Gmail Inbox发布基于深度学习的智能回复功能

作为日常工作最主要的沟通手段，Email在发明后几十年仍然活跃在工作第一线，越来越多的智能功能被添加进来。近日，继旅程助手和提醒推荐功能以后，Gmail团队发布了Inbox最新功能：智能回复（Smart Reply）（界面如下图），并撰文阐述了背后基于深度学习的实现思路。

推出智能回复功能的契机很直白：由于工作强度的增强，人们的交流日益频繁，然而大多数人有用手机收发邮件的习惯，使得回复Email有时变成了很烦躁的事情，费时费力。而很多时候，工作邮件都可以通过一些简短的回复例如“正在尝试”、“马上发给您”、“开会时讨论一下”等等来解决。智能回复就是基于这种考虑，通过深度学习技术，来“猜测”可能的简短回复，帮用户简化回复过程。智能回复会基于用户收到的邮件内容，来推荐三个可能的回复供用户选择，一个直观的展示参见下图：

智能回复将此前数次按键输入直接简化为一两次，极大方便了用户，提高了Inbox体验，而后台支撑该功能的技术却是相当复杂。Inbox利用机器学习技术（确切来讲是深度学习技术）识别那些能够被“秒回”的邮件，并动态生成回复。值得一提的是，用户选择智能回复词的过程中，后台的机器学习模型会根据选择不断迭代。下面再介绍一些具体的技术细节。

在展开介绍之前，多说一句Google内部的很多项目都在使用机器学习技术来改进用户体验，比如利用深度学习改进语音搜索和YouTube缩略图等等。因此Gmail团队的Bálint Miklós看到了上文中提到的回复邮件痛点，找到资深科学家Greg Corrado，后者表示了极大的兴趣。

智能回复的原理是很复杂的，涉及到自然语言理解和生成技术，这些技术多用于机器翻译，而回复邮件也可以抽象认为是个机器翻译问题，即来信是一种语言，而回信是另一种语言，智能回复就是要理解来信，并“翻译”生成回信。长期的实践已经表明相关技术并没有发展到能直接应用到产品中的程度，大部分时间都只能实现一些逗乐聊天机器人。但对于智能回复词这一特定场景，是能够给出比较满意答案的。Google科学家Oriol Vinyals, Ilya Sutskever和Quoc Le在去年曾重点研究理解和生成技术，称为序列学习，Greg的同事Anjuli Kannan在此基础上开发了可生成智能回复的产品级神经网络。

类似其他序列学习系统，智能回复功能由一对RNN组成，如下图所示。

一个用来对用户收到的邮件内容进行编码，另一个则用来预测可能的回复。编码网络一次读入一个单词，然后生成一个由数字组成的向量。该向量被Geoff Hinton老先生称为“thought vector”，能够在一定程度上表达邮件的语义。在这种情况下，英文句子“Are you free tomorrow?”和句子“Does tomorrow work for you?”语义距离更近。第二个网络根据thought vector来生成一个语义语法都正确的回复。值得一提的是，整个网络都无需任何人工接入，完全通过历史邮件和回复来学习模型。

Greg提到，跟邮件打交道的一个挑战就是，学习模型的输入和输出都很长，有时多达几百单词。因此需要选择合适的RNN模型，Google选择的是LSTM模型，能够很好处理比较远的单词之间的依赖关系，并能够发现邮件内容中最重要的部分，而不会被附近的短句所影响。Greg还提到，另一个挑战就是用户的隐私问题，在模型训练的过程当中，要保证没有任何人阅读用户的邮件，全程都是机器自动化操作。

最后Greg还分享了开发过程中的一些感受。最开始的时候，智能回复给出的三个答案基本意思相同，用户很难取舍。最后机器学习专家Sujith Ravi解决了这个问题，并表示这是一个典型的“回复多样性”缺乏问题，可通过计算句子语义相似度来解决，而不仅仅是考虑单词的相似度。另一个早期版本中的问题是不管邮件内容是什么，智能回复都倾向给出“I love you”的回复，因为类似感谢、听起来不错和我爱你这样的回复太常见了。后来通过对可能回复的概率进行归一化解决，使得回复不但常见，而且要和邮件的内容也比较相关。

据悉，智能回复功能将会在下周发布的iOS和Android版本中，感兴趣的读者可以进行更新尝试。

感谢杜小芳对本文的审校。

给InfoQ中文站投稿或者参与内容翻译工作，请邮件至[email protected]。也欢迎大家通过新浪微博（@InfoQ，@丁晓昀），微信（微信号：InfoQChina）关注我们，并与我们的编辑和其他读者朋友交流（欢迎加入InfoQ读者交流群）。