科技云报道：我们该对聊天机器人失望吗？

​十余年前，聊天机器人也曾引起了不少关注，但在商业应用上最终并未掀起多大风浪。如今，在技术层面除了人工智能技术在语义理解、语音识别、机器学习等相关领域或又有更多发展外，商业生态环境的成熟使得聊天机器人的际遇将区别与往日。

去年的这个时候，科技云报道曾写过一篇关于聊天机器人（Chatbot）的入门级科普文。（Bot即将取代APP？聊天机器人大战一触即发）在人工智能兴起的时代，Facebook，twitter，微软，苹果，Google等各大国际巨头都纷纷推出了自己的Chatbot，试图在这个新的智能领域占据先手。

从目前Chatbot的高级应用来看，整体情况不算太乐观。去年微软的聊天机器人Tay上线24小时后，就因为其冒犯性的种族言论遭到网友们炮轰而被迫下线。白宫在FacebookMessenge上推出的奥巴马聊天机器人，因其交互控件表单、语言模板十分有限，广为媒体诟病。

无论是对bot开放平台的商业前景给予厚望的巨头们，还是对bot与人类自然交互的智能充满期待的用户来说，这种状况显然都不够好。

但或许我们应该换一个角度来看这个问题。

▼

对于处在探索阶段的聊天机器人，我们到底是希望对bot提出极其复杂的要求，测试它们能力的极限，还是更多地去尝试商业领域的应用呢？

如果我们能着眼于实际，将期望拉回到现阶段技术可实现的水平，就会发现bot其实已经在各个领域带来了诸多便利。

比如bot被广泛应用的领域之一——智能客服。在阿里系的产品客服体系，越来越多的比例已经被智能客服分担。通过智能机器人答复用户的常见、重复性问题，从而节省人力，实现人机协作。

我们熟知的淘宝客服当然不是bot唯一的用处，还可以向bot询问天气状况，订购披萨、鲜花或电影票，寻求生活小百科的帮助，查询新闻，日常安排，甚至理财咨询和管理。

bot之所以可以在信息咨询、预定、购物等场景下实现落地，特殊性在于这些对话场景并不像苹果Siri、微软小冰那样的任意聊天模式，针对特定领域，来寻求客服服务的用户均是抱着特定的目的和话语体系，这使得智能聊天更容易精准定制。

这些设计虽然不太够完善，但是可以接受，至少在人工客服不够的时候，提供了更及时的帮助，也为企业省下了不少成本。

回顾大家吐槽Chatbot体验不佳的原因，大多在于“不说人话”。举个例子，如果你问Chatbot“商店的营业时间是几点？”，那你会得到一个很棒的预设答案。但是如果你换个更加口语化的表达，比如“商店这个点儿开门吗？”，bot提供的答案可能就驴唇不对马嘴了。

这是因为之前bot的对话仅靠预设的模板语言，还没有被训练到可以充分结合自然语言处理去理解用户意图，更没有上下文对话管理来理解对话主题，所以它们自然也无法提供给我们真正需要的答案。

简单来看，聊天机器人最核心的技术难点主要体现两个方面：图像语音识别和语义理解。好在最先进的人工智能技术在深度学习等相关领域都有了进一步的发展，让聊天机器人有了极大的提升空间。

一方面，深度学习的技术，在图像和语音方面取得非常大的进展。深度学习和人的学习类似，用算法或模型告诉机器学习的方法，通过海量素材的训练让机器对图像和声音的识别不断逼近100%的准确率。

另一方面，针对不同的应用场景设计出不同的自然语言的语义规则，从大量非结构化的文本当中挖掘语义、事实，让机器进行学习。

比如微软的聊天机器人“小冰”集合了中国近7亿网民多年来积累的、全部公开的文献记录，借助微软在大数据、自然语义分析、机器学习和深度神经网络方面的技术积累，通过精炼的几千万条真实而有趣的语料库，理解对话的语境与语义，从而实现超越简单人机问答的自然交互。

当然，bot不仅限于语义理解、智能语音，还有智能搜索、大数据分析、预测等底层知识引擎。在这些能力基础之上，基于行业需求进行开发，才有我们日常生活中所接触到的智能客服机器人、智能实体机器人这些应用。

尽管现在很多bot看起来很基础或者平凡，但可以把他们想象成蹒跚学步的孩童，摸索着找寻自己在这个世界上前进的方向。通过长时间的积累，Bot的技能会变得越来越强，未来一定会逐步减少对于人力的依赖，成为我们生活有力的助手。而bot作为一种底层技术，只有跟很多行业做深度整合，才能最大程度发挥bot的商业价值。

The End

【科技云报道原创】

微信公众账号：科技云报道