昨天的阿里云栖大会上，阿里宣布对外开放语音客服机器人服务。 这项服务其实在阿里系自身的服务中已经运用和训练了很久，以下是对其中的一项服务“阿里小蜜”的简单体验。
一进入界面，产品提供了问法和可能需要的操作。推荐的用户输入方式是语音。
可以通过点击“剁手有小蜜”或者直接说出“找好货”来说出需求。系统自动给出了反馈（这里还起到一个帮助用户理解要怎么跟机器人对话的作用）。
而我提出“买火车票”的这个需求时，则反馈回来了我应该如何在淘宝上完成买火车的帮助说明信息（见下图）。
而在给出的反馈信息，提供了向上和向下两个拇指。通过用户的反馈，来提高系统的知识能力。
在对话中，我中途切换到天气查询、期望其反馈天气情况。但显然其仍然认为我的目标是在“挑好货”，不予理会我查天气的需求，而直接引导往下一层使用。（这种中途转换目标的情况，在语音交互上应该还是有难度的～）
不过，说好的“这个几款”呢？本次体验在失败中结束。
一点絮叨：
目前，智能语音交互从技术上到行业应用上都没有很成熟，存在一些明显无法达到用户预期的缺陷。在设计上需要立足于这种缺陷、充分利用多种手段和渠道（如硬件设备、APP／网页等）去帮助用户完成目标。
一些补充信息（来自三角兽）
作为行业型应用，客服机器人属于典型的任务驱动的多轮对话交互。一个典型的任务驱动的多轮对话语音交互包含如下几个典型的流程：
1、语言的理解：简单讲，就是讲用户自然而然说出的话，转换成结构化的“语义表示”。在语音交互中，这种“语义表示”包含两部分：
（1）communication function：表示用户query的类型，比如陈述需求、询问属性、否定、选择疑问等等。
（2）slot-value pairs：一个slot-value pair表达一个限定条件。这一理解为，将用户的目标分解成一个一个的小任务（目标单元）。
举例说明：“我要西二旗附近的川菜”对应的communication function就是陈述需求，slot-value pairs有“西二旗”和“川菜”。
在对话系统中，口语化的处理是必不可少的，必须具备非严谨语言，和语音识别错误的鲁棒性。
2、对话目标状态跟踪：根据持续多轮的对话来确定用户当前的目标究竟是什么。跟踪用户状态，有助于在反复多轮的对话中，解决用户的问题、提供产品解决方案。
3、对话策略：简单地说，就是系统要如何回应用户的话。这个策略包含了预期收益最大化的目标。
4、语音合成：将对话策略输出的语义，转化成语音播报方式传达给用户（文字方式或短信，与之类似）。
对于任务驱动式的多轮对话交互，有两个很重要的指标：任务完成率和平均对话轮数。
