型）集成，可減少編寫代碼的需要。

目前，柏拉圖可以通過語音、文本和“結構化信息”支持與人類、數(shù)據和其他對話式AI代理進行交互。最重要的是，它可以為會話代理的每個組件包裹現(xiàn)有的預訓練模型，并且每個組件都可以在線（在交互期間）或離線（從數(shù)據）進行訓練。鑒于柏拉圖是一個通用框架，所以每個單獨的組件都可以使用任何機器學習庫（例如，Ludwig、TensorFlow或 PyTorch）進行在線或離線訓練。柏拉圖還擁有“模塊化設計”，可將數(shù)據處理分成七個部分，包括語音識別、語言理解、狀態(tài)追蹤、API 調用、對話策略、語言生成和語音合成。

為了證明其可擴展性，柏拉圖用戶可以通過提供該類模塊的Python類名和包路徑以及模型的初始化參數(shù)來定義自己的體系結構或插入自己的組件。只要模塊按照它們應該執(zhí)行的順序列出，柏拉圖就會處理其余部分，包括包裝輸入和輸出，鏈接和執(zhí)行模塊（串行或并行），以及促進對話。

在數(shù)據記錄方面，柏拉圖還通過對話片段記錄器中記錄事件來處理數(shù)據記錄。錄音機記錄了以前的對話狀態(tài)、采取了什么行動以及目前的對話狀態(tài)。

“我們相信柏拉圖能夠從Ludwig和TensorFlow到PyTorch、Keras和其他開源項目的深度學習框架中更加無縫地培訓會話代理，從而在學術和行業(yè)應用中改進對話AI技術。”UberAI研究人員AlexandrosPapangelis、YiChiaWang、MahdiNamazifar和ChandraKhatri在博客中寫道，“我們利用柏拉圖，可以很容易地訓練一個談話代理如何詢問餐館信息，另一個代理如何提供這些信息，隨著時間的推移，他們的談話會變得越來越自然?！?/p>

Constellation Research 公司的分析師Holger Mueller表示，柏拉圖系統(tǒng)中最有趣的一點是支持多個代理的技術，這對于Uber來說是必要的，因為它需要促進客戶、司機以及客戶服務代理之間的多方聊天。

Holger Mueller說:“這意味著需要智能對話共享，盡管聊天機器人框架空間領域已經非常擁擠了，但是Uber推出柏拉圖仍具有現(xiàn)實意義，和所有新的開源項目一樣，我們需要在幾個季度內檢查采用情況，因為開源代碼資產的行為不能保證開發(fā)人員或企業(yè)采用。”

另外，柏拉圖的發(fā)布是在前面提到的Ludwig的首次發(fā)布之后，Ludwig是一套建立在谷歌TensorFlow框架之上的開源工具，它允許用戶無需編寫代碼就可以訓練和測試人工智能模型。