“小爱，小爱，明天北京天气如何？”当前，AI对话系统已经深刻融入人们日常生活的方
方面面，技术架构和路线更是百花齐放。
然而，作为前沿技术，AI对话系统标准缺失，造成其评价体系不一、在应用中呈现出水平参
差不齐等问题。针对这种状况，清华大学智能技术与系统实验室副主任黄民烈教授联合学界和业
界科研机构共同制定了全球首个《AI对话系统分级定义》（以下简称《分级定义》），并于近日
正式发布。《分级定义》旨在更好地评估AI对话系统的能力水平，推动AI对话系统在虚拟个人助
理、智能家居、智能汽车（车载语音）、情感陪护和心理健康等领域的应用有据可依。
起源于图灵测试的AI对话系统，是人工智能领域最重要的研究方向之一。“如果说自然语言
处理是人工智能‘皇冠上的明珠’，那么AI对话系统则是自然语言处理中最难、最核心的任务之
一，是‘明珠中最亮的那颗’。”黄民烈说。
黄民烈表示，近年来，随着深度学习技术的不断发展，AI对话系统已经从基于规则的第一代和
以传统机器学习为核心的第二代，发展到以大数据和大模型为显著特征的第三代，对话能力产生
了革命性变化，在开放话题上展现了惊人的对话能力，对进一步推动人工智能产业发展具有巨大
意义和价值。
“考虑到AI对话系统任务繁多、评价维度多样、技术路线丰富，撰写小组在制定《分级定义》
时仅关注完全由机器主导的对话系统，人机混合的对话系统不在考虑范围内。”黄民烈说。
黄民烈介绍，同时，为了在实际应用中发挥价值，《分级定义》的制定是从用户可感知、可观
察、可测量、可度量的角度出发，不考虑系统的具体技术实现方式，也不区分助理类任务、闲聊、
知识对话等，均以“场景”进行表述。
在上述原则之下，《分级定义》从自动对话能力、对话质量高低、单一/多个场景、跨场景的
上下文依赖和自然切换能力、拟人化程度、主动和持续学习能力、多模态感知与表达能力等角度出
发，将AI对话系统划分为L0—L5共6个等级，等级越高，AI对话系统水平越高。
“从上述标准看，当前AI对话系统水平最高已发展至L2到L3之间，如常见的‘小爱同学’等A
I智能助理就处于这个水平。”黄民烈说。
与国外相比，我国AI对话系统水平如何？对此，小米技术委员会主席、AI实验室主任王斌表示
，从目前的工业应用看，我国的AI对话系统与国外的AI对话系统没有明显差异，总体处在同一级别。
“现在AI对话系统整体处在向L3、L4发展的路上，距离理想还有一定的距离，还需要一到两年
甚至更长时间的持续努力。”黄民烈说，要向L4、L5迈进，需要破解记忆、联想、推理、自学习能
力等方面的很多关键技术，要做出高表现力的语音合成，如果运用到元宇宙中，还需要做出动作和
表情细粒度的表达，都极具挑战性。
在华为诺亚方舟实验室语音语义首席科学家刘群看来，AI对话系统最高级别的应用为复杂情感
任务，《分级定义》的发布将促进AI对话系统在情感任务中体现更高水平的智能，从而促进人工智
能未来在情感陪伴、心理健康、虚拟人、元宇宙等方面的应用，大大降低人力和物力成本，促进前
沿科技走进大众日常生活。
