科技雲報道：我們該對聊天機器人失望嗎？

十餘年前，聊天機器人也曾引起了不少關注，但在商業應用上最終並未掀起多大風浪。如今，在技術層面除了人工智慧技術在語義理解、語音識別、機器學習等相關領域或又有更多發展外，商業生態環境的成熟使得聊天機器人的際遇將區別與往日。

去年的這個時候，科技雲報道曾寫過一篇關於聊天機器人（Chatbot）的入門級科普文。（Bot即將取代APP？聊天機器人大戰一觸即發）在人工智慧興起的時代，Facebook，twitter，微軟，蘋果，Google等各大國際巨頭都紛紛推出了自己的Chatbot，試圖在這個新的智能領域佔據先手。

從目前Chatbot的高級應用來看，整體情況不算太樂觀。去年微軟的聊天機器人Tay上線24小時后，就因為其冒犯性的種族言論遭到網友們炮轟而被迫下線。白宮在FacebookMessenge上推出的歐巴馬聊天機器人，因其交互控制項表單、語言模板十分有限，廣為媒體詬病。

無論是對bot開放平台的商業前景給予厚望的巨頭們，還是對bot與人類自然交互的智能充滿期待的用戶來說，這種狀況顯然都不夠好。

但或許我們應該換一個角度來看這個問題。

▼

對於處在探索階段的聊天機器人，我們到底是希望對bot提出極其複雜的要求，測試它們能力的極限，還是更多地去嘗試商業領域的應用呢？

如果我們能著眼於實際，將期望拉回到現階段技術可實現的水平，就會發現bot其實已經在各個領域帶來了諸多便利。

比如bot被廣泛應用的領域之一——智能客服。在阿里系的產品客服體系，越來越多的比例已經被智能客服分擔。通過智能機器人答覆用戶的常見、重複性問題，從而節省人力，實現人機協作。

我們熟知的淘寶客服當然不是bot唯一的用處，還可以向bot詢問天氣狀況，訂購披薩、鮮花或電影票，尋求生活小百科的幫助，查詢新聞，日常安排，甚至理財諮詢和管理。

bot之所以可以在信息諮詢、預定、購物等場景下實現落地，特殊性在於這些對話場景並不像蘋果Siri、微軟小冰那樣的任意聊天模式，針對特定領域，來尋求客服服務的用戶均是抱著特定的目的和話語體系，這使得智能聊天更容易精準定製。

這些設計雖然不太夠完善，但是可以接受，至少在人工客服不夠的時候，提供了更及時的幫助，也為企業省下了不少成本。

回顧大家吐槽Chatbot體驗不佳的原因，大多在於「不說人話」。舉個例子，如果你問Chatbot「商店的營業時間是幾點？」，那你會得到一個很棒的預設答案。但是如果你換個更加口語化的表達，比如「商店這個點兒開門嗎？」，bot提供的答案可能就驢唇不對馬嘴了。

這是因為之前bot的對話僅靠預設的模板語言，還沒有被訓練到可以充分結合自然語言處理去理解用戶意圖，更沒有上下文對話管理來理解對話主題，所以它們自然也無法提供給我們真正需要的答案。

簡單來看，聊天機器人最核心的技術難點主要體現兩個方面：圖像語音識別和語義理解。好在最先進的人工智慧技術在深度學習等相關領域都有了進一步的發展，讓聊天機器人有了極大的提升空間。

一方面，深度學習的技術，在圖像和語音方面取得非常大的進展。深度學習和人的學習類似，用演算法或模型告訴機器學習的方法，通過海量素材的訓練讓機器對圖像和聲音的識別不斷逼近100%的準確率。

另一方面，針對不同的應用場景設計出不同的自然語言的語義規則，從大量非結構化的文本當中挖掘語義、事實，讓機器進行學習。

比如微軟的聊天機器人「小冰」集合了近7億網民多年來積累的、全部公開的文獻記錄，藉助微軟在大數據、自然語義分析、機器學習和深度神經網路方面的技術積累，通過精鍊的幾千萬條真實而有趣的語料庫，理解對話的語境與語義，從而實現超越簡單人機問答的自然交互。

當然，bot不僅限於語義理解、智能語音，還有智能搜索、大數據分析、預測等底層知識引擎。在這些能力基礎之上，基於行業需求進行開發，才有我們日常生活中所接觸到的智能客服機器人、智能實體機器人這些應用。

儘管現在很多bot看起來很基礎或者平凡，但可以把他們想象成蹣跚學步的孩童，摸索著找尋自己在這個世界上前進的方向。通過長時間的積累，Bot的技能會變得越來越強，未來一定會逐步減少對於人力的依賴，成為我們生活有力的助手。而bot作為一種底層技術，只有跟很多行業做深度整合，才能最大程度發揮bot的商業價值。

The End

【科技雲報道原創】

微信公眾賬號：科技雲報道