什么是对话式 AI ？为何选择对话式 AI ？

　　对话式 AI：技术原理与应用前景

　　对话式 AI 是一种融合了多种技术的人工智能形式，它使得人机之间能够实现类似于真人的交互。这种复杂的系统能够识别语音和文本，理解用户的意图，识别特定语言的习语和格言，并以自然的语音做出回应。

什么是对话式 AI？

　　对话式 AI 应用了机器学习技术，开发了基于语言的应用程序，使人们能够通过语音与设备、机器和计算机进行自然的交互。无论是虚拟助手在早上唤醒你，还是你在网购时与聊天机器人交流，你都在使用对话式 AI。这种技术使设备能够理解你的话语，并给出自然的声音回应。

对话式 AI 的应用程序

　　对话式 AI 的应用程序有多种形式。最简单的是 FAQ 机器人，它们经过训练，可以从具有预先格式化答案的数据库中回复查询。更复杂的包括虚拟个人助理，如 Amazon 的 Alexa、Apple 的 Siri 和 Microsoft 的 Cortana，这些工具可以回应简单的请求。还有虚拟客户助理和虚拟员工助理，它们能够理解上下文，进行更深入的对话，并改进工作流程。

为什么选择对话式 AI？

　　对话式 AI 是人类与智能机器和应用程序互动的基本构建块。计算机需要理解人类语言及所有细微差别，并做出适当的反应。在过去几年中，深度学习改进了对话式 AI 的技术水平，提高了准确性，降低了对语言学和基于规则的技术需求，从而在多个行业中得到广泛采用。

对话式 AI 的工作原理

　　对话式 AI 的工作流程通常包括三个阶段：自动语音识别 (ASR)、自然语言处理 (NLP) 或自然语言理解 (NLU)，以及带有语音合成的文本转语音 (TTS)。每一步都需要运行多个 AI 模型，每个单独网络的执行时间约为 10 毫秒或更短。

GPU 在对话式 AI 中的作用

　　对话式 AI 背后的技术复杂且计算量大，需要大量的功耗计算。一个由数百个核心组成的 GPU 可以并行处理数千个线程，是训练深度学习模型和执行推理的首选平台。NVIDIA GPU 和 CUDA-X AI 库可以快速训练和优化大量的语言模型，实现快速推理。此外，基于 Transformer 的深度学习模型如 BERT 可以在 GPU 上实现更多的并行化，减少训练时间。

对话式 AI 的用例与优势

　　GPU 优化的语言理解模型可以集成到医疗健康、零售和金融服务等行业的 AI 应用程序中，支持智能扬声器和客户服务领域中的高级数字语音助手。对话式 AI 在许多场景中比键盘交互更合适，能够节省人力成本，提高客户服务效率。此外，核心技术还可以用于解释或完善模糊查询，或解释使用不同语言的人的查询。

NVIDIA GPU 加速的对话式 AI 工具

　　NVIDIA 提供了神经模组（NeMo）和 Riva 等工具来简化对话式 AI 的部署过程。Riva 是一个 GPU 加速应用程序框架，允许公司使用视频和语音数据为自己的行业、产品和客户定制最先进的对话式 AI 服务。使用 Riva 构建的应用程序可以利用新款 NVIDIA A100 Tensor Core GPU 中的创新技术进行 AI 计算，并利用 TensorRT 的新型优化技术进行推理。

对话式 AI 在 NVIDIA 平台的未来

　　NVIDIA 平台带有 Tensor Core 体系架构，提供可编程性以加速各种现代 AI，包括基于 Transformer 的模型。数据中心规模设计和 DGX SuperPOD™ 的最优化与软件库和先进 AI 框架的直接支持相结合，为开发者提供了无缝的端到端平台以承担艰巨的 NLP 任务。NGC（NVIDIA 加速软件中心）免费提供持续优化以加速 BERT 和 Transformer 在多个框架上的 GPU 训练。