2018/11/28 16:51

350 万奖金的 2018 Alexa Prize 落幕，加州大学戴维斯分校夺冠

Alexa Prize 是面向高校学生、加速对话 AI 领域发展的一项年度竞赛。2018 年 Alexa Prize 竞赛聚焦于社交机器人的创造，让 Alexa 能够就流行话题、新闻事件等与人类更连贯、自由地交流。要做到这一点，参赛团队需要熟知对话 AI 背后的众多技术领域，包括知识获取、自然语言理解、自然语言生成、语境建模、常识推理和对话规划等。

据官网信息，2018 Alexa Prize 吸引了多支大学团队参赛，入选团队包括 CMU、布拉格捷克理工大学、加州大学戴维斯分校等。

11 月 26 日，Alexa AI 副总裁、首席科学家 Rohit Prasad 公布了 2018 Alexa Prize 的获奖者：

第一名：来自加州大学戴维斯分校的团队 Gunrock，50 万美元奖金；

第二名：来自布拉格捷克理工大学的团队 Alquist，10 万美元奖金；

第三名：来自爱丁堡赫瑞-瓦特大学的团队 Alana，5 万美元奖金；

此外，每支参赛团队将获得 25 万美金研究补助、Alexa 赋能设备和免费 AWS 服务支持，也可访问最新的 ASK API、工具和数据等。值得一提的是，如果哪支团队的社交机器人可以与人连贯、自然地交流 20 分钟以上，且平均得分超过 4.0，该队伍将获得 100 万美金的研究补助。

据介绍，第一名 Gunrock 团队包含 14 名来自计算机科学电子与计算工程专业的研究生与本科生，团队导师为加州大学戴维斯分校的助理教授俞舟（专访 | 入选福布斯榜单之后，俞舟和我们聊了聊「多模态对话系统」）。该团队创造的社交机器人平均得分为 3.1 分（共 5 分），平均对话时长为 9 分 59 秒。

工程挑战赛Alexa智能对话

相关数据

自然语言理解技术

自然语言理解是人工智能的核心课题之一，也被广泛认为是最困难和最具标志性的任务。最经典的两个人工智能思想实验——图灵测试和中文房间，都是围绕自然语言理解来构建的。自然语言理解在人工智能技术体系中的重要性不言而喻，它一方面承载着机器和人的交流，另一方面直达知识和逻辑。自然语言理解也是人工智能学者孜孜以求的圣杯，机器学习的巨擘 Michael I. Jordan 就曾经在 Reddit 上的 AMA（Ask Me Anything）栏目中畅想用十亿美元建立一个专门用于自然语言理解的实验室。

来源：机器之心

规划技术

人工智能领域的「规划」通常是指智能体执行的任务/动作的自动规划和调度，其目的是进行资源的优化。常见的规划方法包括经典规划（Classical Planning）、分层任务网络（HTN）和 logistics 规划。

来源：机器之心

对话系统技术

对话系统大致被分成两类：任务为导向的对话系统，帮助用户去完成特定任务，比如找商品，订住宿，订餐厅等。实现任务为导向的对话系统，主要有两类方式，流水线方法和端到端方法。非任务导向的对话系统，与用户进行互动并提供回答，简单的说，就是在开放领域的闲聊。实现非任务导向对话系统也主要可分为两类，生成方法和基于检索的方法。

来源：CSDN

自然语言生成技术

自然语言生成（NLG）是自然语言处理的一部分，从知识库或逻辑形式等等机器表述系统去生成自然语言。这种形式表述当作心理表述的模型时，心理语言学家会选用语言产出这个术语。自然语言生成系统可以说是一种将资料转换成自然语言表述的翻译器。不过产生最终语言的方法不同于编译程式，因为自然语言多样的表达。NLG出现已久，但是商业NLG技术直到最近才变得普及。自然语言生成可以视为自然语言理解的反向：自然语言理解系统须要厘清输入句的意涵，从而产生机器表述语言；自然语言生成系统须要决定如何把概念转化成语言。

来源：维基百科