人机会话

人机会话技术有着悠久的历史，是智能化人机接口最具代表性的智能化技术，其目标就是要通过语音识别与生成方法与技术，来实现人机之间直接采用自然语言进行对话，并应用于智能机器人、聊天机以及各种智能系统的人机接口中。

       首先是语音识别。所谓语音识别就是要将语音信号转变为机器内部处理的文本符号。简单地讲，这一过程分为三个方面的内容，即特征提取、模式匹配以及模型训练，如图所示。 

根据语音识别的目标不同，可以将语音识别任务大体可分为3类：（1）孤立词识别（isolated word recognition)，（2）关键词识别（keyword spotting)，以及（3）连续语音识别。根据针对发音对象的不同，还可以把语音识别分为（4）特定人语音识别和（5）非特定人语音识别。

不管是什么具体的语音识别任务，大致上语音识别主要需要解决的问题包括：

    （1）话语要素的分割问题：将连续的话语分解为词、音素等基本单位单位；

    （2）确定语音模式区分标准：不同的说话人有不同的语音模式，即使同一个说话人，在不同的场合、不同的状态以及不同的时期，也会有不同的语音模式，这就为语音识别模式的分类带来了困难；

     （3）模糊性问题：说话的含混现象、语言中普遍存在的同义词现象等，使得语音识别成为一个依赖于上下文与会话背景的复杂研究课题； 

     （4）词语发音的动态性：单个字母或词、字的语音特性会受到上下文影响而变化，包括读音、重音、音调、音量和发音速度等方面的改变；

     （5）环境噪音干扰：人类具有鸡尾酒效应，可以在噪杂环境下排除干扰，但这一问题对于机器而言却没有有效的解决方法。

比如单单同音字现象，就是一个十分棘手的问题。我们知道，汉语有五万多汉字，却共用仅仅两千多个音节，因此同音字现象非常普遍。甚至会出现赵元任指出的《施氏食狮史》这种极端情况而使语音的机器识别研究陷于困境之中

我国开展语音识别技术研发的主要单位有中科院声学所、自动化所、清华大学、北方交通大学、哈尔滨工业大学、中国科技大学、四川大学、厦门大学等，开发了不少语音识别系统并应用到具体的智能手机、智能玩具以及其他应用系统中（如家庭服务、宾馆服务、旅行社服务系统、订票系统、医疗服务、银行服务、股票查询服务等等）。

语音合成

要实现人机对话系统除了语音识别外，还需要解决语音合成问题。与语音识别相反，语音合成是要将文字符号转换成为连续声音形成的话语，因此，语音合成技术，有时也称为文语转换技术。 

从智能技术的应用角度看，文语转换系统实际上可以看作是人工智能的一个分支领域。为了获得高质量的合成语音，除了语音合成本身涉及到的技术外，还需要在理解内容的角度，给出富有情感表达的话语表达效果。

语音合成本身的技术主要有两个方面，一是将文字序列转换为音韵序列，二是再将音韵表征的文字转换为语音波形。前者涉及到语言文本的处理技术，后者则涉及到声学处理技术。

有了语音识别与合成，人机会话最后核心部分，就是对话管理机制的构建。如果将人机对话看作是一个问答过程，那么就可以采用如图所示方案来实现对话管理机制。

对话管理

1968年，美国麻省理工学院的J.Weizenbaum设计了一个心理医生咨询系统 ELIZA，机器可以模仿心理医生来与患者交谈。其典型的一次会诊咨询是这样的：

          患者：男人都一个样。机器：怎么一个样法？

          患者：他们总有许多事来烦我们。机器：你能举个例子吗？

          患者：你瞧，我男友楞要叫我到这儿来。机器：您男友叫您到我这儿来？

          患者：他总说我情绪消沉。机器：听说您情绪消沉，我很遗憾。

          患者：是的，我心情不快乐。机器：你认为到我这儿来能使您高兴起来吗？

          患者：那自然，我需要帮助。机器：如果你得到帮助，对您来说，这意味着什么？

          患者：或许我会同妈妈相处得更好。机器：多讲一些您家里的情况，好吗？

          ……

ELIZA仅使用了简单的关键词替换策略，就可以使这场心理咨询如此顺利进行。不过细心的读者会发现，机器似乎只会换角度“复述性”提问来应付患者。但作为心理咨询，这对于患者来说就不同了。因为有时患者们只是需要与一个人聊聊天，袒露一些心中的苦闷而已。此时，一台机器可能会比一位医生更“安全”，况且机器会有极大的耐心来倾听患者没完没了的唠叨、抱怨或倾诉。因此，从这个意义上讲，这种交谈，与其说是ELIZA的成功应酬，倒不如说是人类患者本身的需要成全了这场交谈更确切。

为了说明该系统的“智能”，研究者还开展了一场别开生面的图灵测验，具体方法就是安排精神病医生通过电传机与真病人或假病人（机器系统）进行交谈，结果发现，虽然这些医生知道其中有一位是假病人，但却无法判别哪位是假的。