特定场景进行特定培训，这是打造更连贯、更自然的人机语音交互的一个解决途径。
“iPhone的市场占有率是多少？”
—“目前80%。”
“那华为的呢？”
—“怎么都喜欢华为？”
以上是发生在镁客君与某一语音交互机器人之间的对话。
你来我往之间，那些令人“头痛”的瞬间
在日常生活中，通过语音交互技术，我们能够与机器人进行交流，或者是让后者实时控制一些家居产品；在办公时间，借助于语音交互技术，我们也能够直接口头交代语音助理一些工作，从而提升工作效率……
可以说，随着背后语音识别和自然语言处理技术的逐步提升，人们对于“语音交互”这一人机交互方式正在变得渐渐适应。不过，在你来我往的语音对话之间，我们也不可避免的也遇到了一些有时令人“哭笑不得”的BUG。
2017国家服务机器人产业高峰论坛于近日落下帷幕，在圆桌环节的自由问答时间，有人提出一个问题，称当前的服务机器人在人机语音交互的过程中，常常会词不达意，或者是出现上下文不连贯的问题，导致最终的用户体验不佳。可以说，这是当前人机交互上最“头痛”的问题，也是导致人工智能被冠上“人工智障”称号的根本原因。
避免“人工智障”，我们目前需要将机器人关在“笼子”里
谈及这种“人工智障”现象，其中主要涉及自然语言处理和深度神经网络的一个问题。
一般情况下，基于自然语言处理技术，人工智能系统即能够对人们的语句进行拆分和处理，从而做到“理解”这句话，继而对用户作出相应的回应。至于上下文连贯，这其中主要关乎深度神经网络的一个搭建，换一种说法，主要是“知识图谱”在起作用。仍以本文最开始的对话为例：
“iPhone的市场占有率是多少？”
—“目前80%。”
“那华为的呢？”
—“目前是xx%。”
在深度神经网络，或者是知识图谱的协助下，当我们提出第二个问题的时候，它会将华为与上一个问题的“市场占有率”进行关联，从而做到对这一问题更为完整、精准的理解。
事实上，为了达到更为完美、自然的人机交互体验，难道人工智能企业就没有搭建深度神经网络、构造知识图谱吗？当然不是，只不过在这基础之上，依据当前机器人的语音交互的整体情况，我们还需要附加一些场景条件。
“这一块问题的解决还是需要根据不同的场景来做不同的定制，毕竟这也不是说一个模型、一个算法就能解决好所有的问题。”武汉泰迪智慧科技有限公司创始人兼董事长李成华表示。
总结一下也就是说，要想解决当前这一上下文理解不连贯的问题，我们还需要依据特定的场景来对机器人进行特定的数据训练，从而打造一个特定机器人。举个例子，比如智能客服机器人，其所能提供服务的领域包括金融、教育、酒店等多个领域，每个领域都有着其所特有的问题或是对话场景，为了保证对话的连贯，我们就得利用这些特有数据进行培训，构建一个面向垂直领域的知识图谱，以避免问题交叉、逻辑混乱等情况的出现。
面对无人驾驶的落地问题，我们都说低速行驶、封闭性场景是其当前能够快速实现落地的一个方向，简单粗暴的说，也就是将无人驾驶汽车关在一个相对“封闭”的场景里。而与此类似，要想机器人在语音交互上表现的没有那么“智障”，我们也需要将其关在一个限定的“笼子”里面来实施培训，不同的是，无人驾驶汽车的“笼子”是在真实的物理世界，而机器人则是在一个虚拟层面。
