智能问答是什么？让机器读懂问题再给出答案

智能问答（Question Answering，QA）是让计算机自动回答自然语言问题的技术。用户用平常说话的方式提问，系统理解问题的意思，从给定的文章、知识库或互联网里找到相关信息，再给出答案。它综合了自然语言理解、信息检索、知识表示和文本生成等多个方向，是搜索引擎、智能客服和 AI 助手的核心能力。

几种类型

按答案从哪来，可以分成几类。抽取式问答：答案是给定文章里的一段原文，系统负责把它找出来。生成式问答：系统用自己的话组织答案，可以综合多处信息。知识库问答：从结构化的知识图谱里查询答案，比如“某某的出生地是哪里”。开放域问答：不给定资料，系统要自己去海量文档里检索相关内容再回答。

发展历程

早期的问答系统依赖人工规则、模板匹配和知识库查询，只能回答特定领域、特定格式的问题。2016 年，斯坦福大学发布了 SQuAD 数据集：众包工作者针对维基百科文章提出了 10 万多个问题，每个问题的答案都是原文中的一段。论文中的逻辑回归基线 F1 只有 51%，而人类表现约为 86.8%。SQuAD 极大地推动了机器阅读理解的研究，此后 BERT 等预训练模型在它上面很快超过了人类水平。

大模型出现后，问答的形态又变了：模型本身就储存了大量知识，可以直接回答很多问题。但它也会一本正经地编造答案（幻觉），知识也会过时。所以现在的主流做法是检索增强生成（RAG）：先检索可靠资料，再让大模型基于资料回答，并给出来源。

怎么评价

抽取式问答常用精确匹配（EM）和 F1 分数评估；生成式问答更难评估，常用大模型打分、人工评估，并特别关注答案是否有依据、有没有编造。实际产品中，“不知道就说不知道”往往和“答得对”一样重要。