一：学习感悟
加入AI产品经理大本营饭团的半个月中，鉴于自身做过聊天机器人项目，首先看的就是聊天机器人那方面的分享，然而我发现信息有点混乱，讲各种不同类型的聊天机器人，有些分享感觉不太适合新手阅读，比如像阿里小蜜这类，深入了解其背后实现逻辑的话，需要对算法有一定的基础。
为什么会出现这种情况呢？我思考并总结了一下，一方面是因为自身所处的是2B行业，项目周期长、迭代慢，加上公司也处初创阶段，接触到的信息非常有限，并且没有人指导，领导也没有做过聊天机器人项目的经验，没能及时的建立起正确的认识和全局观，对整个聊天机器人行业认识的不够全面。另一方面是搜索百度后看的资料没有及时总结与分类，使学到的知识混淆在一起，导致脑袋的信息有点混乱。
针对上述问题，最近我在百度中搜到一篇由苏州狗尾草智能科技有限公司的邵浩博士所写的《一篇文章看懂聊天机器人分类》的文章，让我清晰的认识到了不同种类的聊天机器人，同时也启发我在使用搜索引擎的时候可以去做针对性搜索。
现在聊天机器人的种类，因使用的AI技术的不同而演化出不同的种类，比如聊天机器人A支持语音对话+文字聊天，聊天机器人B只支持文字聊天，看似聊天机器人A比聊天机器人B只多了一个语音功能，同时两者的名字都叫聊天机器人，但背后逻辑是天差地别的，机器人A在自然语言处理（NLP，理解和处理文本的过程）的基础上增加了语音识别（ASR，将声音转化成文字的过程）和语音合成（TTS，把文本转化成语音的过程）这2项技术，如下图所示：
阅读饭团内分享的同时我也问了自己一个问题，是否所有的机器人文章都要去深入学习呢？我的答案是否定的，可以根据自身的情况和所接触的项目，进行针对性的了解，比如现在公司刚起步，那就先学习一些基础的单轮对话的概念，直接去了解多轮对话反而是个不利的事情，先做个最简单的单轮对话机器人，随着公司业务的发展，再慢慢的了解多轮对话和语音处理那些方面的知识，去迭代和优化机器人。
我想写下这篇文章以便于刚入行的朋友能了解一下聊天机器人的基础行业背景。然后可以对自身想深入了解的机器人，在查阅资料的时候，进行有针对性的和更高效的搜索。
二：聊天机器人的分类
聊天机器人的分类可以有很多不同的纬度，甚至于在一个纬度之下还可以往下不断细分，如：单轮客服对话机器人（按对话轮数分是单轮，按应用场景分是客服），下面是总结出来的几个比较常见的分类纬度：
按功能用途或使用场景：可以分为偏娱乐化（如情感陪伴，闲聊），和面向任务（擅长完成特定的工作）。
按对话轮数：可以分为单轮机器人（以一问一答的形式，对用户提出问题或发出的请求进行意图识别，并做出回答或执行相应的操作），和多轮机器人（通常是有问有答的形式，同时聊天机器人也会发起提问，并且机器人会涉及“决策”过程）。
按对话方式：可以分为纯文字聊天，纯语音对话和智能对话（语音+文字相结合）。
按交互方式：可以分为主动交互（用户发起对话，机器理解对话并作出相应的响应）和被动交互（由机器人先发起，如推荐用户感兴趣的文章或热点新闻，能更好的体现人机之间互动）。
按生态体系：可以分为实体机器人（软硬结合）和机器人框架服务（如为巨头公司对外提供的“Bot Framework”框架，以SDK或SAAS服务的形式供第三方公司来使用）。
三：实现聊天机器人的技术：
目前实现聊天机器人主流的技术路线有五种，如下所示：
1：基于检索的方法：通常是通过相似度算法实现，模型中会设置好一段文字，和一个对应的候选答案，模型的输出是对候答案的进行打分和排序，选出分值最高的作为回复答案。
2：基于规则的方法：由开发人员编写相应的人工规则，只要输入的文字和规则匹配上了，就会自动输出对应的回复。
3：基于语义解析的方法：是对每一句话进行自然语言处理之后，把文字转换为电脑能识别的唯一编码，提取关键信息，再生成对应的回复。
4：基于知识图谱：感觉和基于检索的方法比较类似，但首先需要基于多源的、异构的数据来构建多样化的知识库，通过对输入的问题进行语义理解和解析，然后利用知识库进行查询与推理得出答案。
5：基于深度学习的生成模型：通过机器学习算法被创造出来，可以从自身数据、对话、文本、电影对白或者剧本从0开始学习，但人类对话是最好的学习方式。同时拥有的数据越多，效果越好，但就目前来说理论可行，实际效果差强人意。
四：结论：
加入饭团的半个月时间内，我曾一度怀疑自己之前做的聊天机器人的方法有问题，但以今天的经验来看，我做的其实只是是实现聊天机器人的其中一种方式罢了。如果说在同一纬度的分类中有4种不同类型的机器人，而每种机器人实现的技术方式有5种，不考虑每种实现方式使用的算法模型，那至少会有20篇不同的实现文章。这是一个比较夸张数量，但确实如此。
另一方面，随着时间的推移与大量的学习，我发现自身的提升非常大，正在建立起清晰的行业知识，如果以后再看聊天机器人相关的分享文章，我会有一个清晰的视角，去判断一下文章中机器人的分类，以便于自己更专业的去阅读和做笔记。
最后分享一下，2C方向的AI产品工作，有相对清晰的产品定位、较快的产品迭代，丰富的用户体验数据和MVP验证过程，所以在AI产品能在初期保持一定速度的成长。2B方向的AI产品工作，项目周期长、迭代慢，沟通事务多、缺乏经验指导，像我就是leader自己都没有做过聊天机器人相关的项目，所有遇到的难题都只能靠百度，并且自学NLP基础知识，对自身是一种极大的挑战。昨天看了饭团成员YING的分享的《2B方向的AI产品经理如何能快速成长》文章后，发现跟自己的经历差不多，可能整个2B的AI行业都是这样，也对于文章中所提到的3点建议深有感触，分别是增强自我定位的能力、培养主动提问的能力和提升解决问题的能力，我个人认为最核心的一点是解决问题的能力，需要通过不断的学习和阅读，甚至于对竟品，或者市面上常见的同类产品进行深入研究，以便于对整个行业方向有清晰的认识。